SillyTavern项目新增作者笔记宏功能解析
2025-05-15 08:35:11作者:江焘钦
功能背景
SillyTavern作为一款角色扮演聊天工具,在最新的开发分支中引入了两个实用的新宏功能:{{authorNote}}和{{charAuthorNote}}。这两个宏的设计初衷是为了让用户能够更灵活地访问和使用作者笔记内容,即使这些笔记功能在当前对话中被禁用。
技术实现原理
传统的作者笔记功能通常只在特定条件下才会被注入到对话上下文中。新实现的宏功能通过以下方式工作:
- 直接访问存储层:宏会绕过常规的条件检查逻辑,直接从数据存储层获取笔记内容
- 状态无关性:无论笔记功能是否启用,宏都能返回存储的笔记内容
- 全局可用性:这些宏可以在任何支持宏解析的地方使用,包括但不限于聊天消息、世界信息条目等
使用场景分析
这项功能特别适合以下使用场景:
- 动态引用:在对话中需要引用作者笔记内容,但又不希望总是显示完整笔记
- 条件组合:将笔记内容与其他文本组合,创建更复杂的提示或响应
- 状态检查:通过宏获取笔记内容后,可以在脚本中进行逻辑判断
- 跨功能集成:将作者笔记内容整合到其他功能模块中
与传统方法的对比
在引入这些宏之前,用户通常需要通过以下方式间接获取笔记内容:
- 世界信息变量:需要手动设置和维护变量
- 脚本存储:需要编写额外的脚本逻辑来捕获和更新内容
- 优先级管理:需要配置多个世界信息条目来模拟启用/禁用状态
相比之下,新的宏功能提供了更简洁直接的访问方式,减少了配置复杂度。
技术优势
- 简化工作流:用户不再需要复杂的变量管理
- 实时性:内容变更会立即反映在宏输出中
- 一致性:保证所有地方获取的笔记内容都是最新版本
- 可维护性:减少了用户需要维护的脚本和变量数量
最佳实践建议
- 命名规范:为作者笔记使用清晰的命名,便于在宏中引用
- 内容管理:定期审查笔记内容,确保宏引用的信息是最新的
- 性能考虑:避免在循环或高频调用的地方过度使用这些宏
- 组合使用:可以与其他宏或脚本功能结合,实现更复杂的行为
未来发展方向
这项功能的引入为SillyTavern开辟了更多可能性:
- 条件宏扩展:可以基于笔记内容实现条件逻辑
- 内容分析:对笔记内容进行自动处理和分析
- 模板集成:将笔记内容整合到消息模板中
- 跨角色引用:实现不同角色间笔记内容的共享和引用
这项改进体现了SillyTavern项目对用户体验的持续关注,通过提供更灵活的内容访问方式,为用户创造了更多创造性的可能性。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
184
196
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
265
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
275
97
暂无简介
Dart
623
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
380
3.43 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
621
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1