浙江大学联手腾讯优图提出AdaMARP：四通道消息+场景管理器，让AI真正学会‘导演’角色扮演游戏

导语：浙江大学与腾讯优图推出AdaMARP，让AI从聊天机器人进阶为沉浸式角色扮演导演。

大语言模型在角色扮演任务上进展迅速，但现有系统往往缺乏沉浸感和适应性：环境信息未被充分建模，场景与角色也多为静态，难以支撑多角色调度、场景切换、动态引入新人等复杂叙事需求。现在，浙江大学联合腾讯优图实验室提出 AdaMARP（Adaptive Multi-Agent Interaction Framework for General Immersive Role-Playing）——一种面向通用沉浸式角色扮演的自适应多智能体交互框架。

该框架通过四通道消息格式和场景管理器，让AI不仅会‘说’，还会‘想’、会‘动’、会‘感知环境’，并在复杂叙事中灵活切换场景、动态引入新角色。目前该工作已被ACL 2026接收。

从跟AI聊天到和角色共处

大语言模型在角色扮演任务上的应用正快速普及：用户可以设定任意角色（历史人物、小说角色、原创人设），与AI进行持续的叙事互动。理想状态下，AI应当能够代入这个角色，在情境中保持人设一致、对环境敏感、对他人话语做出贴合关系的回应。但现实中，大多数系统更像是会说话的聊天机器人：对话虽流畅，却缺少情境感和叙事张力。以探案为例，故事往往在一个固定场景、固定人物之间反复进行，无法四处搜证、无法与不同证人轮番对质、无法让环境线索真正参与推理，缺乏真正的剧情推进和世界变化。

现有方法缺了环境信号，也缺了‘组织者’

研究团队指出，当前角色扮演系统主要存在两类局限。不少工作只建模角色的台词（Speech）；后来有研究加入了动作（Action）或内心独白（Thought），但在叙事中，环境并非可有可无的装饰。它会塑造氛围、推动因果，连接角色的行动、世界的变化与后续对话。例如：案发现场地毯上的蜡痕、煤气灯照出的阴影角度、证人住所门口未干的泥渍……这些环境信号既能支撑推理（蜡痕指向婚礼蜡烛，泥渍暗示来客方向），也能成为剧情转折的契机（换一个场景，就换一批证人和线索）。若系统不把环境当作与台词、动作同等重要的信号来建模，角色就容易像是在一个空房间里自言自语，探案也就失去了‘搜证’的实感。

多数系统假定：场景不变、人物不变、用户与某个固定角色一问一答。但探案恰恰需要四处搜证：从案发现场到苏格兰场，从房东太太的公寓到嫌疑人的宅邸，每个场景都有不同的环境和证人。谁来接下一句？是先问管家还是先问马车夫？何时换场景、何时引入新证人？现有框架很少系统性地回答这些问题。没有这些能力，故事就很难自然地‘演下去’，更像是在一个封闭的聊天室里重复对话，而非一场真正的调查。

AdaMARP：四通道消息格式+场景管理器

AdaMARP从两个方向回应上述问题。

四通道消息格式

AdaMARP 为每一轮交互定义了一种四通道交织的消息格式：

这样，一个完整的回应可以同时包含思考、动作、环境感知和言语，且顺序可灵活交织。例如，福尔摩斯在讯问证人时：<煤气灯摇曳，证人下意识地瞥向壁炉上的时钟> [他在回避具体时间，那段时间他不在场]（用烟斗轻轻敲了敲桌面）案发当晚八点到九点，您究竟在哪里？环境线索 → 内心推理 → 施压动作 → 追问话语，四者形成一条清晰的因果链，更贴近真实探案的节奏。同时，环境不再只是点缀。案发现场的物证摆放会支撑角色的推理链条；证人住所的布置（凌乱的书桌、未拆的信件）可以暗示性格与行踪；场景切换则自然引入新的证人与线索。环境既参与氛围营造，也参与推理与叙事的因果。

三智能体协作

AdaMARP将角色扮演建模为三个智能体的协作：

Actor模型：扮演所有非用户角色；
User模型：代表用户方（可由 LLM 模拟或真人替代）；
场景管理器（Scene Manager）：负责高层调度与控制。

场景管理器通过一组离散动作来驱动整场‘演出’：

init_scene：初始化场景（如：贝克街 221B，或某起凶案现场）；
pick_speaker：选择下一句由谁来说——是福尔摩斯追问、华生补充，还是证人陈述？并给出理由；
switch_scene：切换场景（从案发现场到证人公寓，从苏格兰场到嫌疑人宅邸）；
add_role：在叙事中动态引入新角色（新发现的证人、突然登门的访客，含人设与动机）；
end：结束本场互动。

每一步决策都会输出对应的理由，使调度过程可解释、可约束。这样，系统既能决定‘谁来接话’，也能决定‘何时换场景搜证’‘何时引入新证人’，从而支持更复杂、更开放的多角色探案叙事。

AdaMARP：浙江大学提出自适应多智能体框架，实现沉浸式AI角色扮演

上述设计在实践中如何运转？不妨看一段福尔摩斯探案叙事的拆解。各环节均由场景管理器调度，需要注意的是本案例仅仅用于理解，省略了部分细节例如详细的角色档案、角色动机场景管理器的原始输出等。

角色：福尔摩斯、华生。初始场景：伦敦东区某寓所三层，案发后的深夜。厚重的窗帘半掩，煤气灯在风中摇曳，在墙面上投下晃动的影子。壁炉已熄，余烬旁的地毯上有一小块凝固的蜡痕，不远处散落着几根烧尽的火柴。福尔摩斯与华生立于现场中央，窗外隐约传来泰晤士河上的汽笛声。

选择的动作为：pick_speaker（speaker: 福尔摩斯）理由：侦探应先勘察现场并给出初步推理
福尔摩斯：〈煤气灯昏黄，蜡痕在阴影中隐约可见〉[烛泪的位置和形状……婚礼蜡烛，而且是左手持烛]（蹲下身捻起碎屑嗅了嗅，站起身）华生，去查查最近三个月内举办过婚礼、且家中有人左撇子的家庭。
选择的动作为：pick_speaker（speaker: 华生）理由：福尔摩斯已下达指令，助手应领命执行
华生：（点点头）明白（推门而出）〈走廊里传来渐远的脚步声，随后是马车驶离的声响〉
选择的动作为：switch_scene理由：华生已前往调查，需切换至下一个搜证地点——案发地邻居的住所
新场景：白教堂附近一栋老式公寓，房东太太的住处。狭窄的木楼梯吱呀作响，扶手蒙着一层油腻。二楼的走廊昏暗，炖菜的气味从尽头的厨房飘来。门厅狭小，壁炉上摆着一只廉价的瓷钟，墙角堆着未拆的信件。
选择的动作为：add_role（new_role: 房东太太，案发现场的邻居，这栋公寓的房东）理由：作为案发地邻居，可能掌握关键证词，需引入讯问
理由：讯问应由侦探主导开场
福尔摩斯：（摘下礼帽，微微颔首）夫人，案发当晚八点到九点，您是否听见三楼有任何异常声响？
选择的动作为：pick_speaker（speaker: 房东太太）理由：需听取证人对时间线的陈述。
房东太太：〈下意识地瞥向壁炉上的时钟〉
理由：证人出现回避迹象，应继续追问施压
福尔摩斯：[她在回避具体时间]（用烟斗轻轻敲了敲桌面）那段时间，您究竟在哪里？
理由：给证人回答的机会
房东太太：（咬了咬嘴唇，正要开口——）
选择的动作为：add_role（new_role: 雷斯垂德探长）理由：新证人线索出现，探长需汇报调查进展
选择的动作为：pick_speaker（speaker: 雷斯垂德）理由：探长带来新线索，应由其先行说明。
雷斯垂德：福尔摩斯先生，我们发现了新的证人，马车夫说他当晚载过一名黑衣男子……