开源角色扮演Agent Liyuan：基于pi内核整合SillyTavern
速览
Liyuan利用pi内核的开放harness层，在架构层面优化记忆和上下文管理，每轮节省53%-63%上下文，有效提升剧情容量。它引入agent询问模式让用户深度参与剧情走向，支持AI自定义面板、skill/MCP扩展、世界线回档分支、知识库和素材库等功能。该项目兼容SillyTavern的角色卡、世界书、聊天记录和预设，但不兼容其前端插件和脚本。开发者表示推荐使用Grok模型。
AI 深度解读
背景
传统的 AI 角色扮演（RP）通常依赖 SillyTavern（ST）这类前端工具，本质上只是将提示词拼好发送给大模型，后续完全依赖模型的“自觉”来维持剧情连贯性。这种方式存在诸多痛点：长程记忆差、上下文冗余严重、状态提醒困难、生图/TTS 等功能需要复杂插件。与此同时，Agent 架构（LLM + harness + tools）已相当成熟，但主流 Agent 框架（如 pi）并未与角色扮演场景深度结合。Liyuan（梨园）正是在此背景下诞生——将 pi 的 Agent 内核与 SillyTavern 积累的设计经验融合，打造一个真正的角色扮演 Agent。
核心内容
Liyuan 是一个完全开源的 RP Agent，基于 pi 的开放 harness 层，并兼容 SillyTavern 的数据生态。其核心创新在于：
-
记忆优化：通过修改 harness 层，在架构层面每轮重新剪辑上下文，自动过滤掉中间过程性内容（如思维链、状态栏指令等），只保留叙事正文和关键快照/数据库。实测每轮节省 53%–63% 的 token，等效于相同窗口下有效剧情容量翻倍。
-
Agent 询问模式：将 coding agent 中的“暂停并询问用户”机制翻译到 RP 中。当遇到重要新角色定型、关键设定锁定、重大转折（死亡、背叛、关系质变）时，agent 会弹出一张选择卡，展示多个剧情方向和一个自由输入框，用户选择或自定义后剧情按此推进。该卡片永久留痕，后续可回溯岔路口。
-
AI 自定义面板：agent 可直接生成各种可视化面板并导入前端，且随剧情实时更新。例如为 RPG 角色卡自动生成装备库，为复杂地图生成 SVG 地图并随探索逐步更新，实现剧情可视化。
-
扩展能力（Skill & MCP）：利用 Agent 架构原生支持 skill 和 MCP。文生图可简化为“调用某个 API 根据上下文生成角色图片并打包为 skill”；MCP 的会话级常驻特性可用于开发向量记忆库，实现全自动向量采集。
-
世界线（存档/回档/分支）：提供游戏级存档机制：
/store钉存档，/back回档，/line查看世界线全景。回档时不仅恢复剧情正文，还包括状态账本、agent 建造的地图/装备库、知识库挂载等全部状态，且回档无损耗——即使经历过上下文压缩，回到未压缩存档时自动恢复为完整原文。 -
知识库：支持自定义知识库，人与 agent 均可写入和修改，可随时挂载/卸载。新设定可由 agent 自动写入知识库。
-
素材库：上传的图片和文件存于 VPS 文件夹，消息中仅附路径，避免占用上下文。用户可随时拖动素材库图片到输入框，agent 看到的仍是文件路径。
兼容 ST 数据生态：
- 角色卡：直接导入 PNG/JSON 卡，自动读取内嵌世界书；
- 世界书：支持导入，蓝灯/绿灯关键词激活语义保留，多本挂载；梨园知识库可导出回 ST 世界书格式；
- 聊天记录：导入 jsonl 旧档时自动清洗（剥离旧状态栏和思维链），并自动摘要、建账，实现无缝续玩；
- 预设：提供转换器，提示词块和采样参数可带入。但注意，预设中补偿旧架构缺陷的部分（如思维链模板、状态栏指令）在梨园中已无用武之地；
- 明确不兼容：正则脚本、STscript、前端插件、角色卡自带的 HTML 界面——这些是绑定旧架构的产物，梨园在 harness 层已直接解决了它们原本要修的问题。
梨园完全独立实现，未使用任何 SillyTavern 代码，仅兼容其数据格式。
关键要点
- 核心设计理念：用 Agent harness 层替代传统提示词堆砌，从架构层面解决长程记忆、上下文压缩、状态提醒等痛点。
- 记忆优化：每轮自动裁剪过程性内容，有效剧情容量提升一倍以上。
- 用户参与：通过 agent 询问模式让用户深度决定剧情走向，避免“拆盲盒”式体验。
- 可视化：agent 动态生成 SVG 地图、装备库等面板，实时更新。
- 扩展性：利用 skill 和 MCP 轻量集成文生图、向量记忆等功能。
- 世界线：游戏级存档/回档/分支，全状态恢复且无损耗。
- 数据自由：兼容 ST 角色卡、世界书、聊天记录、预设，不锁定生态。
- 不兼容旧架构的脚本/插件：梨园已在 harness 层替代其功能。
- 推荐使用 Grok 模型（作者建议，未解释原因）。
- 项目完全开源，链接至 LINUX DO 社区。
意义与影响
Liyuan 将成熟的 Agent 框架（pi）引入角色扮演领域，开创了“RP Agent”这一新范式。它不再依赖模型自觉或复杂提示词技巧，而是通过架构层面的 harness 设计系统性解决传统 AI RP 的核心缺陷——上下文效率、记忆持久性、用户参与度、扩展灵活性。同时，对 SillyTavern 数据生态的兼容降低了用户迁移成本，使现有 ST 用户能够无缝过渡。该项目展示了 Agent 架构在非编程场景（如角色扮演）中的巨大潜力，也为 future 的 AI 叙事工具提供了可复用的设计思路。开源模式允许社区共同打磨，有望推动角色扮演 AI 从“对话工具”进化为“合作叙事者”。