让玩家自由表达，同时把叙事规则留在作者手中。
生成式角色为互动叙事带来了此前难以实现的自由度：玩家不再只能从预设选项中选择，而是可以直接用自然语言与角色交流。但自由输入也带来一个更根本的问题——如果语言模型同时负责角色表达、规则判断和剧情转场，一次看似自然的生成就可能改写状态、捏造证据，甚至绕过作者设置的路线边界。
Monogatari 研究的并不是如何让模型“接管剧情”，而是如何把生成式角色放入一个可验证、可回放、失败后不会留下半提交状态的叙事系统。
将一次对话拆成三项职责
Monogatari 把每个实时回合拆为生成、评估和提交三个独立阶段。
首先，NPC 模型依据场景、角色设定、固定知识、近期对话以及封闭的目标集合，生成玩家能够看到的角色文本。模型可以决定角色如何表达，但不能直接改变分数、证据、节点或结局。
随后，独立评估器读取已经完成并通过输出守卫的对话，提出受限的分数变化、证据、情绪和摘要。每条证据都必须引用玩家当前输入中的精确原文，不能依赖模糊印象，也不能补写玩家没有说过的话。
最后，确定性核心检查评分维度、数值边界、证据 ID、原文引用和重复项。只有全部验证通过，角色文本、分数、证据、关系与当前节点才会被原子提交；下一节点则继续由作者定义的优先级、证据门、分数门、回合数与超时条件决定。
这套架构最重要的能力，恰恰是一项“负能力”：NPC 文本没有路线权限。它牺牲了一次模型调用包办全部工作的便利，换取了状态可审计、失败可回滚和路线可复现。
证据优先，而不是印象打分
在开放式对话里，“玩家表现得很好”并不是可以验证的状态。Monogatari 要求评估器为观察到的证据附上当前输入中的原文引文，验证层据此拒绝未知证据、历史文本冒用、重复引用和捏造内容。
证据由此承担双重作用：它既是状态变化的来源，也是后续剧情转场的条件。作者不需要预测玩家会说出的每一句话，只需要定义哪些可观察事实足以推动故事。
系统也采用悲观提交策略。只要角色生成失败、文本越界、评估失败或结构解析失败，整个回合的持久状态就保持不变。预设恢复文本可以维持体验连续性，却不会伪装成一次成功生成。
对于提示注入、隐藏提示索取、伪造管理员指令和越权分数提案，系统会进入独立安全事件：记录攻击分类、返回作者定义的角色内恢复文本，并保持零分、零证据。攻击内容不会进入普通评分路径，也不会成为角色世界观中的后续记忆。
33 套质量套件如何验证叙事规则
截至 2026 年 8 月 5 日，项目通过 MCP 对全部 33 份质量套件进行了逐套执行，结果为 33/33 套件通过、114/114 场景通过，共覆盖 1,239 个固定回放回合。
这些测试并非只验证一条理想路线。质量语料包含完整、部分、资源耗尽和结构攻击路径，其中有 81 项结局断言、75 项最低覆盖率断言以及 33 个结构攻击场景。攻击场景要求守卫生效、未防护攻击计数为零，并确保分数和证据未被伪造。
每份质量套件还通过来源 SHA-256 与输入文件绑定。执行过程使用不依赖模型服务的状态机，不修改持久状态，因此能够重复验证节点、分数、证据、攻击处理与结局合同，而不受模型输出波动影响。
从原型扩展到长篇内容
研究示例语料目前包含 6 个 Campaign、33 个实时章节、99 条 Campaign 路由与 99 个结局。运行时配置累计形成 257 个节点、291 条转场、783 个节点级评分规则实例和 442 个证据门。
内容规模增长并没有把更多控制权交回提示词。每个章节依然使用同一套节点、证据 ID、受限评分维度、超时目标和结局引用来表达路线。系统的扩展单位不是越来越长的系统提示，而是可验证、可版本化的内容合同。
面向 Agent 辅助创作，monogatari-mcp 提供 15 个标准工具，覆盖项目检查、确定性预览、质量执行、评审事务和项目包交换。Agent 的写入需要先生成计划，再以精确 SHA-256 作为前置条件应用；候选内容必须经过真实核心运行时验证，失败则回滚。
门禁发现的回归同样属于研究结果
当前结果并非一张被选择性展示的全绿截图。2026 年 8 月 5 日复跑 18 个默认模块时，首轮结果为 16 个通过、2 个失败。Rust/Tauri 模块随后精确隔离复跑并取得 188/188 项通过，但自动化契约仍能复现“项目在被记录为 active 之前没有先完成验证”的顺序回归。
因此，33/33 质量套件通过可以证明状态机、证据、守卫和路线合同，但不能被写成“当前完整发布门已通过”。这一区分说明门禁不仅用于展示成功，也用于识别系统何时不再满足自身安全假设。
当前结论与下一阶段
现有证据支持一个明确结论：自由输入不必等于剧情失控。模型可以让角色表达保持开放，作者仍能通过确定性合同控制状态与路线。
但 1,239 个固定回放回合不是 1,239 个实时模型生成回合；规则通过也不等于角色魅力、长程情感一致性或玩家满意度。现有少量实时模型记录只证明链路可运行，尚不足以比较模型质量。
下一阶段将首先恢复完整发布门，然后建立统一的实时模型评测矩阵，分别测量生成成功率、评估解析率、守卫拒绝率、原子提交率、延迟和成本，并通过人类盲评衡量角色一致性、自然度、目标推进与玩家感知能动性。
Monogatari 希望建立的不是一位不受约束的“AI 游戏主持人”，而是一种更克制的生成式叙事：模型负责让角色活起来，规则系统负责让故事仍然可解释、可复现、可回滚。