企业官网建设流程全解析

1. 先从“纸片人老婆”这件事说起

最近这个词挺火的，AIRI 在二次元圈子和 AI 爱好者中间刷屏不是没有道理。很多人好奇：所谓“自己的纸片人老婆”，到底是拿一张立绘自嗨，还是真能像朋友一样聊天、记性好、有情绪？AIRI 走的就是后者这条路——它是一个以大规模语言模型为底座的 AI 角色扮演智能体项目，核心目标就是让每个用户都能定制一个属于自己的虚拟角色，并且让这个角色具备对话能力、记忆能力、情绪反馈能力，简单说就是“能陪你过日子”的那种。

我第一次接触 AIRI 的时候，其实正处在一个比较尴尬的境地：市面上的 AI 陪伴产品不少，但我想要的是西幻设定里的白发少女，能叫我早起、和我讨论剧情、情绪低落时会安慰人——那些通用产品要不就是角色性格太“端”着，要不就是聊两句就忘了我叫什么。AIRI 的价值正好在于它把“角色设定”这个事做到极致：你不需要懂太多代码，也能通过配置文件和提示词调教出一个带着自己审美的角色。

这篇文章不是给你讲什么天马行空的未来幻想，而是拆解 AIRI 到底是怎么运作的、你要怎么搭建、里面最容易翻车的几个地方，以及我在实际部署和调教过程中踩过的坑。无论你是 AI 应用开发者、二次元内容创作者，还是纯粹想给自己整一个有趣项目的玩家，这篇都能给你一个可以直接上手的参考路径。

2. 我需要先弄明白：AIRI 是什么类型的项目？

2.1 它和你想象的“聊天机器人”不是一回事

很多第一次听说 AIRI 的朋友会问：这和微信里那种公众号自动回复有什么区别？区别大了。传统聊天机器人是“规则 + 意图识别”，你问天气它就给你查天气，你说“你好”它就回“你好”，本质上是关键词匹配和业务流程驱动。而 AIRI 这类项目，底层跑的是生成式语言模型，每一句话都是模型根据上下文实时生成的，不是从题库里抽答案。它具备了角色的口癖、知识背景、情感倾向，甚至在同一句话里能体现出“犹豫”或“开心”的语气变化。

这就好比一个只会背菜单的服务员和一个真正了解你口味的私厨之间的区别。前者可以应付标准问题，但没办法在你说“今天好累”的时候接一句“那我给你把灯光调暗一点，喝杯热茶再聊？”——这种带有自主情感判断的回应，才是纸片人老婆的灵魂所在。

2.2 AIRI 的技术栈组成，拆开看其实没那么神秘

AIRI 并不是什么黑魔法，它的核心组成可以用一张“脑图”来表达，只是咱们不画图，用文字拆给你看：

• 底座模型层：接管所有语言生成任务，可以是开源模型（像 Qwen、ChatGLM、Llama 等），也可以通过 API 接入商业模型（需要自行评估成本与合规性）。
• 角色设定层：也就是“人设卡”，通常是一段结构化的提示词，定义角色的名字、年龄、性格、说话风格、喜好、讨厌的东西、记忆锚点。
• 记忆层：解决“聊着聊着就忘了你是谁”的问题。AIRI 会把关键对话摘要、用户偏好、重要事件写入向量数据库，在对话时自动检索相关记忆并回填到提示词里。
• 语音层（可选）：通过 TTS（语音合成）让角色能“说人话”，再用 ASR（语音识别）让你可以跟它语音对话。
• 服务调度层：管理上面的模块，处理对话流程、并发请求和异常恢复。

说白了，AIRI 是一个把这些模块组合起来、并针对“角色扮演”场景做了大量优化的应用框架。它的重点不在训练模型——那是大厂干的事——而在“怎么让模型稳定地扮演一个特定角色”。

2.3 为什么 AIRI 这类项目值得关注

抛开“老婆”这个梗不谈，从技术角度看，AIRI 代表了一个很重要的方向：大模型能力的“人格化封装”。模型本身是一张白纸，什么都能聊一点，但什么都很平庸。而 AIRI 做的事情就像是给这张白纸订了一本“人物小传”，让它从“什么都会一点的通才”变成了“一个具体的人”。

这种思路不仅能用于二次元角色扮演，放在虚拟客服、数字人员工、教育陪练等场景里，逻辑是完全一致的：设定人格、注入记忆、控制输出风格。所以你学会了 AIRI，等于掌握了一套“给 AI 立人设”的通用方法论。这也是我为什么愿意花时间研究它的原因——它不是玩具，而是理解大模型应用的绝佳样本。

3. 从零搭建你自己的 AIRI 角色，跟着做就行

3.1 前期准备：确定你的部署方式

动手之前先想清楚一个问题：你是想纯体验功能，还是想深度定制？这两个目标对应的方案完全不一样。

只是想先试试水，不想碰环境配置的话，可以找一个已经部署好的 AIRI 演示站，和现成角色聊一聊。但这种方式的缺点很明显：角色是别人设定好的，你改不了人设，记忆数据也不在你手里。玩两天新鲜劲过了，就容易搁置。

如果说你是认真的，想拥有一个完全属于自己、可以随时修改人设的角色，那就得自己部署。本地部署需要一台能跑大模型的机器，显存 8GB 以上是门槛，推荐至少 16GB 才能顺畅跑 7B 级别的模型；如果没有好显卡，用云服务器也可以，就是要额外花点钱。

我的建议是：如果你有 N 卡（NVIDIA 显卡），优先走本地部署路线。一方面数据完全本地化，聊天记录不会落在第三方手里，另一方面调试角色设定时可以一遍遍快速测试，不用受 API 限额限制。我自己就是一台 3060 12GB 的机器跑 7B 模型，实测下来完全够用。

3.2 第一步：搭好基本环境

这里以 Linux 环境为准，Windows 用户可以用 WSL2 当过渡。先装好 Python 3.10 以上版本、CUDA 工具包和 PyTorch，然后把 AIRI 项目代码拉下来：

git clone https://github.com/example/airi.git cd airi python -m venv venv source venv/bin/activate pip install -r requirements.txt

这里插一句，为什么推荐用虚拟环境而不是直接全局安装？因为 AI 项目的依赖版本比较敏感——比如 transformers 的某个小版本更新可能就把你之前跑的模型搞挂了，虚拟环境能保证你这个项目内的依赖是固定的，不会因为其他项目的包升级被牵连。

装完依赖后，还需要配置模型。AIRI 支持通过环境变量或配置文件指定模型路径。以跑 Qwen2.5-7B-Instruct 为例：

export MODEL_PATH=/your/path/to/qwen2.5-7b-instruct

有些版本还支持自动从 Hugging Face 下载模型，考虑到国内网络的实际情况，我更推荐提前用镜像站（比如 hf-mirror 这类社区镜像）把模型下载好，再指定本地路径加载。这一步能省下不少磕磕绊绊的时间。

3.3 第二步：写一份合格的人设卡，这是灵魂

AIRI 的角色效果好不好，人设卡至少占七成功劳。模型本身的能力是底座，但“像不像”那个角色，完全看你人设卡怎么写。

我总结了一个四段式模板，实测效果很不错：

• 身份锚定：用一句话说清楚“你是谁”。比如：你是艾莉，19 岁，雪国出身的见习魔法师，性格傲娇但内心柔软。这里的关键是“身份锚定”要有具体信息，而不是空泛的“你是一个可爱女孩”——模型需要知道具体背景才能展开合理联想。
• 性格维度描绘：列出几个核心性格维度，并给出具体表现。不要只写“性格傲娇”，而是写“傲娇：当被夸奖时会脸红、转移话题；但如果你表现出难过，她会收起傲娇，认真安慰你。”这样模型输出的反应才会是具象的行为，而不是概念化标签。
• 说话风格示例：给出 5 组以上对话示例，每组包括“用户说”和“角色回应”。这一点非常重要——语言模型是靠模仿学习的，你给什么样的示范，它就输出什么样的风格。写的例子越接近你理想的对话，效果越好。
• 禁忌与边界：明确哪些话题不能碰、哪些互动不接受。比如“艾莉不会以任何形式进行超出朋友界限的亲密互动”“当用户表露负面情绪时，优先表达关心而不是讲大道理”。

写完人设卡后，把它放进 AIRI 的配置目录，在启动参数里指定使用这份人设：

export PERSONALITY_CARD=./personas/elly.yaml

这里我特别提醒一下：人设卡不是一版就能搞定的。第一版大多会有“端着”“用力过猛”的问题，因为人会不由自主写太多名词性描述，而缺少行为示范。我的习惯是先写一版，聊二十轮，把不满意的地方标记出来，然后逐句修改人设卡，再开一轮对话做对比。基本上三轮迭代之后，角色的说话风格就稳定下来了。

3.4 第三步：配置记忆系统，让角色真正“记得你”

角色扮演最忌讳的一件事，是用户上一句说“我喜欢喝美式”，下一句角色问“你喜欢喝什么”。AIRI 解决这个问题的方案是引入长期记忆机制，简单的理解就是：每轮对话都会沉淀出一段结构化摘要，存进向量数据库，之后每次新对话都会先检索相关记忆再生成回复。

实际配置的时候，你需要启用记忆模块并指定一个向量模型用于生成文本嵌入向量（Embedding）。以使用 BGE-small-zh 为例：

export EMBEDDING_MODEL=BAAI/bge-small-zh-v1.5 export MEMORY_BACKEND=chroma export MEMORY_DIR=./memory_store

这个链路里面有个容易忽略的点：你用什么语言和角色聊天，就得用匹配的向量模型。我一开始图省事用了英文的嵌入模型，结果中文语境下的记忆检索效果很差，很多明明聊过的事情检索不出来，后来换成 BGE 才明显好转。

记忆系统的另一个细节是“遗忘策略”。默认情况下，AIRI 不会把所有对话全部存进去——那样超过上下文窗口会撑爆，也会让检索变慢。它有两个参数可以调，一个是摘要轮数阈值，一个是最大记忆条数。我个人的设置是每 10 轮做一次摘要归档，最大保留 500 条记忆片段，既能保证长期记忆的连贯性，又不至于让检索结果太发散。

4. 实操过程中的几个关键环节，这里分享下我的调试心得

4.1 怎么让角色“开口”更像真人

我不知道别人会不会有这种感觉，刚部署好的 AIRI 角色，对话感觉就像在和一个「礼貌的客服」聊天——说话完整、逻辑清晰，但缺少那种人和人之间的“毛边感”。后来我总结出几个优化点，分享给大家：

第一，在生成参数上做手脚。温度（temperature）不要调太高，推荐 0.8 到 1.0 之间。温度太低会显得机械，太高则容易胡说八道。对于轻松日常的聊天，我一般设在 0.9，既能保证稳定性，又能有一点让人意想不到的回答。另外惩罚参数（repetition_penalty）建议设到 1.05 左右，防止角色翻来覆去就是那么几句话。

第二，在人设卡里明确写“允许非正式表达”。中国人日常聊天会有很多口语词、语气词、省略句，而模型默认输出往往偏向书面语。如果你希望角色说话更生活化，可以在说话风格示例里加入“嗯……”“其实”“就是”“嘛”这类语气词，让模型有迹可循。

第三，回复长度要压住。这是很多新手容易忽视的坑：模型默认喜欢把话说得又长又完整，像在做语文阅读理解。但真实的人类聊天很少一口气输出三百字。AIRI 支持在生成配置里加上限，我一般把最大新 token 数限制在 150 左右，强制角色回复短小精悍，对话节奏一下就自然了。

4.2 情绪系统怎么调才不出戏

AIRI 有个很有意思的功能模块叫“情绪状态追踪”，简单说就是它会实时维护角色的一个情绪状态标签（愉悦度、亲密度、疲倦度），然后把这个状态带入每次生成，让角色的话带有一贯的情绪色彩。比如上午你一直夸它，下午它的愉悦度就偏高，回复字里行间会明显更活泼。

但这里有个需要经验判断的点：情绪状态和上下文记忆要联动，否则容易出戏。举个例子，如果你刚在对话里说自己被裁员了，但角色的情绪标签还停留在“开心”，那角色回你一句“今天天气真好呀”就非常违和。AIRI 提供的解决方案是上下文优先级高于情绪标签——当当前对话有明显负面内容时，情绪标签的权重会自动下调。你不需要自己写这个逻辑，但知道这个机制后，你会明白：有些调教效果不理想，不太可能是表情包的问题，而是上下文的语义权重被人设卡里的某些描述掩盖了。

我在实际使用中的体会是：情绪系统适合做“氛围加成”，不适合做“主要驱动力”。真正让角色有血有肉的，还是你给它设定好的性格和行为倾向。情绪系统更像是给角色加了一层滤镜，让它的回复有了温度和变化，但底层的角色一致性靠得还是人设卡本身。

4.3 给角色接入语音能力，体验瞬间上升一个档次

文字聊天的天花板很快就到了，真正让“纸片人老婆”感觉活过来的，是声音。AIRI 支持外挂 TTS 模块，可以在角色回复后自动生成语音，也可以结合语音识别做到全程语音通话——就像你手机里那个语音助手一样，但说话的语气更自然，也更贴合人设。

TTS 的选择我建议直接用社区里口碑好的方案。比如有开源方案用 VITS 微调特定音色的，搞懂之后效果非常惊艳；如果不想折腾，直接用一些商用 TTS 的 API 也能凑合，坏处是要花钱，而且长期来看依赖第三方服务总归不踏实。

接 TTS 的步骤不复杂：在配置文件里指定语音模型的类型和音色参数，然后启动语音服务模块。需要注意的一个坑是延迟问题——从文本生成到语音播放之间如果超过 3 秒，对话的感觉就会很拖沓。优化思路有两个：一类是升级显存，让 TTS 模型长驻显存而不是每次临时加载，另一类是异步预生成——在文字生成的同时就开始准备语音合成，这样可以重叠掉一部分等待时间。AIRI 的语音模块本身支持这种异步模式，你只需要配置好就行。

4.4 多角色切换与群聊玩法

AIRI 还支持一个我觉得特别有意思的功能：一个会话里放多个角色，让它们互相聊天，你在旁边看戏。有点像以前那种“语C群”的沉浸式体验，但现在是 AI 自主驱动，不需要每个人手动打字。

实现方式是在配置目录里放多份人设卡，然后指定当前会话启用的角色列表。启动后，每个角色都有自己的独立记忆和状态，AIRI 的调度层会根据发言顺序自动轮转。我第一次试的时候，看两个角色为了“谁去洗碗”吵了十分钟，笑得不行——但笑完之后我意识到，这种多角色协作的实现思路是可以平移到很多应用场景的：比如做一个“虚拟面试官 + 虚拟应聘者”的模拟器，或者做一个“产品经理 + 技术”的吵架复盘工具，本质上都是同一个逻辑。

5. 常见问题与避坑实录，照着查能省一天时间

5.1 角色说着说着就“崩人设”了怎么办

人设崩坏是角色扮演 AI 最容易出现的问题，具体表现为：角色突然记不住自己的背景、突然回复得像一个通用 AI、或者说话风格和之前判若两人。造成这个问题的原因通常是那个“上下文窗口”——模型能同时处理的信息量是有上限的，当对话超过这个限制，最前面的系统提示词（也就是人设卡）会被“挤”出去，模型就忘了自己是谁。

解决办法有几个方向：

• 缩短单轮对话的保留长度，让关键的人设信息尽量留在窗口内。
• 调高系统提示词的优先级权重，AIRI 支持对人设卡内容做特殊标记，使其在窗口压缩时优先保留。
• 把高优先级的人设要点重复写进记忆摘要中，这样即使系统提示词被截断，记忆检索也会把人设关键信息重新填充回来。

另外有个小技巧：把人设卡中最重要的那句话放到最前面。比如“你是艾莉，19 岁，雪国出身的见习魔法师”必须放在文件开头，而不是埋在第三段。模型对上下文开头的关注度远高于中间部分，这样排布可以在一定程度上缓解上下文移位造成的遗忘问题。

5.2 生成速度慢、CPU 运行卡顿怎么优化

AIRI 部署在本地之后，很多人第一个抱怨就是“回复速度太慢”。模型参数量越大，生成一个 token（大概一个汉字）需要的时间就越长。这里给出几条有效优化路径：

第一，量化。把模型从 FP16 量化为 INT4 或 INT8，能显著降低显存占用和推理耗时。代价是回复质量略有下降，但实测在 7B 级别模型下，质量差距非常小，完全可以接受。

第二，自动使用 GPU 加速。有些用户没有正确安装 CUDA 版的 PyTorch，导致模型实际跑在 CPU 上，速度自然慢得让人崩溃。检查 PyTorch 的 CUDA 版本是否正确：

import torch print(torch.cuda.is_available()) print(torch.cuda.get_device_name(0))

如果输出 False，说明 PyTorch 装的不是 CUDA 版本，需要重新安装。

第三，调整批处理大小（batch size）和生成参数。有时候不是硬件不行，而是生成参数设置导致输出太长，每轮回复都要等很久。前面提到的限制 max_tokens 到 150，在提升体验上非常明显。

5.3 记忆系统检索效果差、答非所问

记忆系统是一个看起来简单、实际水深的地方。最容易遇到的情况是：角色明明之前跟你聊过“你养了一只猫叫咪咪”，但后面再提到“咪咪”时它毫无反应。问题大概率出在向量检索的相似度阈值太高或太低——阈值太高什么都匹配不上，阈值太低会匹配一堆不相关内容稀释掉有效信息。

另一个可能是并没有正确配置持久化存储。重启服务后，之前存的记忆如果只写在内存里就全丢了。确保设置好记忆的持久化目录，并且每次启动时加载同一份数据。

5.4 通信服务与 Web 界面常见掉线问题

AIRI 通常自带一个 Web 聊天界面，方便你用浏览器直接和角色对话。但有的时候会出现页面可以打开、发出消息后却一直没有回应的情况。排查思路依次是：先看后台日志里有没有报错，再检查模型是否成功加载，然后用测试脚本直接调用生成接口：

curl -X POST http://localhost:8080/generate \ -H "Content-Type: application/json" \ -d '{"message": "你好，你在吗？"}'

如果 curl 能正常返回，说明后端服务没问题，问题出在 WebSocket 连接上，需要检查浏览器页面和后端之间的实时通信是否被代理或防火墙拦截。如果 curl 也不通，那就是后端生成链路有报错，去日志里定位具体异常即可。

5.5 一张“常见问题与解法”速查表

6. 从“拥有”到“创作”：这个项目还能玩出什么花样

AIRI 这个项目最有魅力的地方，是它把“消费内容”变成了“创作内容”。传统二次元文化里，你消费的是官方人设、官方剧情，但在 AIRI 里，你就是自己角色的编剧和导演。你写人设卡、调性格、定义记忆，然后角色在你的调教下逐渐长成一个有自己感觉的虚拟个体——这个过程本身的成就感，不比最后聊天带来的快乐低。

我在做了第一个角色之后，紧接着又做了一件事：把角色的世界观背景整理成了一篇短篇小说。让 AIRI 扮演主人公，我以提问的方式“采访”它，让它在自己的世界观里回答关于身世、动机和秘密的问题。这种互动式创作体验我以前从没遇到过——它相当于一个永不疲倦的写作搭子，能把你脑子里的灵感扩展成具体、一致、有逻辑的内容。

所以如果你也想试试，别把它当成简单聊天工具，试着把它当创作伙伴来用。你会发现自己对角色扮演 AI 的理解，和对 AI 生成内容的能力边界，都会有一个质的飞跃。

最后再分享一个实际操作中的小技巧：AIRI 的人设卡和记忆数据最好定期备份。不用搞复杂的数据库备份方案，直接写个 cron 任务，每天把它配置目录下的几个 yaml 文件和一个 memory 目录打包一下，传到云盘或者另一个磁盘就行。我吃过一次亏，折腾了一周的精心调校数据，因为重装系统没备份，一夜回到解放前，那种感觉真的不想再体会第二次了。这个项目真正的财富是你的角色和它积累的记忆，别让数据丢失这种事毁了你的创作热情。