过去几个月，我和朋友一起开发了一个文本基于的生活模拟游戏，我们很快就遇到了人工智能游戏最大的障碍：语境窗口。如果只将游戏包围在一个聊天机器人上，AI 最终会忘记玩家的道具，幻想死掉的NPC 回到生命状态，整体上完全失去了剧本。

我们意识到，只有这样才能让它工作，即叙事文本不能成为真实的源头。我们需要一个引擎，所有行动和发展都始终按照时间线发生，并且将其记住，以便过去的决定可以影响未来。

我们的解决方案是完全从LLM中切分模拟。

我们将规范游戏状态储存入PostgreSQL数据库，使用Prisma与不同人工智能代理分开管理游戏每个方面的编辑，代替每次重写整个游戏状态或需要在一个聊天机器人上运行。

当玩家输入一个自由形式的动作时，特设的决策AI根据他们的结构化统计（如谈判或潜行)判定成功，更新数据库。

只有当状态变化之后，一张单独的叙事GM生成文本，以说明发生了什么。

这相当于一个天疼的头痛，还在处理边界情况，world逻辑不匹配的BUG会随时渗透出来。对于正在与LLM合作的开发者们，各位如何处理ersistent状态？您是否使用结构化输出的全部，还是使用向量数据库来实现记忆功能？