写到第五章人物开始串味，先别急着换模型。可以先把它拆成三条可以分别验证的线索：角色卡里到底写清了多少人物信息、每次请求带进去多少旧章节内容、采样参数放出了多少随机性。建议的排查顺序是先改提示词，因为角色卡改动成本低且能长期复用；再验证上下文长度；最后才动温度一类参数。每轮只改一个变量并留档输入输出，否则同时改两处就判断不出是哪一处起了作用。

人物前几章正常、后面跑偏，通常是提示词信息量不足与上下文过长叠加，随机性偏高会放大漂移。可先把角色卡改写为身份、口吻、禁忌、状态四类字段，再按章保存完整输入提示词，用相邻两章并排对比确认起点；随后只调整上下文长度复测同一章，仍不稳再单独调整温度与重复惩罚。全程只动一个变量并记录结果，排查才可复现。不同模型对长上下文的处理差异较大，需结合所用接口的参数说明确认。

把人物设定改写成字段化提示词模板

人物串味常见的一种情况是角色设定写成了散文，模型每章都在重新解释人物。把角色卡拆成固定字段，可以减少它对人物信息的自由发挥。四类字段建议分开写：身份、说话口吻、行为禁忌、当前状态。

role_id: 林晚
identity: |
  28 岁，急诊科主治医师，做事快，怕冷场。
voice: |
  规则：短句为主，少用形容词；被追问时先反问一句再回答。
  示例：“先看片子。” / “你确定？那再说一遍。”
taboo: |
  - 不主动示弱
  - 不使用网络流行语
  - 不称呼对方为“亲爱的”
state: |
  章节：第 5 章
  已知信息：男主在谎报病情
  当前情绪：疲惫，压着火

长度上，identity 建议 1 到 2 行就够，写清职业、年龄区间和核心性格；voice 写 2 到 3 条规则并配 2 到 3 个示例句，示例句往往比形容词更能约束口吻；taboo 列 3 到 5 条，只写真正会破坏人物的行为；state 每开一章更新一次，把本章已知信息和情绪写进去。字段化之后，同一份角色卡可以在不同章节复用，也方便后续做对照时替换。

按章节保存输入提示词，定位串味起点

要确认是不是提示词没写清，第一步是知道从第几章开始跑偏。做法不复杂：每章生成前，把最终发给模型的完整输入原样落盘，生成后把输出另存一份，文件名带上章号。

prompts/ch05.prompt.json
prompts/ch05.output.txt
prompts/ch06.prompt.json
prompts/ch06.output.txt

然后并排对比相邻两章的输入差异：

diff -u prompts/ch04.prompt.json prompts/ch05.prompt.json

重点看三处：角色卡有没有被换成简化版或漏字段；上下文里塞进了多少旧章节；同一人物的称呼在前一章和当前章是否一致。如果第 5 章开始串味，就把第 5 章输出里出戏的那句对话标出来，回溯它在输入里对应的角色卡或上下文段落，范围通常能缩小到具体两章之间。这一步只做定位，先不要顺手改参数。

只改上下文长度，复测同一章

定位到起点后，验证是不是旧内容挤占导致的偏移。对照实验的设计是：固定角色卡、固定用户输入、固定采样参数，只改上下文长度，对同一章重跑。

{
  "role_card": "roles/linwan.yaml",
  "chapter": 5,
  "user_input": "inputs/ch05.txt",
  "sampling": { "temperature": 0.8, "top_p": 0.9, "repetition_penalty": 1.05 },
  "context": { "mode": "recent_n_chapters", "n": 2 }
}

可以先跑三组：全量历史、只保留最近 2 章、只保留最近 1 章加一段状态摘要。观察指标放在人物口吻与称呼上：同一角色说话长度、句式和用词有没有变；对同一人的称呼有没有突然改口；台词的禁忌有没有被破。如果缩短上下文后口吻明显回稳，说明旧内容对当前章形成了挤压；如果三组输出都差不多，那就更可能是角色卡或采样参数的问题。上下文长度不是越短越好，太短会丢掉必要的人物关系，需要结合你的章节字数确认保留几章。

只改采样参数，看口吻是否回稳

如果缩短上下文也没解决，再排除随机性过高造成的漂移。温度越高、重复惩罚越松，人物越容易在长文里滑向通用语气。可以先从一个保守骨架起步：

{
  "temperature": 0.7,
  "top_p": 0.9,
  "repetition_penalty": 1.05,
  "frequency_penalty": 0.0,
  "presence_penalty": 0.0
}

每次只改一项，比如 temperature 从 0.8 降到 0.6，或者 repetition_penalty 从 1.0 提到 1.05，其他参数和上下文长度都保持不动。跑同一章、同一段输入，把输出和上一轮并排看，记录口吻是否更接近角色卡里的示例句。不同厂商的参数名和取值范围不一样，temperature 有的按 0 到 1 计，有的按 0 到 2 计，需要按接口文档映射后再动，不要直接把别处的数值抄过来。

把稳定下来的组合写回模板

找到一组口吻回稳的配置后，把它固化下来，下一次开新书直接复用。建议在项目里建一个配置文件，至少记录这些参数项：模型名与版本、上下文模式与保留章数、temperature、top_p、重复惩罚、角色卡文件路径、每章输入文件路径。

model: 你的模型标识
context: { mode: recent_n_chapters, n: 2 }
sampling: { temperature: 0.6, top_p: 0.9, repetition_penalty: 1.05 }
role_card: roles/linwan.yaml
chapter_inputs: prompts/

角色卡字段仍然沿用身份、口吻、禁忌、状态四类。换题材时，identity、voice 和 taboo 通常要重写，因为人物性格和说话方式变了；state 每章都要改；采样参数和上下文模式可以先沿用同一组，再根据新题材的人物密度和对话节奏微调。每换一次模型或接口版本，建议用同一章旧输入复跑一次，确认口吻没有整体漂移，再继续往下写。