关于大模型进行角色扮演的一些思考

     要扮演好一个角色，我觉得可以分为两个方面，一个是语气的模仿，一个是记忆的库存，记忆就是原来角色知道的你也应该知道。让大模型来完成这两件事。

      现在大模型进行角色扮演有两种方法，一个是通过提示词，一种是通过微调。今天同事展示的通过提示词来进行角色扮演，包括我们现在正在探索的通过微调来实现角色扮演。我觉得都有一些缺陷。首先是通过提示词来进行扮演，这可能会把大模型框死，也并不能很好的来模仿角色，同时对那么长的提示词我也存在疑问。另外一种通过模型微调来进行角色扮演，这种缺陷就显而易见了，一个是成本特别高，如果一个人的生平阅历也就是记忆第一次训练的时候不完全，后期你想补充那就又要重新训练，而且你训练出来的也不一定效果好，我觉着大模型知道某一个知识点，并不是通过训练一条数据就能获得这个知识的，你需要另外十条知识去相互验证补充。对于训练一个角色扮演的大模型来说也是一样，你让他记住某件事，并不能通过一条数据就让他很好的记住，你也需要另外很多数据去相互验证补充。因为一个模型的数据量是很庞大的，你需要足够的数据去撬动这个模型，然后进行微调。这样我们制作数据集就会很繁琐。
      现在回到我刚开始说的关于角色的扮演，一个是语气的模仿，一个是记忆。我觉得可以把两种方法结合起来，通过微调去训练大模型说话的语气，通过向量数据库结合提示词去做一个记忆库。这样可以做到记忆的不断补充，而且说话也符合角色的性格。