CicaTavern
Agent 式的 SillyTavern 角色卡酒馆：导入酒馆的角色卡、世界书和预设，用自己的模型 API 跑剧情。提示词按缓存设计，长对话每轮缓存命中中位数 97%；「好的角色扮演」写成了预设规则和写卡质检，坏回复用小评测追到根因。
酒馆角色卡导进来，用自己的 API 接着玩
SillyTavern（酒馆）是 AI 角色扮演玩家最常用的前端，社区积累了大量角色卡、世界书和预设；但它更像一套给熟手的工具箱，长对话也很费 token。CicaTavern 是一个本地运行的 Agent 式酒馆：直接导入酒馆的角色卡、世界书、预设、正则和 MVU 变量，用你自己的模型 API（DeepSeek、Claude、OpenAI、Gemini、Kimi、本机 Ollama 等）跑剧情，数据只存在自己的设备上。Windows 解压即用，Mac 测试版经 Apple 签名公证，也有安卓版；MIT 开源，15 天里发布了 40 个版本。
前缀固定、每轮只追加：长对话的大部分输入都按缓存价计费
常见的做法是每轮重新拼装提示词，把这一轮触发的世界书、状态变量插在前面或中间——前缀一变，后面的内容全部失去缓存，按原价重算。CicaTavern 反过来按缓存来设计：角色卡、常驻世界书和预设在开局时写进一个冻结的前缀，之后每一轮只在末尾追加；会变的东西（触发的世界书、变量、本轮提醒）都放进最后一条消息。Anthropic 接口在系统提示和最后一条消息上各打一个缓存断点，DeepSeek、OpenAI 这类接口则自动命中相同前缀。
在此之上还有几处细抠：动态设定每轮只发改动的行，旧副本堆到阈值才一次性清掉；同一条世界书最近几轮注入过就不再重发。自用版还会把旧回复里给 AI 看的变量更新块按卡片正则精简后再续接，赶在它进入缓存之前改写，实测一条 MVU 回复从 2428 字减到 586 字，命中率不受影响。
| 模型 | 平均上下文 | 统计轮数 | 每轮缓存命中（中位数） |
|---|---|---|---|
| Claude Opus 5.5 | 约 15 万 token | 84 | 97% |
| Claude Sonnet 5.5 | 约 6 万 token | 51 | 93% |
| DeepSeek V4.1 Flash（火山方舟 API） | 约 7 万 token | 13 | 97% |
模型在后台多做几件事，你只管往下玩
后台续写，多端同步
切到别的对话、刷新页面，这一轮照样写完；手机和电脑同时开着时，一边发了一轮，另一边马上跟上。
状态栏与行动选项
回复末尾的 MVU 变量更新直接解析成状态栏，数值带这一轮的涨跌，漏写了能单独补写；回复后附四个行动选项，不满意可以「换一组」——用同一个模型、同样的上下文重问，读的是缓存，约 1 秒出结果。
配图、朗读与角色名册
辅助模型读这段剧情、按角色名册写画面提示词，有 9 种画风预设，后端可选 gpt-image、Gemini、NovelAI、ComfyUI 或 SD WebUI；对白和旁白各用一种音色，也能语音输入。每个角色的长相、衣着、音色都记下来，画多少张都是同一个人。
一键把剧情变成视觉小说
视觉小说模式把剧情变成游戏画面：场景图当背景，说话的角色站在前面，名字栏、打字机效果，一句一句往下读；多人同台时正在说话的亮着、其他人暗下去，立绘有 7 种表情差分；好感、体力这类数值常驻在 HUD 上，变化时弹出提示。说话人由模型每句标出「【名字|表情】」，这个要求只放在本轮的消息里、不进固定前缀，所以不影响缓存。2.1 加了专门的视觉小说预设（对白为主，旁白只写看得见的动作），还能一键给名单里的人画齐立绘、表情和背景。
从零写一张卡，或者用一句话改现有的卡
引导式创作把写卡拆成四步：先聊想法，每个选项都配示例句，文风从几段短样例里挑；再定方案，一次给出三版，设定可以分组组合，性格可以随数值分阶段变化；然后由模型动笔，写完先过一遍质检（见下一节）；最后打磨开场白、世界书和头像，导出成酒馆能直接导入的 PNG 卡。已有的卡、世界书、预设、正则也能用对话修改：说一句「让她说话更冷淡一点」，改动列成改前改后对照，勾选的才写进去；新写的正则先拿最新一条回复在单独的线程里试跑，再决定用不用。
把「好的角色扮演」写成可检查的规则
玩家最常抱怨的几件事——角色替自己说话、角色知道了不该知道的事、选项写着写着就没了——都先写成明确的标准，再落到预设、质检和修复里。
| 开关 | 写进提示词的标准 |
|---|---|
| 防抢话 · 标准 | 不替玩家角色说话、做决定或描写其内心；玩家做了什么以玩家输入为准，只写它带来的结果和其他角色的反应；可以有被动的外在反应。 |
| 防抢话 · 严格 | 写到需要玩家回应或抉择的地方就停笔，也不用「轮到你了」这类话收尾。 |
| 防全知 | 每个角色只知道自己亲历、亲耳听到或能合理得知的事……要让角色知道一件事，先写出他得知的途径。 |
| 行动选项 | 每项一句话，只写玩家的行动或台词，不写结果；四项方向各不相同，至少一项出人意料。 |
| 文风 · 白描 | 句子短而准，多写动作、对白和看得见的细节，少用形容词和比喻，不替读者总结情绪。 |
| 视觉小说预设 | 对白多不等于信息多……秘密和关键信息一点一点给出；旁白每段一到两句，只写看得见的动作、表情和变化。 |
写卡的质检分三步：先用 11 类规则扫一遍套话——破折号、「似乎 / 仿佛」这类模糊词、「嘴角上扬」「闪过一丝」这类表情套话、「心湖泛起涟漪」这类陈旧比喻、「她感到」这种隔着讲情绪、「一股……涌上」这种假主语等，命中只算候选，用户自己的原话不查；再让模型以「宁可多挑」的标准审稿，挑出贴标签、翻译腔和前后矛盾，每条都必须给出能在原文里一字不差找到的片段；最后就地替换，找不到原文的整段重写。还有一个反直觉的取舍：要避开的写法在提示词里只按类别点名、不列具体词——把词列进提示词，模型反而会把它们写进回答；具体清单只给检查器用。
行动选项写着写着就没了（2.1.1）
长对话里，变量更新块渐渐不写了（1.9.1）
回答牛头不对马嘴（2.1.0）
| 模型 | 表现 | 应对 |
|---|---|---|
| DeepSeek flash | 默认先思考，思考算在同一个输出上限里；答案在结尾标签前被截断，整段就读不出来 | 输出上限只用来拦失控的回答，给思考留足余量 |
| DeepSeek flash | 偶尔写错结尾标签；让它「写出创作方案」，常会写成一篇 Markdown 文档 | 标签写错、漏写也能解析；格式要求在提示词结尾再说一遍 |
| Claude | Opus 5.5 总会思考，Sonnet 5.5 能关掉；关掉思考后努力程度最高只到 high | 「思考 / 努力程度」按每个模型自己的规则映射，界面上统一一套开关 |
| Claude（经中转） | 历史里的缓存标记一多，有的中转会把历史重复计费 | 历史里只留一个断点；实测和不打标记计费相同，缓存照样命中 |
| Gemini | 内容审查拦下回复时只返回一个 PROHIBITED_CONTENT，玩家以为是应用或 API 坏了 | 按 PROHIBITED、SAFETY、RECITATION 分别说明原因和能做的事 |
抢话靠提示词能修，越界要靠数据
为了知道这些规则到底管不管用，在 CicaTavern 真实的提示词链路上搭了一个角色扮演小评测：先定问题分类，再跑两个模型、两个版本对比。
| 类别 | 类型 | 怎么判 |
|---|---|---|
| A1 抢话 | 替说台词 · 替做决定 · 替添动作 · 写内心 · 过度矫正 · 出戏说明 | 叙述替玩家角色做了玩家没做的事；每条记类型、严重度（1 轻微 / 2 严重）和一句一字不差的原文证据 |
| A2 信息越界 | 说破 · 编途径 · 被秘密牵着走 · 过度矫正 | 非玩家角色知道了不该知道的事；旁白用镜头暗示不算，合理的幕后传话不算 |
| C1 格式块衰减 | 时间框 · 四个行动选项 · 变量块 | 规则脚本检查，不用评审；随轮数看衰减 |
方法上的几条约束：预测在正式跑之前写好并记下 SHA-256，跑完逐条对照；判据看过数据后改过的地方，记进证伪记录（目前 7 条）；评审结果倒序再评一遍，看顺序影响；另做了隐藏模型和条件、打乱顺序的盲标页面，给人工金标用。第一版的发现（deepseek-v4.1-flash 与 claude-sonnet-5-5，CicaTavern 2.2.3 对比 2.1.0）：
| 场景 | 结果 | 读法 |
|---|---|---|
| 没开防抢话，官差当面盘问、玩家只说「继续」 | Claude 3/3 替玩家答话、交出路引；DeepSeek 0/3。开标准档后两者严重抢话都是 0 | 抢话属于提示词能修好的那类 |
| 开着防全知，掌柜「知道」客人问过后门 | Claude 2/3 编出与情节矛盾的得知途径；DeepSeek 1/3 直接说破 | 强模型不是不懂规则，而是太想配合玩家，让人物替玩家铺路——这类要靠数据修 |
| 行动选项漏写（2.1.1 修复前后） | DeepSeek 12/60 → 4/90；Claude 0/30 → 1/60 | 修复方向成立，但幅度比当时观察的小：评测也纠正了自己当初的印象 |
技术亮点
一个人从自用工具做到公开发布，工程上主要解决了这几件事。
缓存优先的提示词布局
冻结前缀 + 只在末尾追加，动态设定按行增量发送、到阈值统一清理；「每轮都要遵守」的规则写进前缀末尾，每轮只附一句点名的提醒；视觉小说的说话人标注、换一组选项这类每轮要求，也都放进本轮消息而不动前缀。
零框架的本地应用
后端是 Node 内置 http 服务，前端是不经构建的原生 ES Module；Windows 外壳是一个 C++ 启动器，带上 Node 运行时、用 Edge/Chrome 的应用窗口打开界面，解压即用；Mac 版签名并经 Apple 公证；安卓版用 nodejs-mobile 内嵌同一份服务端。
兼容酒馆生态，也防着它
角色卡 V1/V2/V3、世界书、预设、正则、SillyTavern 对话记录直接导入；卡里的 EJS 在 QuickJS 沙箱里执行，卡片 HTML 在隔离 iframe 里渲染；会卡死的正则放到单独线程、最多等 250ms，拦截原型污染，PNG 解压有上限。
一份代码，多个版本
个人版、发布版、安卓版的差异集中在一张能力表里；公开仓库由导出脚本生成，剔除订阅后端。应用内更新核对 SHA-256、失败自动回退，国内镜像的版本信息带 Ed25519 签名。
让每个故事，都有人陪它写下去。