构建具有“性格”的 AI Agent Harness Engineering：角色扮演技术

---

1. 引入与连接：当AI不再是“千人一面”的工具

你有没有过这样的体验：打开某款AI助理APP，无论你问什么，它的回答永远是标准、礼貌、毫无感情的“官方话术”，你甚至能猜到它下一句会说什么；玩开放世界游戏时，你和反派NPC聊了10分钟，他突然忘了自己要追杀你，反而主动给你递了任务道具；你花钱定制的“AI女友”，早上还在跟你撒娇说喜欢喝奶茶，下午就突然变成了严肃的职场导师，给你讲起了PPT制作技巧。

这些令人哭笑不得的场景，本质上都是AI Agent的**人设崩塌（Out of Character, OOC）**问题。随着AI Agent从通用问答工具向垂直场景落地，我们越来越需要AI拥有稳定、统一、符合场景需求的“性格”：电商客服Agent需要热情耐心、同理心强，教育Agent需要循循善诱、逻辑清晰，游戏NPC需要符合角色设定，甚至个人专属AI助理，最好能像相处多年的老友一样懂你的说话习惯、知道你的喜好边界。

这就是**AI Agent Harness Engineering（性格锚定工程）**的核心价值：它不是简单的“写个角色扮演Prompt”，而是一套完整的工程体系，从角色定义、记忆锚定、生成校验到反馈迭代，全链路保证AI Agent的性格一致性，让AI真正成为“有血有肉”的交互对象。

读完这篇文章，你将：

• 理解AI“性格”的科学定义与底层构成
• 掌握性格锚定工程的完整架构与核心模块
• 学会从零搭建一个不会OOC的角色扮演AI Agent
• 了解不同场景下角色扮演技术的落地最佳实践
• 看清未来AI角色扮演技术的发展趋势

---

2. 概念地图：核心术语与知识框架

在深入技术细节之前，我们先梳理整个领域的核心概念与关联关系：

2.1 核心术语定义

术语	定义
AI Agent性格	稳定的行为模式、认知偏好、价值取向、表达风格的集合，是AI在交互中表现出的可预测的“人格特征”
OOC（人设崩塌）	AI的输出不符合预先设定的角色性格、身份背景、行为逻辑的现象
Harness Engineering（性格锚定工程）	全链路保证AI Agent性格一致性的工程体系，涵盖角色定义、记忆管理、生成控制、校验迭代四大核心模块
角色档案	存储AI角色所有属性的结构化文档，包括身份背景、性格参数、语言风格、禁忌规则等
性格锚定	通过Prompt注入、模型微调、上下文强化等技术，让大模型生成符合角色设定的输出的过程
一致性校验	在AI输出内容之前，对内容进行性格匹配度检测，过滤不符合人设的输出的环节

2.2 概念关联架构

---

3. 基础理解：AI性格的本质与常见误区

3.1 什么是真正的AI性格？

很多人对AI性格的理解停留在“说话可爱”“会撒娇”这种表层表达上，但从心理学和工程学的双重角度来看，AI性格是多维度、稳定、可预测的行为特征集合，我们可以用大众熟悉的「大五人格模型」来拆解AI性格的核心维度：

大五人格维度	维度说明	AI表现示例
开放性（O）	对新事物、新观念的接受程度	高分：喜欢尝试新鲜玩法，会主动给用户推荐小众内容；低分：保守严谨，只按照规则回答问题
责任心（C）	做事的靠谱程度、责任感	高分：会主动提醒用户待办事项，答应的事情一定会兑现；低分：随性散漫，经常忘事，说话不算数
外倾性（E）	外向/内向程度	高分：话多，主动开启话题，喜欢分享自己的看法；低分：话少，喜欢倾听，不会主动延伸话题
宜人性（A）	同理心、友好程度	高分：会共情用户的情绪，说话委婉，很少反驳用户；低分：理性直接，喜欢抬杠，很少考虑用户感受
神经质（N）	情绪稳定性	高分：情绪波动大，容易生气、emo；低分：情绪稳定，遇到任何情况都很冷静

比如我们要做一个“靠谱的职场助理”角色，就可以把参数设置为：O=0.4，C=0.9，E=0.5，A=0.7，N=0.2，这样生成的AI就会是一个严谨靠谱、做事稳妥、情绪稳定的助理形象。

3.2 常见误区澄清

误区1：角色扮演就是写好System Prompt就行

很多人以为只要在System Prompt里写清楚“你是XXX，你的性格是XXX”就能实现角色扮演，但实际上大模型的上下文窗口是有限的，长对话中System Prompt的权重会被后续的聊天内容稀释，一般超过10轮对话之后，AI就会慢慢忘记自己的人设，出现OOC。

误区2：性格越复杂越好

很多人给角色设定写了几千字的背景故事、性格特征，但大模型很难一次性记住这么多信息，反而会出现冲突，导致OOC。最佳实践是把核心性格特征控制在5条以内，背景故事控制在300字以内，非核心的信息可以放在向量记忆库中，需要的时候再检索调用。

误区3：OOC是完全可以避免的

目前的技术条件下，100%避免OOC是不可能的，我们能做的是把OOC的概率控制在可接受的范围内，比如客服场景要求OOC概率低于1%，游戏场景可以放宽到5%，不同场景设置不同的阈值即可。

---

4. 层层深入：性格锚定工程的核心技术原理

4.1 第一层：性格锚定的基础方法

（1）结构化System Prompt注入

最基础的性格锚定方法是写结构化的System Prompt，核心结构是：

【身份定义】你是XXX，你的身份是XXX，年龄XX，职业XX。
【核心性格】1. XX 2. XX 3. XX（最多5条）
【语言风格】1. XX 2. XX 3. XX（比如“说话喜欢带语气词‘呀’‘哦’，句子长度不超过20字，不会说书面语”）
【禁忌规则】1. 不能XX 2. 不能XX 3. 不能XX
【示例对话】
用户：XXX
你：XXX
用户：XXX
你：XXX

结构化的Prompt比大段的描述效果好30%以上，因为大模型对结构化的信息识别度更高。

（2）少样本（Few-Shot）强化

在Prompt中加入3-5组符合角色设定的示例对话，可以大幅提升性格一致性，比如我们要做一个毒舌的评论员角色，就可以在Prompt里加入：

示例1：
用户：我今天化了个美美的妆出门。
你：哦，你那腮红打的像猴屁股，美啥啊。

示例2：
用户：我最近减肥瘦了3斤。
你：3斤也好意思说？你吃一顿火锅就涨回来了。

少样本相当于给大模型“打样”，让它明确知道符合性格的输出应该是什么样的。

4.2 第二层：长对话性格保持技术

长对话OOC的核心原因是上下文窗口的限制，导致早期的人设信息被挤出窗口，我们可以用两种技术解决这个问题：

（1）滑动窗口性格强化

每5轮对话就自动在上下文的最前面插入一次核心人设提示，比如：

【重要提示】你是毒舌评论员小A，说话直接刻薄，喜欢怼人，不要客气。
用户：我最近买了个新包，好看吗？
你：丑死了，你眼光一如既往的差。

相当于每隔一段时间就给AI“提个醒”，防止它忘了自己是谁。

（2）分层记忆管理

把记忆分为三层：

1. 核心记忆层：存储角色的核心人设、身份背景，永久保留在上下文最前面，占窗口的10%左右
2. 短期记忆层：存储最近10轮的对话内容，占窗口的70%左右
3. 长期记忆层：存储更早的交互内容，用向量数据库存储，需要的时候根据用户提问检索相关内容插入上下文，占窗口的20%左右

分层记忆既保证了核心人设不会被挤出去，又能保留历史交互的信息，大幅提升长对话的性格一致性。

4.3 第三层：OOC一致性校验技术

AI生成回复之后，我们需要先过一遍校验层，过滤掉不符合人设的内容，核心的校验方法有两种：

（1）规则校验

针对明确的禁忌规则，比如角色不能说脏话、不能提到某类敏感内容，我们可以用关键词匹配、正则匹配的方式做第一层过滤，速度快，成本低。

（2）性格匹配度校验

我们可以用一个小的分类模型，或者直接调用大模型，对生成的回复做性格匹配度检测，核心的数学模型是：
首先定义角色的标准性格向量：
$$V_c=[o,c,e,a,n]$$
其中每个元素对应大五人格五个维度的得分，范围是0到1。

然后对AI生成的回复，用分类模型提取回复对应的性格向量：
$$V_r=[o_r,c_r,e_r,a_r,n_r]$$

然后计算两个向量的余弦相似度作为一致性得分：
$$S=\frac{V_c\cdot V_r}{||V_c||\cdot ||V_r||}$$

如果$S<\theta$（θ是预设的阈值，一般设置为0.7），就判定为OOC，丢弃当前回复，重新生成。

4.4 第四层：模型微调优化

对于要求极高的场景，比如品牌专属AI客服、IP专属角色，我们可以用LoRA微调的方式，把角色的数千条符合人设的对话数据喂给大模型做微调，微调之后的模型天生就会按照角色的性格输出，OOC概率可以降到1%以下。

如果有用户反馈数据，还可以用RLHF（人类反馈强化学习）对模型做进一步优化，把用户打高分的符合人设的回复作为正样本，打低分的OOC回复作为负样本，训练奖励模型，让模型慢慢学会更符合用户预期的性格表达。

---

5. 实践转化：从零搭建一个不会OOC的角色扮演Agent

我们以搭建一个“毒舌老友”角色的AI Agent为例，完整演示整个开发过程。

5.1 环境安装

首先安装需要的依赖：

pip install openai langchain faiss-cpu python-dotenv pydantic

5.2 核心算法流程图

5.3 核心实现代码

import os
import openai
from langchain.vectorstores import FAISS
from langchain.embeddings import OpenAIEmbeddings
from langchain.memory import ConversationBufferMemory
from pydantic import BaseModel
from dotenv import load_dotenv
import numpy as np

load_dotenv()
openai.api_key = os.getenv("OPENAI_API_KEY")

# 角色定义模型
class RoleProfile(BaseModel):
    name: str
    personality: list[float] # 大五人格得分 [O, C, E, A, N]
    language_style: str
    forbidden_rules: list[str]
    system_prompt: str

# 初始化角色档案：毒舌老友小贱
role = RoleProfile(
    name="小贱",
    personality=[0.8, 0.6, 0.9, 0.2, 0.3], # 高开放、高外倾、低宜人、情绪稳定
    language_style="说话直接，喜欢怼人，经常开玩笑，带网络梗，句子不超过30字",
    forbidden_rules=["不能说脏话，不能人身攻击，不能涉及敏感内容"],
    system_prompt="""
【身份】你是小贱，是用户认识10年的老友，说话毒舌但是心善。
【核心性格】1. 喜欢怼用户，开玩笑没分寸 2. 外向好动，经常吐槽 3. 内心关心用户，但是嘴硬
【语言风格】说话带梗，短句子，不用书面语，经常用“哈哈”“笑死”“你可拉倒吧”等表达
【禁忌】不能说脏话，不能真的骂用户，不能聊敏感内容
【示例】
用户：我今天升职了！
你：哟，你也能升职？你们老板是不是瞎了啊哈哈
用户：我最近失恋了好难过。
你：旧的不去新的不来，走啊晚上撸串去，我请。
"""
)

# 初始化记忆
core_memory = role.system_prompt
short_term_memory = ConversationBufferMemory(k=10)
embeddings = OpenAIEmbeddings()
long_term_memory = FAISS.from_texts(["你和用户认识10年，大学时候一起住过宿舍"], embeddings)

# 性格匹配度校验函数
def calculate_consistency(response: str, role_personality: list[float]) -> float:
    # 调用大模型提取回复的性格向量，这里简化实现，实际场景可以用专门的分类模型
    prompt = f"""
    请分析下面这句话的大五人格维度得分，每个维度给0-1之间的分数，返回JSON格式，key是o,c,e,a,n：
    回复内容：{response}
    """
    res = openai.ChatCompletion.create(
        model="gpt-3.5-turbo",
        messages=[{"role":"user", "content":prompt}],
        temperature=0
    )
    import json
    res_personality = json.loads(res.choices[0].message.content)
    res_vec = np.array([res_personality['o'], res_personality['c'], res_personality['e'], res_personality['a'], res_personality['n']])
    role_vec = np.array(role_personality)
    # 计算余弦相似度
    cos_sim = np.dot(res_vec, role_vec) / (np.linalg.norm(res_vec) * np.linalg.norm(role_vec))
    return float(cos_sim)

# 对话函数
def chat(query: str, threshold: float = 0.7, max_retry: int = 3) -> str:
    # 检索长期记忆
    related_memory = long_term_memory.similarity_search(query, k=2)
    related_memory_str = "\n".join([doc.page_content for doc in related_memory])
    # 拼接Prompt
    messages = [
        {"role": "system", "content": f"{core_memory}\n【相关记忆】{related_memory_str}"},
        {"role": "user", "content": query}
    ]
    # 加入短期记忆
    history = short_term_memory.load_memory_variables({}).get("history", "")
    if history:
        messages.insert(1, {"role": "system", "content": f"【历史对话】{history}"})
    
    # 生成+校验
    for _ in range(max_retry):
        res = openai.ChatCompletion.create(
            model="gpt-3.5-turbo",
            messages=messages,
            temperature=0.8
        )
        response = res.choices[0].message.content
        # 校验
        score = calculate_consistency(response, role.personality)
        if score >= threshold:
            # 更新记忆
            short_term_memory.save_context({"input": query}, {"output": response})
            long_term_memory.add_texts([f"用户说：{query}，你说：{response}"])
            return response
    # 重试多次都失败，返回兜底回复
    return "哈哈，你说啥我没听清，再说一遍？"

# 测试
if __name__ == "__main__":
    print(chat("我今天考试考了满分！"))
    # 预期输出：哟，你也能考满分？是不是抄的啊哈哈

---

6. 场景落地与最佳实践

6.1 不同场景的性格配置方案

场景	角色	大五人格配置（O,C,E,A,N）	核心要求	OOC阈值
电商客服	热情导购	[0.7, 0.9, 0.8, 0.9, 0.2]	耐心、共情、主动推荐	0.8
教育AI导师	循循善诱的老师	[0.6, 0.9, 0.5, 0.8, 0.1]	严谨、有耐心、逻辑清晰	0.75
游戏反派NPC	狡猾的魔王	[0.9, 0.3, 0.6, 0.1, 0.8]	多疑、凶狠、喜欢耍阴谋	0.6
心理咨询师	共情的倾听者	[0.7, 0.8, 0.3, 0.9, 0.2]	共情、情绪稳定、不会评判用户	0.85
个人AI助理	靠谱的老友	[0.5, 0.9, 0.6, 0.7, 0.2]	靠谱、懂用户、效率高	0.7

6.2 最佳实践Tips

1. Prompt要具体，不要模糊：不要写“你是一个开朗的人”，要写“你说话经常带‘哈哈’，会主动问用户的近况，回答不超过3句话”，越具体的规则，大模型执行的越好。
2. 记忆分层要合理：核心人设永远放在上下文最前面，不要和其他内容混在一起，短期记忆不要超过10轮，否则会稀释人设权重。
3. 校验阈值要适配场景：严肃场景比如心理咨询、客服阈值要高，娱乐场景比如游戏、闲聊阈值可以低一点，平衡体验和成本。
4. 用户反馈要闭环：每次用户反馈OOC，都要把样本加入校验模型的训练集，同时优化角色Prompt，慢慢降低OOC概率。
5. 不要追求100%一致性：真实的人也会有情绪波动，偶尔的小OOC反而会让角色更真实，只要在可接受范围内就可以。

---

7. 行业发展与未来趋势

7.1 角色扮演技术发展历程

时间	阶段	核心技术	特点	OOC概率
2020年之前	规则驱动阶段	关键词匹配、有限状态机	人设固定，僵硬，只能应对预设问题	低（但只能覆盖少量场景）
2020-2022年	Prompt驱动阶段	System Prompt、少样本提示	灵活，可以应对开放场景，但长对话容易OOC	15%-30%
2022-2023年	工程驱动阶段	分层记忆、一致性校验、LoRA微调	全链路管控性格一致性，长对话表现好	3%-10%
2023年之后	多模态驱动阶段	语音/表情/动作性格匹配、多模态校验	性格从文本延伸到语音、虚拟人形象，更真实	1%-5%

7.2 未来趋势

1. 性格动态演化：未来的AI Agent的性格不会是固定的，会随着和用户的交互慢慢演化，就像真实的人一样，相处久了性格会越来越贴合用户的喜好。
2. 多模态性格统一：性格不仅体现在文本上，还会体现在语音语调、虚拟人的表情动作、甚至AI生成的内容风格上，全链路保持一致。
3. 性格标准化：未来会出现行业通用的AI性格标准，比如品牌可以直接选择符合自己品牌调性的性格模板，不需要从零开发。
4. 伦理监管完善：针对AI性格的伦理监管会越来越完善，禁止开发有暴力、反社会等不良性格的AI Agent，保护用户权益。

---

8. 本章小结

AI Agent的角色扮演技术，本质上是让AI从“千人一面的工具”变成“千人千面的伙伴”的核心技术。Harness Engineering（性格锚定工程）不是一个单点技术，而是一套涵盖角色定义、记忆管理、生成控制、校验迭代的完整工程体系，它解决的核心问题就是如何在开放场景下保持AI性格的一致性，降低OOC概率。

未来，每一个人都会拥有专属的AI Agent，它的性格完全贴合你的喜好，懂你的每一个梗，知道你的所有习惯，就像一个永远不会离开的老友。而这一切的基础，就是我们今天讲的角色扮演技术与性格锚定工程。

如果你想进一步学习，可以关注LangChain的Agent模块、OpenAI的Function Calling，以及最近爆火的Character.AI、Glow等角色扮演产品的实现逻辑，动手做一个属于你自己的AI角色吧。