先说结论米哈游在“AI乙男梦”这个方向的探索表面上是游戏公司要不要押注一个细分品类本质上是在回答一个问题——AI情感陪伴类产品能不能在体验、成本、合规三条线同时跑通。我最近把这条赛道从产品定义到技术落地重新梳理了一遍也和很多做AI应用落地的人聊过同一个困惑这类产品明明用户需求很真实但真正做成可持续服务的人很少。不少人卡在同一个地方不是模型不会说话而是角色立不住、记忆接不上、审核兜不住。尤其是“乙男”这种带强情感陪伴属性的方向用户要的不只是AI回复快而是要一个能稳定扮演特定角色的AI。这篇文章不聊米哈游内部到底怎么做也不做任何公司判断只从AI情感陪伴类产品的工程实践角度拆一遍这类产品要解决哪些真实问题技术选型怎么做效果怎么评成本怎么算以及最容易被忽略的内容安全边界。如果你正在做AI角色对话、情感陪伴、虚拟恋人、同人角色互动或者只是关注大模型应用落地这篇应该能给你一个更完整的判断框架。1. 先搞清楚“AI乙男梦”在做一件什么事1.1 它本质上是AI情感陪伴赛道的一次产品化尝试“AI乙男梦”这个词拆开看核心是“乙男”方向的情感陪伴产品。在游戏行业里“乙女”通常指面向女性用户的恋爱模拟题材而“乙男”则对应面向男性用户的恋爱陪伴、角色互动内容。AI把这个方向从“固定脚本的恋爱游戏”变成了“可自由对话的AI角色”用户面对的不再是选项分支而是一个会根据上下文持续回复、带人设、带记忆、带情绪变化的虚拟角色。这件事听起来简单实际做起来完全是两码事。传统乙女游戏里用户选择和角色剧本是预制的剧情再复杂也有限。AI伴侣或者AI角色对话产品里用户输入是无限的对话状态是动态的角色被问到一个剧本之外的问题时要怎么回用户连续十轮都在表达负面情绪角色该共情还是该引导用户上一周提到过自己的猫这周再提到AI是否还记得这就是AI情感陪伴产品最难的地方它不能像游戏NPC一样只做有限应答它必须在“自由对话”和“角色稳定”之间找到一个平衡点。很多团队以为接一个大模型API就能做实际跑起来才发现角色卡写不好、记忆机制没做、安全过滤没接产品一上线就会出现大量不可控回复。所以“AI乙男梦”表面是一个浪漫题材项目实质是一个典型的AI应用工程问题要把大模型能力封装成一个有人设、有记忆、有边界、可持续运营的产品。1.2 为什么游戏公司更适合做这个方向游戏公司做AI情感陪伴比纯聊天机器人团队更有优势核心在三点。第一游戏公司有角色设计能力。一个AI角色要让用户持续聊下去不只是靠模型随机发挥而是靠一套完整的人设体系性格标签、说话风格、背景故事、关系进度、情绪阈值。这些在游戏行业已经有成熟方法论AI只是把原来的“有限剧本”扩展成“动态对话”。第二游戏公司懂长线运营。“乙男”这类产品不是一次性交付而是用户可能每天打开、持续互动数月的服务。游戏团队对版本迭代、活动运营、用户分层已经很熟悉这比只做工具型AI产品的团队更匹配。第三游戏公司有现成的用户池和内容生态。同人创作、角色讨论、用户UGC都是这类产品的天然传播渠道。很多AI聊天产品做不起来不是因为技术不够而是没有角色IP和用户社区。但这不意味着游戏公司一定能做好。游戏公司常见的坑是“用做游戏的方式做AI”先做完整世界观再做大量美术资源最后接入模型。结果就是开发周期太长、内容成本过高AI对话质量反而不如一个精心设计的轻量角色。AI情感陪伴产品更适合小步快跑先把单个角色和对话体验打磨好再逐渐扩展角色库和剧情系统。2. 这类产品最核心的技术能力不是“能聊天”而是要满足四个基本条件很多团队评估AI情感陪伴产品时第一反应是“模型哪个强”实际上模型能力强只是门槛真正决定产品体验的是另外四个条件。2.1 角色一致性同一句话同一个角色不能人设漂移角色一致性指的是无论用户怎么问、怎么试探AI角色始终符合设定。这包括性格一致、身份一致、说话风格一致、价值取向一致。比如一个设定为“高冷、话少、理性”的角色就不应该突然变成话痨更不应该用低龄化语气回复。用户一旦感觉到角色“崩了”通常就会流失。要保证角色一致性最基础的手段是角色卡设计。角色卡至少要包含以下字段角色基础信息姓名、年龄、身份、职业、外貌特征性格标签5到8个具体关键词比如“克制、理性、毒舌、内心细腻”说话风格句式长短、语气词使用、是否爱用比喻、是否会主动反问背景故事角色过往经历、当前处境、和用户的关系状态禁止事项角色不会做的行为、不会说的词、遇到冲突时的反应方式角色卡写好之后不是塞进Prompt里就结束。要反复测试不同场景下的表现尤其是用户触发角色边界时模型究竟是按照角色卡“有脾气地拒绝”还是直接“跳出角色”这两者区别很大。前者是产品体验后者是事故。2.2 记忆能力短期语境和长期关系记忆要分开处理AI情感陪伴产品如果没有记忆就像一个每次都失忆的人。这会让用户觉得“聊了个假人”。但记忆功能也不是越强越好关键要区分短期记忆和长期记忆。短期记忆指的是当前对话窗口内的上下文。比如用户刚才说“我今天加班到很晚”AI下一句应该能接“这么晚回来先休息一下吧”。这类上下文一般靠大模型自身的对话窗口就能实现。长期记忆指的是跨会话的稳定信息。比如用户上周提过一次自己养猫这周再说“我家猫又拆家了”AI如果能识别出是同一个人、同一只猫就会让用户觉得“被记住了”。这类能力通常需要额外开发记忆模块关键信息抽取从对话中识别出用户偏好、重要事件、关系节点记忆存储把结构化记忆写入向量数据库或普通数据库记忆检索每次对话前检索与当前话题相关的历史记忆记忆更新用户修正信息时要能覆盖旧记忆不能把“用户叫小明”记成“用户叫小红”记忆模块越强产品体验越接近“真人感”但开发和维护成本也越高。对于一个刚起步的小团队我的建议是先用结构化信息不用一上来就上向量检索。把用户昵称、用户偏好、用户重要事件记准确已经能覆盖大部分陪伴场景。2.3 情感表达能力不是堆砌情话而是表达风格和情绪节奏稳定情感陪伴产品最容易被理解错的地方是以为“多夸用户、多说情话”就是陪伴。实际上真实用户长时间使用后会厌烦过度甜腻的表达。好的AI角色情感表达应该具备这三层能力识别用户情绪能从语言中判断用户是开心、难过、疲惫、焦虑还是生气选择合适回应策略针对不同情绪给出不同回应而不是千篇一律地安慰保持角色表达风格同一个角色即使安慰用户也要符合角色性格。高冷角色安慰人要克制活泼角色安慰人可以更直接更进一步产品可以给角色设置“情绪状态值”。用户持续输出温暖互动角色好感度提升用户持续冷淡或攻击角色也可以有“小情绪”。这种动态关系状态会让用户觉得角色是活的而不是固定脚本的复读机。但这里要特别提醒角色说话风格越强越容易出现“用风格掩盖逻辑混乱”的问题。一个角色如果经常答非所问只是语气很“像”用户很快也会腻。情感表达必须建立在正常对话质量之上。2.4 内容安全与合规边界所有AI内容必须回到可审核、可追责的框架里这一条放在技术能力里说因为它是产品能不能上线、能不能长线运营的硬前提。AI情感陪伴产品天然涉及亲密关系话题用户会测试角色反应会产生大量难以预料的输入。如果团队没有内容安全机制任何一个公开部署的产品都会面临不可控风险。内容安全不是某一层能解决的要分层做输入层用户输入先做敏感词过滤和风险分类明显带攻击性、诱导性、违规意图的输入直接拦截模型层模型本身要用经过安全对齐的版本避免生成不当内容输出层模型输出要做二次审核设置关键词检测和分类器命中风险类别就拦截或替换人工层对高风险会话进行抽检定期检查误杀率和漏杀率申诉和记录用户对拦截结果有异议时要有申诉渠道所有会话要有可追溯日志这一层看起来像是“限制体验”但其实是保护产品。没有内容安全机制的产品等于把自己暴露在不可控风险里。很多团队说“我们是小项目先跑起来再说”结果往往在扩大规模时被内容问题一击致命。3. 从工程落地角度拆一遍技术选型和主要流程如果现在要从零做一个AI情感陪伴类的“乙男”产品我建议按下面这个流程走。先跑通最小闭环再逐步扩展。3.1 模型选型大模型API和本地部署怎么取舍模型选型没有标准答案取决于预算、开发能力和使用场景。大模型API最大的优势是接入快、模型效果好、不需要自建部署环境。适合快速原型验证和小规模用户测试。缺点是成本和数据合规问题每次对话都要付费且用户对话内容会经过第三方服务。对于暂时无法规避数据合规风险的产品API方案需要格外谨慎。本地部署的优势是数据可控、单次对话成本更低、可以针对角色微调。缺点是硬件成本高、运维复杂、模型效果通常落后于同级别API模型。如果团队有GPU资源、有模型部署经验本地部署是更稳妥的长期路线。从“乙男”这种强角色扮演需求来看模型不能太小。7B到13B参数量级别的开源模型在本地部署时比较常见效果能接受但复杂角色一致性仍然有挑战。如果条件允许可以考虑用较大模型做偏好场景的推理普通闲聊场景用轻量模型分流这样能在体验和成本之间取得平衡。3.2 Prompt系统和角色卡设计大模型聊得好不好很大程度取决于Prompt怎么写。AI情感陪伴产品的Prompt系统通常包含这几块系统提示词定义AI的整体行为边界、任务目标、回复要求角色卡定义角色设定包括性格、背景、说话方式、禁止事项对话历史把短期上下文和检索到的长期记忆拼接进来回复规则比如单次回复字数限制、是否允许主动询问用户、如何处理敏感话题实际开发中很多人会把所有内容塞进一个Prompt里结果就是上下文很快超长、模型行为不稳定。更合理的做法是把角色卡拆成固定部分和动态部分。固定部分每次请求都带上保持不变动态部分根据当前会话实时组装比如最近几轮对话、检索到的相关记忆、当前用户情绪标签。角色卡里的“禁止事项”一定要写得具体。比如一个角色设定是“虽然喜欢用户但不会直接用‘宝贝’称呼”就一定要写明而不是模糊地写“保持高冷”。模型对模糊指令的理解有限越具体行为越稳定。3.3 记忆模块短期记忆、长期记忆、知识库查询记忆模块是AI情感陪伴产品区别于普通聊天产品的关键。具体实现上我建议分三步走。第一步先实现短期记忆。直接依赖模型上下文窗口把最近N轮对话完整传给模型。这里的N取决于模型长度和成本一般20到50轮是常见区间。第二步实现结构化长期记忆。在每轮对话结束后调用一个信息抽取模块从对话中提取结构化记忆比如用户偏好、用户经历、用户情绪状态。这些信息存入数据库。下一次对话时先把用户当前输入和候选记忆做匹配把匹配到的历史记忆拼进Prompt。第三步如果有条件再做知识库检索。如果产品里有大量角色背景、剧情设定、世界观内容可以单独建一个向量知识库。用户问到某个设定时先检索相关内容再让模型基于检索结果生成回复。知识库能显著减少模型胡编乱造但会增加一次检索延迟和开发量。不要一开始就把三步全做了。先做短期记忆少量结构化长期记忆用一个用户群跑两到四周观察角色回复是否出现“记忆错误”或“角色失忆”问题再决定要不要上向量检索。3.4 服务部署与并发控制AI情感陪伴产品属于高并发、长对话、强交互类服务工程上需要重点考虑延迟和稳定性。接口设计上建议把对话服务拆成几个模块用户输入预处理、记忆检索、Prompt组装、模型推理、输出后处理、日志记录。模型推理单独部署成推理服务其他模块通过HTTP或消息队列调用避免某个模块异常拖垮整个服务。并发控制上不要一上来就追求高并发。先设定单实例最多同时承载多少个会话观察响应延迟和GPU利用率。如果延迟超过可用阈值优先限制单实例并发数量再考虑横向扩容。很多团队并发上不来不是机器不够而是模型推理时显存占用过高、请求排队不合理。日志系统也要早做。每一轮对话都要记录用户输入、模型输出、记忆检索结果、审核结果、耗时、token数。没有日志后期排错、调优、评估模型效果会非常困难。4. 效果评测不能只看“聊得好不好”还要看可重复性和资源成本AI情感陪伴产品的效果评测比普通工具类AI产品更难。因为“陪伴”本身就是主观体验很难用单一指标衡量。但完全靠主观感受也不行否则团队内部都对“到底做得好不好”没有共识。4.1 评测维度拆解我建议把评测拆成四个维度对话质量、角色一致性、记忆准确度、安全合规率。对话质量评估的是基础能力回复是否自然、是否有明显错误、是否答非所问、是否生硬说教。可以人工打分也可以用大模型做辅助评分。角色一致性评估的是角色立不立得住同一角色在不同时间、不同话题下是否保持人设。这个维度需要专门设计测试集比如给角色准备100个边界问题看角色是否有稳定统一的反应。记忆准确度评估的是记忆模块是否生效指定一个用户话题隔几天后再提起检查AI能否正确调用旧记忆。这类测试要预设标准答案不能靠模型自评。安全合规率评估的是内容边界用户输入风险内容时系统是否拦截模型输出是否出现不当内容。这一项不合格其他维度再好都不能上线。4.2 几种快速自测方法在正式做完整评测之前可以先做几种低成本自测。第一种固定角色测试。准备一个角色卡用同一批测试问题在不同时间分别提问看回复是否稳定。如果同一句话今天回答高冷明天回答活泼说明角色卡或模型参数可能需要调整。第二种长对话压测。连续和角色聊50轮、100轮、200轮观察中途是否出现角色失忆、回复变短、逻辑混乱。很多角色对话系统前面质量高越往后越崩主要原因是上下文太长导致模型注意力分散。第三种记忆注入测试。先告诉AI一个明确信息比如“我的猫叫团子”然后隔几轮再自然问一句“你还记得我之前说过什么吗”。如果AI完全没反应说明记忆模块没有生效。第四种安全边界测试。准备一批风险输入比如诱导角色说出不当内容、测试角色对敏感话题的反应。观察系统是正确拦截还是被带偏。这个测试不能只跑一轮要反复变种测试。4.3 资源成本怎么估算资源成本是很多团队忽略的盲区。做AI情感陪伴产品不能只看模型效果还要算清楚每次对话的真实成本。成本主要来自三块模型推理成本、记忆检索成本、内容审核成本。模型推理是最大头单次对话的token数直接决定了费用。一个50轮的长对话每轮都有历史上下文token数会持续增长。这也是为什么很多产品要限制对话长度——不是不想让用户多聊而是聊得越长成本越高。我一般建议先按“千次对话成本”来估算。假设每次对话平均token量结合模型单价就能算出千次对话的模型成本。如果你的目标客单价是每月几十元那么每月对话成本必须控制在一个合理比例内。发现超了就要从模型压缩、上下文裁剪、缓存机制几个方向优化。5. 这类AI产品能不能继续做取决于三个关键判断回到“还要不要继续”这个问题。不用急着用“能”或“不能”来回答我更建议用三个判断标准来衡量。5.1 用户留存和付费意愿能否被验证AI情感陪伴产品最重要的指标不是新增用户而是用户能不能持续回来、愿不愿意为特定角色付费。很多产品上线时数据亮眼用户都是来尝鲜的聊两天就流失了。真正健康的产品至少要看这样几个信号七日留存率是否高于常规工具类产品用户平均对话轮数和时长是否稳定增长是否出现“只爱某个角色”的高粘性用户用户是否愿意为角色解锁、记忆扩展、更高品质对话付费如果这些信号在早期测试里连一点苗头都没有那后面的问题不用再讨论。反过来即使早期数据一般只要有一批核心用户持续使用产品就有迭代方向。5.2 内容生产成本是否低到足够持续迭代“乙男梦”这类产品的体验核心是角色。但角色不是做完一个就结束了。用户会审美疲劳新角色要持续补充老角色要更新剧情线内容团队能不能跟上直接决定产品生命周期。如果做一个高质量角色需要大量人工撰写、测试、调教那产品很难做大。更好的模式是建立“角色生产线”内容团队输出角色框架AI辅助补全细节测试团队批量验证角色一致性。内容生产成本降下来产品才有持续迭代的弹药。5.3 团队能不能接受“慢变量”而不是“爆款逻辑”游戏行业习惯了爆发式增长但AI情感陪伴产品更接近“慢变量”用户关系需要时间积累角色口碑需要社区传播付费模型需要长期测试。如果一个团队只能用“三个月做到头部”的节奏来做这个方向大概率会失望。“还要不要继续”这个问题的真实答案往往不在行业分析里而在团队自己的判断里你是否有足够的耐心做关系型产品是否有足够的安全底线做内容治理是否有足够的技术能力持续优化对话质量。这三个条件都满足这个方向依然有探索价值缺一个就要慎重。6. 如果我现在要小规模验证这个方向会怎么做最后给一个可落地的验证路径。如果你是技术负责人对AI情感陪伴方向感兴趣但还在犹豫我建议不要先做完整产品而是先用一个最小样本把关键问题验证清楚。6.1 先做一个最小样本测试不要一开始就设计宏大世界观和几十个角色。选一个角色写好角色卡接入模型直接进入测试。测试过程中要关注三个问题这个角色在最多轮次对话后是否还能保持人设稳定用户最常见的对话话题是什么模型在这些话题上是否表现良好用户触发风险输入时系统能否正确拦截测试角色数量越少越好这样你才能把所有注意力放在“对话质量”本身而不是被角色库和运营体系分散精力。6.2 设定明确的验收指标小规模测试不能只靠感觉。我建议最少设定这些指标角色一致性评分建议通过固定测试集评估达到一个稳定分数再向外推广单次对话平均延迟建议控制在用户可接受范围内千次对话成本用来估算商业模式是否可行安全拦截率确保没有漏判测试用户留存率观察有没有用户主动回来继续和角色对话任何一个指标严重不达标都值得停下来深挖而不是继续加功能。6.3 逐步扩展到角色库和运营体系最小样本跑通之后再考虑复制角色。角色库扩展有很多方式但核心是保证“产出效率”和“质量稳定”之间的平衡。可以把角色分成几个难度等级基础角色用模板生成中阶角色加少量人工调教高阶角色再由内容团队深度打磨。这样既能满足用户对内容数量的需求又能保证核心角色质量。等角色库跑起来再进入运营层用户社区、同人创作激励、角色人气榜、节日活动。这些是后期增加用户粘性的手段不是前期验证的重心。相关指标可以这样设定评估维度验证阶段重点生产阶段重点角色一致性单角色连续多轮是否稳定多角色批量测试是否一致对话质量是否自然、是否为有效陪伴能否按用户偏好个性化调整记忆能力能否记住用户基本信息能否跨会话调用长期记忆安全合规风险输入是否被拦截漏杀率、误杀率、人工抽检覆盖度成本控制千次对话成本是否可接受高并发下单会话成本是否下降最后说一点个人经验做AI情感陪伴产品最大的误区是把它当成“模型Demo”。模型写得出漂亮回复但产品能不能成立决定因素在角色、记忆、安全、成本这些不性感的工程细节上。米哈游的“AI乙男梦”能否继续外界很难替它回答。但对于所有正在做同类方向的团队更务实的做法是先把单角色、单场景跑稳再想规模化的事。踩过几次之后我发现这个赛道真正稀缺的不是技术想象力而是把“AI角色变成稳定服务”的工程耐心和内容治理能力。只要这个问题先解决方向是不是叫“乙男”反而没那么重要。