Cara kerjanya

Setiap ekspor menjadi pesan ternormalisasi yang sama. Kemudian setiap tindakan persona diputar ulang ke model sebagai pemanggilan alat (tool call), sehingga model belajar bagaimana orang itu berinteraksi, bukan hanya apa yang mereka tulis, dan menjawab dengan cara yang sama.

Tindakan sebagai pemanggilan alat

Yang dilakukan persona	Pemanggilan alat dalam riwayat dan jawaban langsung
balon teks, mungkin balasan atau kutipan parsial	send_message {text, reply_to?, quote?}
stiker	send_sticker {sticker_id, reply_to?}
GIF dari pustaka, atau URL dari alat MCP	send_gif {gif_id | url, caption?}
foto, video, suara, audio, berkas	send_media {media_id, caption?}
postingan yang diteruskan	forward_message {message_id}
reaksi	react {message_id, emoji}
(mengingat riwayat lama)	search_history {query}

Beberapa pemanggilan dalam satu giliran menjadi beberapa balon. Pesan dari pihak lain menjadi baris ringkas yang dirujuk oleh id:

#52108 19:08 ↩ balasan ke #52107 (kamu: "lasagna nenek 🍝"): Kamu belum pernah membuat lasagna sekali pun.
<sticker stk_156dbb381a>: seekor kucing bertopi koki sedang mengaduk panci
bereaksi 😂 ke #52107 ("lasagna nenek 🍝")

Prompt sistem

Bagian
Harus menjadi siapa	memperkirakan pengetahuan dan gaya persona, dan tidak pernah tahu lebih dari yang mereka ketahui
Profil gaya	dari seluruh ekspor: panjang pesan, huruf kapital, tanda baca, penggunaan emoji dan stiker, kebiasaan membalas dan bereaksi, balon per giliran, contoh kata demi kata
Pustaka	stiker, GIF, dan media beserta cara penggunaannya
Catatan	apa yang Anda tulis tentang orang itu

Prompt bersifat statis untuk sebuah chat: tanpa jam, tanpa penghitung. Model membaca waktu dari pemisah — hari — dan cap HH:MM, dan setiap permintaan adalah awalan yang identik byte demi byte dengan permintaan berikutnya, sehingga cache prompt penyedia tetap mengenai sasaran.

Chat panjang

 anggaran riwayat ─────────────────────────────────────────────▶
 ┌──────────────────────┬────────────────────────────────────────┐
 │ memori (≤ 350 kata)  │ giliran terbaru, dipangkas ke 60 %     │
 └──────────────────────┴────────────────────────────────────────┘
   hubungan, fakta,       titik potong tetap di tempatnya lama,
   topik, candaan         sehingga awalan yang di-cache juga

Ketika riwayat yang diputar ulang melebihi anggaran, balasan berikutnya pertama-tama meringkas giliran terlama (dan memori sebelumnya) menjadi ringkasan singkat. Tidak ada yang dihabiskan saat impor atau saat membuka chat. Profil gaya tetap berasal dari seluruh ekspor, dan search_history menjangkau setiap pesan lama. usage token (prompt, cache, penyelesaian) ditampilkan di { }.

Pustaka media

Model chat membaca teks, jadi stiker hanyalah <sticker stk_…> sampai dideskripsikan. Deskripsikan dengan AI mengirim gambar dari item yang belum ada deskripsinya ke model media, yang harus mendukung visi.

• GIF, stiker video, dan video dikirim sebagai 4 bingkai berurutan, sehingga model melihat gerakannya. Ini memerlukan ffmpeg (brew install ffmpeg, apt install ffmpeg, winget install ffmpeg), jika tidak thumbnail yang digunakan.
• Ulangi mendeskripsikan satu item lagi. Setiap deskripsi dapat diedit dengan tangan.
• Deskripsi termasuk dalam ekspor dan melayani semua chat di dalamnya.

Lihat sendiri dengan CLI: rooftop convert <ekspor> --persona "Jonas Weber".