🎯 什麼情境該想到我
當你「手上的設定／產品知識多到塞不進 prompt，但每一輪其實只用得到其中幾條」的時候。
⚙️ 怎麼用（步驟 / 公式）
核心想法：每條知識綁一組關鍵詞；只有最近的對話字面上提到這些詞，這條內容才被注入這一輪的 prompt。幾百條設定，每輪只付真正用到的那幾條的 token。它是「用字串比對當檢索條件的極簡 RAG」：沒有 embedding，換來的是可預測、可除錯——寫關鍵詞的人就知道它什麼時候會出現。
- 切條目：一個概念一條（一個地點、一個組織、一個產品），每條寫
key[]（主關鍵詞，任一命中即觸發）＋content。同義詞、暱稱都列進key[]。 - 定掃描範圍：只看最近 N 則訊息（
scanDepth），不是整段歷史——否則很久以前提過一次的東西會永遠常駐。 - 加條件，擋誤觸：主鍵命中後再看次要鍵——
AND_ANY（「龍」＋「火」或「巢穴」）、NOT_ANY（「國王」但不是在講「棋局」）。 - 允許連鎖，但要設閘：被激活條目的內容也加進掃描範圍再掃一次（「睡龍酒館」的內容提到「龍」→ 帶出「龍」的條目），直到沒有新激活。「總綱」型條目關掉遞迴，避免一條帶出一串。
- 同類互斥：天氣「晴／雨／雪」放同一組，同時命中只留一條。
- 時間效果：
sticky（提到後持續 N 輪，事件不會下一句就忘）、cooldown（激活後休息 N 輪，防洗版）、delay（前 N 則訊息不檢測，劇情設定別太早冒出來）。 - 給獨立預算：
知識預算 = max_context × 百分比（SillyTavern 預設 25%，8192 × 25% = 2048 tokens）。逐條累計，超過就不再激活。不設上限的話，知識會直接吃掉聊天記錄的空間（見 工具-長對話的Token預算分配）。 - 決定放哪：背景知識放 prompt 前段（穩定但離生成點遠）；會改變行為的指引放聊天歷史的指定深度（離生成點近、影響大，見 工具-用深度注入讓指令不被遺忘）。
和向量 RAG 怎麼選
| 關鍵字觸發 | 向量召回（工具-RAG檢索增強生成） | |
|---|---|---|
| 命中條件 | 真的出現那個詞 | 意思相近就會命中 |
| 可預測性 | 高，作者可控 | 低，要調門檻 |
| 漏觸發 | 換個說法就漏（「會噴火的大蜥蜴」不會命中「龍」） | 少 |
| 誤觸發 | 字面巧合（要靠次要鍵擋） | 語意相近但不相干 |
| 成本 | 字串比對，幾乎免費 | 要 embedding、索引 |
實務上兩者疊用：關鍵字當主力，重要條目再加語意觸發補漏（SillyTavern 的 vectorized=true 就是這樣做）。
機制細節（六層過濾、掃描狀態機、8 種注入位置）→ World Info世界書
🧪 我實際套用的紀錄
- （尚無）
⚠️ 注意 / 什麼時候不適用
（以下為經驗推論，原文只描述機制）
- 不懂語意：使用者換個說法就漏；同義詞要自己列，或疊一層向量召回。
- 遞迴會連鎖爆量：寫得太廣的條目會帶出一大串，把預算吃光。
- 機率激活、加權隨機會讓輸出不可重現，除錯時先關掉。
- 知識量小到整份放進 prompt 也不貴時，不需要這套——每一層條件都是之後要維護的規則。
- 條目數極多時每輪都要全掃一遍，掃描成本不可忽略。
🔗 相關工具
- World Info世界書 —— 這套模式在 SillyTavern 的完整實作
- 工具-RAG檢索增強生成 —— 語意版的按需載入；分工：字面觸發求可控，向量召回求不漏
- 工具-長對話的Token預算分配 —— 注入的知識要跟聊天記錄搶同一個 context，預算要一起規劃