用 TiMem 给游戏 NPC 加上长期记忆：让 NPC 记住玩家的每个选择
玩过《上古卷轴》或《巫师》的玩家都有这种体验：NPC 有固定台词，你做了什么它全不记得。你上次帮了村民，第二天他还是那句「又见面了，旅行者」。
AI NPC 改变了这件事的可能性——但大多数实现还是有同一个缺陷：会话内有记忆，跨会话清零。玩家今天救了 NPC 的儿子，明天 NPC 全忘了。
本文用 TiMem 搭一个真正有长期记忆的 AI NPC，让它记住玩家每一个关键选择，并在未来的互动中体现出来。
设计目标
- 记住关键事件：玩家帮了/伤害了 NPC、完成了某个任务
-
- 关系随时间演变：正面互动积累信任，负面事件导致关系恶化
-
- 对话自然融入记忆：NPC 提及历史时自然，不要像在背日志
-
- 跨会话持久化：游戏重启后记忆不丢失
TiMem 五层时序记忆树（L1 原始片段 → L2 互动摘要 → L3 阶段总结 → L4 关系模式 → L5 玩家画像）天然支持这些需求。
动手实现
1. 安装依赖
pip install timem-client openai
API Key：console.timem.cloud
2. NPC 类（含对话 + 记忆）
import os, uuid
from timem_client import TiMemClient
from openai import OpenAI
timem = TiMemClient(api_key=os.environ["TIMEM_API_KEY"])
llm = OpenAI()
class NPC:
def __init__(self, npc_id, name, role, personality):
self.npc_id = npc_id
self.name = name
self.role = role
self.personality = personality
def memory_key(self, player_id):
return f"{self.npc_id}_{player_id}"
def talk(self, player_id, player_input, session_id):
memories = timem.search(
query=player_input,
user_id=self.memory_key(player_id),
session_id=session_id,
top_k=5
)
memory_ctx = ""
if memories:
lines = [f"- {m['content']}" for m in memories]
memory_ctx = "你对这位玩家的记忆：\n" + "\n".join(lines)
system_prompt = (
f"你是NPC {self.name}，{self.role}，性格：{self.personality}\n"
"根据历史关系调整语气，自然提及过去事件。\n\n" + memory_ctx
)
messages = [
{"role": "system", "content": system_prompt},
{"role": "user", "content": player_input}
]
reply = llm.chat.completions.create(model="gpt-4o", messages=messages)
reply = reply.choices[0].message.content
timem.add(
messages=[
{"role": "user", "content": f"[玩家] {player_input}"},
{"role": "assistant", "content": f"[{self.name}] {reply}"}
],
user_id=self.memory_key(player_id),
session_id=session_id
)
return reply
```
### 3. 关键事件写入
```python
def record_event(npc, player_id, event, event_type):
tags = {"positive": "[正面]", "negative": "[负面]", "neutral": "[中性]"}
tag = tags.get(event_type, "[事件]")
timem.add(
messages=[{"role": "system", "content": f"{tag} {event}"}],
user_id=npc.memory_key(player_id)
)
innkeeper = NPC("npc_inn_01", "老托马斯", "酒馆老板", "沧桑、话不多，对帮过他的人讲义气")
record_event(innkeeper, "player_001", "玩家击退歹徒，救了老托马斯的女儿", "positive")
record_event(innkeeper, "player_002", "玩家趁夜偷走了酒馆备用钱箱", "negative")
```
### 4. 运行效果
```python
session = str(uuid.uuid4())
r = innkeeper.talk("player_001", "老板，给我来杯酒。", session)
print(f"老托马斯（对恩人）：{r}")
# 预期：温热语气，提到救女儿的事
r = innkeeper.talk("player_002", "老板，给我来杯酒。", session)
print(f"老托马斯（对小偷）：{r}")
# 预期：戒备冷淡，暗示钱箱的事
```
---
## 效果对比
| 场景 | 传统 NPC | TiMem NPC |
|------|---------|------------|
| 玩家第二次对话 | 重复初始台词 | 自然延续上次互动 |
| 玩家完成过任务 | 不知道 | 表达感激，增加信任 |
| 玩家曾经攻击 | 不记得 | 保持警惕，态度冷淡 |
| 关系演变 | 静态 | 随互动动态变化 |
| 跨会话记忆 | 清零 | 永久保留关键事件 |
---
## 小结
真正有记忆的 NPC = 记住关键事件 + 关系随时间演变 + 自然融入历史。
TiMem 让这件事核心代码不超过 80 行，且随玩家历史积累 token 消耗不增长（-52%）。
GitHub：https://github.com/TiMEM-AI/timem
---
如果你对 AI 记忆技术感兴趣，欢迎访问 TiMem 的 GitHub 仓库：
https://github.com/TiMEM-AI/timem
给我们一个 Star，你的支持是我们持续开源的最大动力！
在线体验：https://playground.timem.cloud
技术文档：https://docs.timem.cloud
