工作原理

每个导出都会变成相同的规范化消息。然后，角色的每个动作都会作为工具调用重放给模型，让模型学习这个人如何互动，而不仅仅是他写了什么，并以相同的方式回应。

将动作表示为工具调用

角色所做的事	历史记录和实时回复中的工具调用
文字气泡，可能带有回复或部分引用	send_message {text, reply_to?, quote?}
贴纸	send_sticker {sticker_id, reply_to?}
媒体库中的 GIF，或来自 MCP 工具的 URL	send_gif {gif_id | url, caption?}
照片、视频、语音、音频、文件	send_media {media_id, caption?}
转发的帖子	forward_message {message_id}
表情回应	react {message_id, emoji}
（回忆更早的历史）	search_history {query}

一个回合中的多次调用会变成多个气泡。另一方的消息会变成紧凑的行，ID 指向这些行：

#52108 19:08 ↩ 回复 #52107（你：“奶奶的千层面 🍝”）：你从来没有做过一次千层面。
<sticker stk_156dbb381a>：一只戴着厨师帽的猫在搅拌锅子
对 #52107（“奶奶的千层面 🍝”）回应了 😂

系统提示词

部分
应该扮演谁	推断角色的知识和风格，并且永远不知道超出其本人所知的内容
风格档案	来自整个导出：消息长度、大小写、标点、表情和贴纸的使用、回复和回应的习惯、每回合的气泡数、逐字样本
媒体库	贴纸、GIF 和媒体，以及它们被如何使用
笔记	你写下的关于这个人的内容

对于一个聊天，提示词是静态的：没有时钟，没有计数器。模型从 — 日期 — 分隔符和 HH:MM 时间戳中读取时间，每个请求都是下一个请求的逐字节相同的前缀，因此提供商的提示词缓存能持续命中。

长聊天

 历史预算 ─────────────────────────────────────────────────▶
 ┌──────────────────────┬────────────────────────────────────────┐
 │ 记忆（≤ 350 词）     │ 最近的回合，裁剪到预算的 60 %           │
 └──────────────────────┴────────────────────────────────────────┘
   关系、事实、          裁剪点会长时间保持不变，
   话题、玩笑            因此被缓存的前缀也保持不变

当重放的历史超过预算时，下一次回复会先把最早的回合（以及之前的记忆）压缩成一段简短的摘要。导入和打开聊天时都不会消耗任何资源。风格档案仍然来自整个导出，而 search_history 可以访问每一条旧消息。token 的 usage（提示、缓存、补全）会显示在 { } 中。

媒体库

聊天模型读取的是文本，所以在被描述之前，贴纸只是 <sticker stk_…>。用 AI 描述会把缺少描述的项目的图像发送给媒体模型，该模型必须支持视觉。

• GIF、视频贴纸和视频会以按顺序的 4 帧发送，这样模型能看到动作。这需要 ffmpeg（brew install ffmpeg、apt install ffmpeg、winget install ffmpeg），否则会使用缩略图。
• 重新描述会对一个项目重新生成描述。任何描述都可以手动编辑。
• 描述属于导出，并服务于它的所有聊天。

可以用 CLI 自己查看：rooftop convert <导出> --persona "Jonas Weber"。