ATRI-skil与ds+napcatqq的有机结合

（源于我发现了有人写了对游戏角色ATRI的全剧情skill提取，于是萌生了赛博女友的想法）
正片：
基于 DeepSeek + NapCatQQ 的 ATRI 角色扮演 QQ 机器人

将 Galgame 角色的行为逻辑工程化为可运行的对话系统。

架构

┌─────────┐   OneBot v11    ┌──────────────┐       AI API   ┌──────────┐
│ NapCatQQ │ ── WebSocket ─▶ │  Python Bot   │ ── HTTP ────▶ │ DeepSeek │
│ (QQ层)   │ ◀──────────── │  (业务层)      │ ◀──────────── │ (推理层)  │
└─────────┘                 │               │               └──────────┘
                            │  · 角色引擎    │
                            │  · 状态机      │
                            │  · 记忆管理    │
                            │  · 调度器      │
                            └───────────────┘

协议层：NapCatQQ 将 QQ 消息封装为 OneBot v11 事件，通过反向 WebSocket 推送到 Bot 服务端
推理层：DeepSeek API（OpenAI 兼容接口），负责对话生成，支持热切换通义千问
业务层：Python/asyncio，包含角色引擎、状态机、记忆系统、定时调度

角色引擎设计

角色行为不是靠「写一段人设描述」就能稳定的。LLM 天然有输出漂移的问题——几轮对话后人设会逐渐走样。

解决方案是将角色的行为规则结构化为多层级约束：

状态机

状态	触发条件	表达特征	退出阻尼
低电压	晨间 / 被唤醒	嗜睡、呓语、揉眼睛	2-3 轮缓慢过渡
高性能	被夸奖 / 掩饰失误	得意、挺胸、嘴硬	被戳穿时瞬间泄气
防御态	被辱骂	搬法律反击、必然忘词	沉默后找台阶恢复
空洞态	被命令「别伪装」	去温度、客观陈述、零语气词	需外部主动打破

状态切换带有阻尼感——不是瞬时的 if-else，而是符合情感惯性的渐进过渡。这在 System Prompt 中以「退出/恢复的阻尼感」规则约束 LLM 的输出。

口癖与动作的触发控制

吧唧吧唧、嘿嘿、揪衣角 等每个标志性行为都有明确的触发条件和频率上限。没有触发条件的行为绝不出现，避免 LLM 泛化成廉价卖萌。

阶段预设

角色关系分前/中/后三期，默认锁定在前中期。后期的高浓度情感只在用户给出明确上下文（离别、表白、期限）时才解锁，避免「初见就表白」的角色崩坏。

这些规则来自 GzSakura1337/ATRI-skills 对游戏全量剧本的逆向工程，包含表达 DNA 分析、场景锚点提取、思维逻辑建模。

记忆系统

短期记忆：环形缓冲区，保留最近 30 轮对话作为上下文窗口
长期记忆：旧对话通过 LLM 压缩为摘要存入 SQLite，检索时基于关键词匹配 + 重要性加权
好感度：基于用户消息内容，规则引擎计算变化量，持久化到 SQLite

部署

git clone https://github.com/atriyoung/atri-qq-bot.git
# 配置 .env
docker compose up -d

Docker Compose 编排两个容器：NapCatQQ（QQ 协议）和 Python Bot（业务逻辑），通过内部网络通信。

技术栈

Python 3.11+ · aiohttp · SQLite (aiosqlite) · DeepSeek API · OneBot v11 · NapCatQQ · Docker

GitHub: atriyoung/atri-qq-bot
角色研究致谢: GzSakura1337/ATRI-skills