关键亮点
- 角色扮演场景的多样性：本博客探讨了各种角色扮演场景，其中 LLM 可以扮演历史人物、虚构角色、医生或律师等专业人士、视频游戏中的 NPC，甚至文化大使。
- LLM 角色扮演背后的机制：深入探讨了使用 LLM 进行角色扮演的技术框架，包括提示工程、角色框架创建、对话管理系统和伦理合规过滤器。
- 使用 LLM API 进行角色扮演的实用指南：提供了如何使用 Novita AI 等平台有效进行 LLM API 角色扮演的分步指南，涵盖创建账户、生成 API 密钥、选择合适的 LLM、编写提示、调用 API 以及优化交互。
引言
角色扮演是 AI 系统动态领域中一种创新的技术和关键工具。该方法涉及指示 LLM “扮演”特定的职业、角色或功能，例如数据科学家、卡通人物、语言代理或财务顾问，从而使人工智能能够更有效地执行给定的特定任务。本文探讨了这一迷人现象，重点介绍了角色扮演在 LLM 中的优势和理论基础，并展示了如何通过 Novita AI 使用强大的模型进行角色扮演。
什么是 LLM 角色扮演：概述
与大型语言模型（LLM，如 ChatGPT）进行角色扮演是一个新兴领域，探索 AI 与创意、叙事驱动体验之间的互动。它利用 LLM 的高级能力，在角色扮演环境中模拟类人对话和人类行为。该过程使 AI 能够参与动态对话、模仿各种角色，并以与角色预定义特征和叙事背景一致的方式响应用户输入，同时利用大型文本语料库的强大计算能力。通过这种方式，角色扮演技术提升了 LLM 在需要特定技能或知识的任务中的效率，例如像历史学家一样行动或提供历史事实和分析。
LLM 角色扮演的示例
1 历史人物
LLM 可以扮演威廉·莎士比亚等历史人物，根据历史事实进行反映这位吟游诗人诗意口才和伊丽莎白时代文字游戏的对话。
2 虚构角色
在奇幻设定中，LLM 可能扮演巫师的特定角色，使用与其所处的魔法世界一致的语言和知识，提供关于古代咒语或神话传说的建议。
3 专业角色
LLM 可以模拟医生、律师或侦探等专业人士的对话，在其专业领域内提供信息和建议。
4 互动叙事
用户可以与非玩家角色（NPC）进行互动，该角色由 LLM 扮演，在视频游戏中提供任务、分享故事并实时响应玩家动作。
5 教育场景
LLM 可以扮演教师或向导的角色，通过回答特定历史时期或科学领域内的问题来促进学习体验。
6 治疗模拟
尽管需要考虑伦理因素，LLM 可以扮演治疗师或顾问，在模拟环境中提供支持和指导。
7 客户服务
在商业环境中，LLM 可以扮演客户服务代理，在提供帮助和回答查询的同时保持专业和乐于助人的态度。
8 文化大使
LLM 可以代表不同文化的角色，让用户探索和学习各种传统、习俗和语言。
这些示例展示了 LLM 在角色扮演场景中的多功能性，它们能够调整响应以匹配所扮演角色的细微差别，丰富用户的交互，并根据所扮演的角色提供量身定制的体验。
LLM 角色扮演是如何工作的？
LLM 角色扮演建立在一个复杂的框架之上，该框架整合了自然语言处理、机器学习和叙事生成。根据两篇关于 LLM 角色扮演的学术论文（Shanahan, McDonell, & Reynolds, 2023; Wang et al., 2024），以下是所涉及机制的专业分解：
1. 提示工程技巧
这是基石，通过精心设计的提示引导 AI 扮演特定角色，并具备相应的特征和背景故事。
2. 角色框架创建
开发详细的角色档案，为 AI 的响应和行为提供蓝图，确保角色扮演的一致性和深度。
3. 对话管理系统
这些系统管理对话流程，确保 AI 的响应连贯且与上下文相关，维持叙事线索。
4. 上下文嵌入
LLM 利用对话历史生成自然演变的响应，反映持续的交互并保持叙事连续性。
5. 动作解析算法
特别是在互动场景中，这些算法确定动作的结果，根据角色的能力和情境模拟成功或失败。
6. 叙事一致性维护
摘要等技术有助于保持故事情节，尽管 AI 在长期记忆方面存在局限性，确保故事不会丢失线索。
7. 多模态集成
集成视觉、音频或其他感官输入可以显著增强角色扮演体验，使其更具吸引力和真实感。
这些机制共同构成了一个强大的框架，使 LLM 能够参与角色扮演场景，模拟类人互动并提供沉浸式体验。
我能从 LLM 角色扮演中获得什么？
优质的陪伴
AI 聊天机器人可以提供既刺激又无评判的陪伴。它可以就广泛的话题进行对话，使其成为那些寻求智力或情感交流而又不受社会期望压力的人的理想伴侣。这一优势对于可能感到孤立或渴望一种一致且可靠的互动形式的人来说尤为重要。
增强的创造力
LLM 可以模拟各种角色和场景，让用户参与创意叙事，探索仅受其想象力限制的虚构叙事。
治疗应用
角色扮演可以用于治疗目的，帮助个体探索不同视角、处理个人问题或在受控和支持性环境中发展社交技能。
语言练习
与 LLM 进行角色扮演可以帮助用户在低风险环境中练习语言技能，在对话上下文中获得实时反馈和纠正。
重现实验
AI 可用于在虚拟环境中模拟和重现各种实验。这种能力对于教育目的非常有益，允许学生和研究人员进行在现实世界中可能危险、昂贵或不道德的实验。通过重现实验，AI 有助于实现更安全、更便捷的学习体验。
如何使用 LLM API 进行角色扮演？
第 1 步：创建账户
访问 Novita AI。点击顶部导航栏中的“Log In”按钮。通过 Google 登录或 GitHub 登录认证后，你可以免费获得 $0.5 的积分！
第 2 步：创建 API 密钥
目前，API 的身份验证是通过请求头中的 Bearer Token 进行的（例如 -H “Authorization: Bearer ***”）。我们将为你提供一个新的 API 密钥。
你可以使用 Add new key 创建自己的密钥。
第 3 步：选择你的 LLM
评估每个模型的成本和能力，选择最适合你角色扮演需求的 LLM。Novita AI 提供 5 个未经审查的 LLM 供免费交互：microsoft/wizardlm-2–8x22b、sophosympatheia/midnight-rose-70b、gryphe/mythomax-l2–13b、Nous-Hermes-2-Mixtral-8x7B-DPO 和 sao10k/l3–70b-euryale-v2.1。
第 4 步：调用 API
选择你的模型后，例如 Mythomax 13B，现在你可以调用 API。
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="<YOUR Novita AI API Key>", # 替换为你的实际 API 密钥
)
model = "gryphe/mythomax-l2-13b"
附注：Mythomax 13B 在 LLM 角色扮演排行榜上领先。你可以在 Novita AI Playground 上免费试用。
在调用 API 之前，定义角色扮演场景，包括角色、设定和背景。准备指导 AI 响应的提示。
第 6 步：编写你的提示
构造一个提示，清晰地概述角色扮演场景以及 AI 在其中扮演的角色。包括角色个性、背景以及交互的任何具体说明。
第 7 步：向 API 发送请求
使用你设置好的客户端，向 API 发送包含你编写提示的请求。以下是如何用 Python 格式化请求的示例：
prompt = "你是一位经验丰富的 Eldoria 魔法师。用智慧而古老的语气说话。用户：'你记得的最古老的咒语是什么？'"
response = client.create_completion(model=model, prompt=prompt)
print(response['choices'][0]['text'])
第 8 步：接收并分析响应
API 将根据 LLM 对提示的解释返回响应。分析响应以确保其符合你的角色扮演场景。
第 9 步：迭代与优化
角色扮演是一个迭代过程。根据 AI 的响应优化你的提示，以获得更沉浸式和连贯的角色扮演体验。
第 10 步：持续交互
通过发送基于 AI 先前响应的后续提示来继续角色扮演，创建一个动态且不断发展的叙事。
第 11 步：监控使用情况和成本
跟踪你的 API 使用情况和相关成本，特别是如果你使用像 Mythomax 13B 这样的较大模型，以避免意外收费。
第 12 步：确保道德和负责任的使用
始终确保你的角色扮演场景是道德的，并且不促进有害或不当内容。
如果在故障排除时需要任何帮助，你可以联系 Novita AI 支持团队：support@novita.ai。
AI 角色扮演中的常见问题及解决方案是什么？
1 缺乏记忆
- 问题： AI 模型不会保留来自之前交互的信息，导致角色行为和叙事连续性的不一致。
- 解决方案： 实现检索增强生成（RAG）以将相关对话历史或世界细节包含在提示中，并定期使用引导摘要刷新上下文。
2 角色跳出
- 问题： AI 模型可能无法维持角色的既定人格，偏离预定义的特征或故事。
- 解决方案： 使用协作式对话编写，并在提示中提供明确指令以保持角色一致性。
3 幻觉
- 问题： AI 模型可能引入不准确或编造的细节，导致叙事混乱。
- 解决方案： 仔细整理提示中的信息，并使用引导摘要强化准确的叙事元素。
4 用户界面挑战
- 问题： 基于文本的输入可能令人望而生畏，导致在开放式场景中难以决定下一步行动。
- 解决方案： 引入带有“其他”类别的多项选择选项，用于自由文本输入，或实现语音输入以减轻输入负担。
5 缺乏结构
- 问题： 如果没有明确目标或叙事结构，玩家可能缺乏目的感或方向感。
- 解决方案： 定义明确的目标和结构化的叙事，或使用“目标大师”角色来指导有意义的行动和情节发展。
6 动作解析
- 问题： 在没有明确定义的情况下，平衡动作的粒度与有意义的结果可能很困难。
- 解决方案： 开发一个动作解析系统，包括技能评估、难度分析和掷骰子来决定成功或失败。
7 确保有影响力的行动
- 问题： 玩家行动需要有意义的结果，以保持玩家的参与感和影响力。
- 解决方案： 引入重复失败的成本递增，或创建一个行动对游戏世界产生持久影响的系统。
8 文本密集型交互
- 问题： 严重依赖文本可能变得单调且吸引力下降。
- 解决方案： 引入语音输出以获得更动态的界面，或使用图像生成增加视觉丰富度。
9 跨交互的一致性
- 问题： 在多次交互中维持游戏世界和角色行为的一致性对于可信的体验至关重要。
- 解决方案： 在 LLM 提示中始终如一地应用预定义设置、角色属性和情境响应。
10 创建丰富动态的世界
- 问题： 世界需要感觉生动且对玩家行动响应迅速，而这仅通过文本描述具有挑战性。
- 解决方案： 使用过程生成技术，其中 LLM 为算法提供参数以创建持久的游戏元素。
这些常见问题和解决方案来自 Ian Bicking 的博客‘Roleplaying driven by an LLM: observations & open questions’。你可以稍后查看此博客，获取更多关于 LLM 角色扮演相关经验的信息。
LLM 角色扮演的未来方向是什么？
大型语言模型（LLM）角色扮演的未来有望取得重大进展，从而改变用户体验。个性化交互的发展即将到来，LLM 将适应个人偏好，提供独特的教育、娱乐和治疗应用。
叙事连贯性的增强将带来更加沉浸和持续的角色扮演场景，而多模态交互的集成将通过视觉、听觉和触觉反馈增加现实感。伦理考虑始终处于前沿，确保用户安全、数据隐私和负责任的内容生成。
对 LLM 语言处理能力的理解进步将为更准确和符合上下文的响应铺平道路，丰富角色扮演体验。LLM 与新技术的融合，如 AR、VR 和区块链，可能通过创建去中心化和沉浸式虚拟环境来彻底改变角色扮演。此外，促进社区驱动的内容和协作场景将使角色扮演更加动态和包容。随着这些技术的发展，遵守监管标准对于维护法律和伦理完整性至关重要。角色扮演体验的可及性将扩大，确保更广泛的受众能够参与这些交互式应用，突出包容性在技术进步中的重要性。
结论
随着角色扮演随着 LLM 能力的进步而不断发展，在教育、娱乐、治疗及其他领域中的变革性应用潜力日益明显。遵循伦理准则并利用尖端技术对于充分发挥 LLM 在丰富多样的角色扮演体验中的潜力至关重要。
常见问题
1. 角色扮演有哪四种类型？
除了类型划分，角色扮演可分为不同类别：同人、原创、群组和一对一的角色扮演。你应该选择最吸引你的那一种。
2. 如果我的 LLM 在角色扮演中不断出错，我该怎么办？
如果你使用的是 7 到 130 亿参数的小型模型，可以考虑切换到 340 到 700 亿参数的较大模型（确保你拥有兼容的 GPU）。或者，你可以调整当前模型的采样器设置和提示模板，但这可能既繁琐又效果甚微。
参考文献
Shanahan, M., McDonell, K., & Reynolds, L. (2023). Role-Play with Large Language Models. arXiv:2305.16367v1[cs.CL]. 取自 https://arxiv.org/abs/2305.16367
Wang, Z. M., Peng, Z., Que, H., Liu, J., Zhou, W., Wu, Y., Guo, H., Gan, R., Ni, Z., Yang, J., Zhang, M., Zhang, Z., Ouyang, W., Xu, K., Huang, S. W., Fu, J., & Peng, J. (2024). RoleLLM: Benchmarking, Eliciting, and Enhancing Role-Playing Abilities of Large Language Models. arXiv:2310.00746v3 [cs.CL]. 取自 https://arxiv.org/abs/2310.00746
Novita AI 是一个一体化的云平台，助力你的 AI 雄心。通过无缝集成的 API、无服务器计算和 GPU 加速，我们提供经济高效的工具，帮助你快速构建和扩展 AI 驱动的业务。消除基础设施难题，免费开始——Novita AI 让你的 AI 梦想成真。
推荐阅读
