Przetłumaczono z angielskiego
Twoja najlepsza przyjaciółka gotka-punkówka od czasów liceum właśnie uratowała cię przed wampirem. Problem? Musiała stać się wilkołakiem, żeby to zrobić.
Fête de la Musique, za dużo piwa, za dużo burgerów, wszędzie głośna muzyka — i jeden drapieżnik, który wybrał niewłaściwego pijanego człowieka do ugryzienia. Nadia latami ukrywała przed {{user}}, kim naprawdę jest. Dziś tej nocy ten sekret zamienił się w popiół na chodniku.
RP z ujawnieniem nadprzyrodzonego sekretu wśród dawnych przyjaciół.
Chłopczyca, gotka-punkówka i likantropka interesująca się grami, komiksami, informatyką, wędrówkami i biwakowaniem.
Najpierw przyjaźń; romans jest opcjonalny i nigdy nie zakładany.
Miejskie nadprzyrodzone wątki mystery z wampirami, tajemnicą, zagrożeniami i konsekwencjami ujawnienia się Nadii.
Zaprojektowana jako postać testowa do długiego czatu na żywo dla Janitor Memory Optimizer v1.0.0.
Po prostu odpowiadaj naturalnie. Wypytuj Nadię, odrzuć ją, zaakceptuj ją, zbadaj sprawę wampira, znajdź prywatne miejsce albo spróbuj powstrzymać noc przed staniem się jeszcze dziwniejszą. Nie ma żadnych poleceń pamięci ani menu konfiguracji.
Alkohol, palenie, atak wampira, nadprzyrodzona przemoc, krew/kły, wulgarny język, rubaszny humor, lęk przed odrzuceniem. {{user}} uczucia i wybory nigdy nie są z góry ustalone.
Wydanie testowe: 2026-08-18
Długoterminowa pamięć do roleplay dla JanitorAI — w pełni pasywna, plug-and-play i niewidoczna dla użytkownika.
Janitor Memory Optimizer to zaawansowany silnik pamięci ES5 zaprojektowany dla JanitorAI Scripts Beta. Jego cel jest prosty: pomóc postaci zachować ważne informacje, relacje, wydarzenia, obietnice, miejsca, przedmioty, zadania, konflikty i długotrwałe wątki fabularne bez polegania na stale rosnącej surowej historii czatu.
Nie ma żadnych poleceń do nauczenia się, przycisków do wciśnięcia, menu pamięci do zarządzania ani konfiguracji do pilnowania. Zainstaluj skrypt, przypisz go do swojej postaci i rozmawiaj normalnie.
Silnik po cichu czyta rozmowę, decyduje, co jest ważne, organizuje to w kilka warstw pamięci i zapisuje tylko użyteczny wynik do środowiska uruchomieniowego postaci Scenariusz, aby LLM mógł go ponownie odczytać w przyszłych turach.
Nigdy nie wstrzykuje fałszywych wiadomości do rozmowy.
Wyobraź sobie długi roleplay, w którym setki wiadomości temu:
Nadia powiedziała ci, że jest twoją siostrą.
Odkryłeś mosiężny klucz w opuszczonym archiwum.
Samira zdradziła Nadię.
Nadia przestała ufać Samirze z powodu tej zdrady.
Obiecałeś komuś spotkać się później na Dworcu Centralnym.
Tajemnica powoli rozwijała się przez kilka różnych scen.
Zwykle stare informacje w końcu stają się trudne do utrzymania dla modelu językowego w miarę rozwoju rozmowy.
Janitor Memory Optimizer nieustannie zamienia ważne części rozmowy w zwarty, uporządkowany system pamięci.
Później, jeśli rozmowa znów stanie się istotna dla Nadii, silnik może przywołać to, co ważne o Nadii, bez wrzucania setek starych wiadomości z powrotem do kontekstu.
Jeśli zadasz ogólne pytanie, takie jak:
Jak zmieniła się moja relacja z Nadią?
może przywołać zwarty długoterminowy łuk relacji.
Jeśli zapytasz:
Kiedy dokładnie Nadia przestała ufać Samirze?
może automatycznie zejść od długoterminowego łuku fabularnego do odpowiedniego epizodu, a w razie potrzeby do oryginalnego atomowego dowodu.
Nie mówisz silnikowi pamięci, jak ma to robić. Po prostu prowadzisz roleplay.
Cały system został zaprojektowany tak, aby wymagać jak najmniejszej interakcji użytkownika.
Otwórz Scripts Beta na JanitorAI.
Utwórz skrypt Advanced.
Wklej kompletny skrypt Janitor Memory Optimizer v1.0.0.
Zapisz go.
Przypisz go do swojej postaci.
To wszystko.
Nie ma kreatora konfiguracji. Nie ma wymaganych poleceń. Nie ma interfejsu debugowania dla gracza. Nie ma ręcznych budżetów tokenów do utrzymywania.
Docelowe doświadczenie to: zainstaluj raz, a potem zapomnij, że silnik pamięci istnieje.
Optymalizator obserwuje zwykłą rozmowę i automatycznie ocenia informacje.
Wyraźne prośby w języku naturalnym mogą również wzmacniać lub usuwać wspomnienia:
Zapamiętaj, że Nadia jest moją siostrą.
Nie zapomnij, że klucz do archiwum należy do Samiry.
Zapomnij wszystko o Nadii.
Zapomnij, co powiedziałem o mosiężnym kluczu.
To są zwykłe zdania, a nie polecenia.
Skrypt nie odpowiada wiadomościami typu "Pamięć zapisana" lub "Pamięć usunięta". Postać po prostu kontynuuje roleplay.
Zwykłe zmiany narracyjne są traktowane inaczej niż zapominanie. Na przykład:
Nie ufam już Nadii.
nie wymazuje przeszłości. Optymalizator może zachować poprzedni stan relacji jako historię i śledzić nowszy stan jako zmianę.
To jedna z najważniejszych zasad projektowych całego projektu.
Sama rozmowa jest tylko do odczytu.
Skrypt może czytać dostępne powierzchnie rozmowy, takie jak:
context.chat.last_message
context.chat.last_messages
context.chat.message_count
On nie dodaje syntetycznych wiadomości użytkownika, wiadomości asystenta ani wiadomości systemowych.
Nie używa:
script_output do pamięci;
example_dialogs do pamięci;
fałszywych wpisów rozmowy;
ukrytych pseudo-poleceń czatu.
Jedyną aktywną powierzchnią pamięci widoczną dla LLM jest:
context.character.scenario
Prywatny skarbiec środowiska uruchomieniowego pod context.chat.jai_memory_optimizer_v10 to stan techniczny, a nie wiadomość rozmowy.
Wewnętrznie Janitor Memory Optimizer używa kilku stopniowo coraz bardziej abstrakcyjnych warstw:
Odczyt czatu tylko do odczytu → Fakty atomowe → Zahasowane odłamki → Dossiers semantyczne → Graf czasowy → Inteligencja bytów → Pamięć epizodyczna → Wątki narracyjne → Przywoływanie hierarchiczne → Scenariusz
Ważne informacje są najpierw zachowywane jako możliwe do prześledzenia fakty atomowe. Fakt może nieść informacje takie jak jego typ, źródło, ważność, tura, trafienia w istotność, powiązane byty i identyfikator dowodu.
Te atomowe wspomnienia pozostają najbliższą rzeczą do źródła prawdy wewnątrz silnika. Podsumowania wyższego poziomu nie zastępują ich po cichu.
Fakty są organizowane w odłamki zorientowane tematycznie, przechowywane w prywatnym stanie środowiska uruchomieniowego.
Odłamki używają skrótów treści, aby niezmieniona pamięć mogła być ponownie użyta zamiast ciągle przepisywana.
Skróty są adresami i sumami kontrolnymi integralności, a nie szyfrowaniem.
Powiązane wspomnienia są grupowane w pochodne profile semantyczne.
Dossier może rozróżniać:
informacje stabilne;
informacje bieżące;
informacje historyczne.
To pozwala modelowi otrzymać użyteczny przegląd osoby lub tematu bez otrzymywania wszystkich pojedynczych wspomnień naraz.
Optymalizator może budować relacje między ludźmi, miejscami, przedmiotami, zadaniami i wydarzeniami.
Krawędzie czasowe celowo rozróżniają:
przyczyny — tylko gdy źródło wyraźnie potwierdza przyczynowość;
poprzedza — kolejność chronologiczna bez twierdzenia o przyczynowości;
zastępuje — nowszy stan zastępujący lub przeczący starszemu.
Innymi słowy, silnik nie zakłada, że skoro wydarzenie B nastąpiło po wydarzeniu A, to wydarzenie A spowodowało wydarzenie B.
Silnik wykonuje konserwatywne rozstrzyganie bytów dla:
wyraźnych aliasów;
przezwisk;
niektórych relacji pełne imię / nazwisko rodowe;
jednoznacznych zaimków w krótkim oknie;
niektórych jednoznacznych odniesień relacyjnych, takich jak "moja siostra."
Gdy odniesienie jest niejednoznaczne, optymalizator woli nie łączyć tożsamości niż pewnie wymyślać niewłaściwe połączenie.
Wspomnienia są dynamicznie traktowane jako gorące, ciepłe lub zimne.
Na temperaturę wpływa więcej niż wiek. Silnik uwzględnia zaobserwowaną użyteczność, ważność, świeżość, stabilność i powtarzającą się istotność.
Stare wspomnienie, które wielokrotnie staje się użyteczne, może pozostać ważne. Zimne wspomnienie nie jest automatycznie uważane za fałszywe i nie jest wymazywane tylko dlatego, że jest zimne; jest przede wszystkim depriorytetyzowane.
Starsze skupiska powiązanych wydarzeń mogą stać się zwartymi wspomnieniami epizodycznymi.
Zamiast trwale przenosić dziesięć szczegółowych wydarzeń w aktywnej pamięci, optymalizator może zachować ekstrakcyjny epizod zawierający kluczowe punkty tego, co się wydarzyło.
Leżący u podstaw dowód atomowy może pozostać przypisany do tego epizodu, umożliwiając późniejsze zejście w głąb, gdy wymagane są dokładne szczegóły.
Wiele epizodów może samo w sobie stać się długotrwałymi łukami narracyjnymi.
Obsługiwane rodziny wątków obejmują:
entity:*
relationship:*
quest:*
location:*
mystery:*
conflict:*
topic:*
Pojedynczy epizod może uczestniczyć w kilku wątkach narracyjnych bez duplikowania swojego oryginalnego dowodu.
Oznacza to, że scena obejmująca Nadię, tajemnicę archiwum i zadanie Srebrnej Nici może przyczynić się do wszystkich trzech łuków fabularnych, pozostając jednym podstawowym kawałkiem historii.
Optymalizator stara się zaspokoić potrzeby pamięci przy użyciu najtańszej użytecznej warstwy.
Ogólne pytanie może wymagać jedynie Wątku narracyjnego.
Bardziej precyzyjne pytanie może automatycznie zejść przez:
Wątek → Epizod → Dowód atomowy
Pomaga to zachować szczegóły bez wciskania każdego szczegółu do każdego promptu.
Scenariusz zawiera również ograniczony punkt kontrolny odzyskiwania.
Warstwa odzyskiwania używa:
kompaktowa serializacja → LZW12 → Base64 → suma kontrolna
Jeśli prywatny stan środowiska uruchomieniowego zniknie, podczas gdy poprzedni punkt kontrolny Scenariusza pozostaje dostępny, optymalizator może odbudować pamięć z tego punktu kontrolnego.
Koncepcyjnie:
Scenariusz → JMO10 Escrow → Fakty atomowe / Zarchiwizowane epizody → Dossiers semantyczne → Graf czasowy → Wątki narracyjne
Uszkodzone dane escrow są odrzucane, a nie konwertowane na sfabrykowaną pamięć.
JMO10 może również odczytywać starsze formaty escrow JMO3–JMO9 w celu migracji i odzyskiwania.
Celem nie jest zrzucanie całego skarbca pamięci do każdej generacji.
Przechowywanie i przywoływanie są celowo rozdzielone.
Silnik automatycznie dostosowuje budżety przywoływania i odzyskiwania na podstawie dostępnego miejsca i rodzaju aktualnie wymaganych informacji.
Proste kontynuowanie wymaga mniej pamięci niż szczegółowe pytanie o przyczynowość, chronologię lub relację obejmującą setki wiadomości.
W razie potrzeby optymalizator redukuje szczegółowość, zanim przepełni wewnętrzną kopertę roboczą.
Są to heurystyki projektu, a nie twierdzone oficjalne limity JanitorAI.
Szacowany łączny miękki limit Osobowość + Scenariusz: 4,000 tokenów
Maksymalna liczba odłamków tematycznych: 512
Graf czasowy: 384 węzły / 768 krawędzi
Archiwa epizodyczne: 160
Wątki narracyjne: 192
Budżety przywoływania i escrow: automatycznie adaptacyjne
Istnieją, aby utrzymać system pamięci ograniczony i przewidywalny, zamiast pozwalać na niekontrolowany wzrost.
Silnik zawiera kilka konserwatywnych zabezpieczeń opracowanych w trakcie projektu:
konsolidacja dokładnych duplikatów;
synteza bliskich duplikatów, gdy to właściwe;
zastępowanie bieżącego stanu bez ślepego niszczenia użytecznej historii;
filtrowanie pytań, aby pytania nie stawały się automatycznie ustalonymi faktami;
konserwatywne wykrywanie przyczynowości;
rozstrzyganie bytów uwzględniające niejednoznaczność;
ukierunkowane zapominanie w języku naturalnym;
odrzucanie uszkodzonych punktów kontrolnych odzyskiwania;
przywoływanie historyczne uwzględniające istotność;
izolacja wypełniaczy, aby ogólne "Okay." nie wciągało niepowiązanych archiwów do kontekstu;
zachowanie dowodu atomowego za podsumowaniami wyższego poziomu;
ograniczona pamięć i przycinanie grafu;
automatyczna migracja starszych stanów optymalizatora, gdy są dostępne.
Janitor Memory Optimizer jest szczególnie przydatny w roleplay obejmującym:
relacje o wolnym rozwoju;
obsadę wielu postaci;
tajemnice i śledztwa;
zadania i cele;
zmieniające się sojusze;
długotrwałe konflikty;
trwałe ekwipunki lub ważne przedmioty;
powracające lokalizacje;
rozwój postaci;
historie obejmujące setki lub tysiące tur.
v1.0.0 nie została wydana po prostej kontroli składni. Przeszła dedykowane zestawy regresji, hartowania, odzyskiwania i testów obciążeniowych o długim horyzoncie.
Kontrola składni Node: PASS
Konserwatywny walidator ES5: PASS
Błędy: 0
Ostrzeżenia: 0
Rozmiar środowiska uruchomieniowego: 191,418 / 400,000 bajtów
Brak script_output: PASS
Brak zapisów do historii czatu: PASS
last_message pozostaje niezmienione: PASS
message_count pozostaje niezmienione: PASS
Brak zapisów pamięci do example_dialogs: PASS
Brak aktywnego bloku pamięci dodanego do Osobowości: PASS
Dokładnie jedno miejsce docelowe pamięci widoczne dla LLM — Scenariusz: PASS
Brak wymaganej lub ujawnionej składni poleceń użytkownika: PASS
21 ukierunkowanych asercji: PASS
Zakres obejmował:
scenariusz 109 tur;
konsolidację epizodyczną;
wątki narracyjne;
szerokie przywoływanie wątków;
zejście w głąb dokładne/historyczne;
izolację wypełniaczy;
odzyskiwanie po utracie stanu;
zgodność migracji starszych wersji.
23 dodatkowe asercje: PASS
Ten zestaw obejmował konkretnie:
architekturę wyłącznie Scenariusza;
migrację stanu na żywo v0.9 do v1.0;
starsze odzyskiwanie escrow JMO9;
dowód atomowy przetrwały starsze odzyskiwanie;
bezpieczne odrzucenie uszkodzonego escrow;
ukierunkowane zapominanie w języku naturalnym;
zachowanie niepowiązanych wspomnień semantycznych podczas ukierunkowanego zapominania.
Korpus testowy:
500 tur populacji + 60 zapytań pamięci w języku naturalnym + 3 pełne odzyskiwania po utracie prywatnego stanu.
Fakty przed odzyskaniem: 42
Fakty po 3 odzyskaniach: 42
Epizody przed / po: 10 / 10
Wątki narracyjne przed / po: 5 / 5
Pełne odzyskiwania po utracie stanu: 3 / 3 PASS
Przeprowadzono również znacznie większy test:
2,000 tur populacji + 60 naturalnych zapytań + 3 pełne odzyskiwania po utracie stanu.
Fakty przed / po odzyskaniu: 61 / 61
Epizody przed / po: 40 / 40
Wątki narracyjne przed / po: 5 / 5
Pełne odzyskiwania po utracie stanu: 3 / 3 PASS
Budowy wątków: 195
Ponowne użycia sygnatur wątków: 1,927
Budowy grafów: 201
Ponowne użycia grafów: 1,860
Pokazuje to, że struktury pochodne są w dużym stopniu ponownie używane, a nie ślepo odbudowywane w każdej turze.
Na tym samym lokalnym stanowisku testowym Node 500+60:
baseline v0.9: około 6.49 sekundy
v1.0 zoptymalizowana: około 3.87 sekundy
Względna redukcja: około 39%
Ten benchmark mierzy skrypt w lokalnym stanowisku testowym Node VM. Jest to względny pomiar regresji/wydajności samego skryptu, a nie twierdzenie o opóźnieniu serwera JanitorAI.
v1.0.0 zapisuje bieżący format odzyskiwania JMO10.
Może odczytywać starsze punkty kontrolne escrow JMO3 do JMO9.
Migracja z poprzednich stanów Janitor Memory Optimizer jest obsługiwana, gdy niezbędny starszy stan jest nadal dostępny.
W przypadku świeżej instalacji wystarczy użyć v1.0.0.
Tak, ten projekt został vibe-coded z ChatGPT 5.6.
Silnik był rozwijany iteracyjnie poprzez projektowanie kierowane przez człowieka, testowanie, debugowanie, testy obciążeniowe i powtarzane rewizje architektoniczne, z ChatGPT 5.6 pomagającym w kodzie.
Ewoluował przez wiele prototypów: od podstawowego selektywnego wstrzykiwacza pamięci do skarbca adresowanego treścią, odwracalnego systemu odzyskiwania, hierarchii pamięci semantycznej, grafu czasowego, rozstrzygacza bytów, archiwum epizodycznego i silnika wątków narracyjnych.
Ostateczne wydanie zostało następnie poddane automatycznym zestawom regresji i testów obciążeniowych, zamiast zostać opublikowane tylko dlatego, że wygenerowany kod "wyglądał poprawnie."
To niezależny projekt społecznościowy. Nie jest oficjalnym produktem OpenAI ani JanitorAI, a wzmianka o ChatGPT 5.6 opisuje proces rozwoju, a nie oficjalną certyfikację lub poparcie.
Ponieważ pamięć nie powinna stawać się kolejnym mechanicznym elementem gry, którym gracz musi zarządzać.
Nie powinieneś musieć przerywać sceny, aby wpisać:
/save_memory relationship Nadia trust -1
Powinieneś móc po prostu napisać:
Po tym, co zrobiła Nadia, nie sądzę, żebym mógł jej już ufać.
i kontynuować historię.
To jest filozofia projektowa stojąca za Janitor Memory Optimizer.
Przetwarzanie pamięci powinno odbywać się w tle. Czat powinien pozostać czatem. Definicje postaci powinny nieść pamięć roboczą. LLM powinien otrzymywać najmniejszą użyteczną ilość kontekstu dla bieżącego momentu.
Podłącz & graj.
W pełni pasywna.
Bez poleceń.
Bez interfejsu pamięci.
Bez fałszywych wiadomości czatu.
Pamięć widoczna dla LLM tylko w Scenariuszu.
Zapamiętaj / zapomnij w języku naturalnym.
Dowód atomowy.
Zahasowany skarbiec pamięci.
Dossiers semantyczne.
Graf czasowy i przyczynowy.
Konserwatywna inteligencja bytów.
Adaptacyjna pamięć gorąca / ciepła / zimna.
Epizodyczna konsolidacja długoterminowa.
Trwałe wątki narracyjne.
Przywoływanie hierarchiczne z zejściem w głąb dowodów.
Odwracalne escrow odzyskiwania JMO10.
Obsługa starszego odzyskiwania.
Automatyczne budżetowanie kontekstu.
Przetestowane obciążeniowo ponad 2,000 tur.
3/3 pełne odzyskiwania po utracie stanu w obu głównych zestawach testów obciążeniowych.
0 błędów walidacji ES5.
0 ostrzeżeń walidacji ES5.
Wklej to. Przypisz to. Prowadź roleplay normalnie.
Pozwól postaci pamiętać.
Utworzono 18 sie
Zaktualizowano 18 sie
Opublikowano 18 sie