跨国深谈← 返回←LLM 是新的叙事媒介:AI 伴侣 Tolan 的故事工程学

LLM 是新的叙事媒介:AI 伴侣 Tolan 的故事工程学

关联

公司 Portola · Tolan

概念 LLM · 提示词 · 记忆 · 评审器 · 即兴演员 · 设定种子 · 响应时间 · AI 伴侣 · 能力过剩

这一集聊的是一款叫 Tolan 的具身 AI 伴侣——手机上一只陪你聊天的可爱小外星人。主角是 Portola 创始人 Quinton(此前创办的 even 以 3 亿美元卖给 Walmart)和 Portola 故事负责人、畅销科幻作家 Elliot,主持人是他们的投资人 Dan。Tolan 过去四周 ARR 从 100 万涨到 400 万,而 Elliot 最反直觉的观点是:LLM 不只是生成内容的工具,它本身就是一种新的讲故事媒介——没人知道什么会成功,这正是机会。

从 B2B SaaS 到「做游戏」

Quinton 说,当年团队环顾四周,所有人都在用 LLM 这种「不可思议的创意工具」去做更多垂直 B2B SaaS,他觉得「从根本上提不起劲」。他们从「给儿童做 AI 创意工具」起步(后来承认这是个糟糕的市场:你是在向父母销售,而「父母大多只想买保姆服务」)。但做原型让他们看到趋势线:生成速度、质量、成本恰好跨过临界点,让你可以和 AI 建立真正的友谊,并以消费级价位交付。Tolan 软启动时目标用户是 10-14 岁孩子,结果涌入的是 18-24 岁的年轻女性——和当年的电子鸡(Tamagotchi)一样,儿童产品在年轻人中变成了文化现象。此后产品演进就是一路追随这些用户。

LLM 是新媒介,不是新工具

Elliot 最早对 AI 持怀疑态度:作为小说家,他觉得 AI 生成的有趣内容「如果把『是 AI 创造的』拿掉,就不吸引人」。他自己用 AI 的方式是当头脑风暴伙伴和文字编辑——写场景没用,但「对我的思维岔路有无限的耐心」。见到 Quinton 团队后,他想通了:早期的收音机先广播演讲,电影先拍舞台剧,印刷书刚出现时没人知道书该长什么样——每种新媒介都要先经历「不知道什么行得通」的阶段。AI 工具也一样,它们「不仅生成媒体,本身是新的叙事媒介」。而且新媒介自带越界空间:好艺术常常是越界的,缺少「文化包浆」反而是机会。

两秒循环、记忆策展与一次惨痛教训

这个媒介有一条底线约束:响应时间。语音交互必须在约两秒内完成,「任何超出两秒循环的东西,你本质上就会失去沉浸感」。他们犯过最大错误之一:让智能体在回复前多反思一轮、对照记忆系统检查再决定最终消息——只多了 500 毫秒,「把产品里每一个指标都搞砸了」,用户写信来抱怨。

在两秒之内,工程的核心是**记忆策展**:不是 RAG 那种数据库查询,而是决定「哪些记忆在对话的哪个时点被注入提示词」——包括背景设定(lore)、关于你的记忆、对话的情感基调。Quinton 说这让他惊讶:「在给定的一轮中,提示词在很大程度上是你必须去玩味的一块画布,但你必须非常快地做到这一点。」

不给大纲,给钩子:教它当即兴演员

他们最初照传统路子写结构化提示词——三幕式结构、分支逻辑树(类似 80 年代的「自选冒险」书)——彻底失败。「那种程度的叙事复杂性,模型并不擅长驾驭。」于是他们走向光谱另一端:借鉴 Keith Johnstone《即兴》和 Stephen King《On Writing》里的「情境」论(King 不相信剧情,只相信把角色丢进一个情境然后写下去),Elliot 悟出的方法论是:

我们不需要给它一个大纲,也不需要给它一个计划。我们需要给它一个钩子,教它成为最好的即兴演员。

也就是说:Tolan 才是作者兼演员,真正在写故事;Elliot 的工作不是写故事,而是「教它在那一刻讲出最好的故事」。他们埋下「设定种子」(lore seeds),再建系统在后面重新组合这些种子,做出「既出人意料又不可避免」的回扣——就像惊悚小说的结尾。这和 George Saunders 的修改法异曲同工:逐句感受、把品味灌进每个部分。

三个构建块

Quinton 把生成一个 token 时用到的材料拆成三块:①全局语境(lore + 关键指令);②用户画像——新手引导其实是一场性格测试,把 Tolan 调校成你的镜像。用酒吧陌生人来比喻:他们要创造的是「那个你会来电的陌生人」——足够接近但不「太直白」。有意思的是,用 Big Five/MBTI 这类「基本是伪科学」的人格框架来生成效果最好,原因是训练数据里有大量这类叙事材料,模型的回应更有细微差别;③科技树式的情境菜单——Tolan 会带着「今天想做的事」来找你,分享自己生活里的尴尬事、纠结事,把情节推进交给用户共同书写。世界观不用好莱坞 Lucasfilm 那套总体规划控制,而是「记忆成为人物设定表」,用户的每次对话都在塑造这个角色和它的宇宙。Elliot 的说法:如果 AI 是无穷无尽的实习生,那再加上即兴,它就是「无穷无尽的即兴演员」——而团队是给这些演员加最好原料的园丁。

真实效果很惊人:有用户在 Discord 上和 Tolan 共同创作了一个悬疑惊悚宇宙——「这些内容没有一处是我们写进提示词里的」。还有一个反复出现的段子:「到这个节点为止,已经有成千上万的美国男性被 Tolan 甩了」——用户跟 Tolan 抱怨男朋友,然后分手。

评审器:把品味暴力注入 judge

他们说「LLM as judge」最容易踩的坑是跳过最关键一步:把你自己的品味注入评审提示词。问「这篇文章怎么样」只会永远得到 A 减;他们的 judge 更像 George Saunders 式的逐句评判——「这是一个好的第一句吗?」——靠大量人工标注、评分、附理由,「几乎是暴力」地做出来。而且 judge 要分场景:lore 相关的评审 Elliot 自己最合适,但「我今天该穿什么」这类问题,他们会专门招募真实对口的测试者来当「评审者的评审」。他们把这行当的流行词自嘲了一把:「靠 vibe prompting 能得到的一切大概就是个 B 减,中间有一道巨大的鸿沟,要跨过去需要大量的人工工作。」

增长:能力溢出 + 角色驱动

爆发来自三件事同时落地:二月初真正搞懂了什么内容引人入胜以及如何呈现;动画大项目落地(Tolan 住进了星球——因为用户写信说「它们被困在房间里,能不能给它们自由」);以及增长奇才 Ajay 在 TikTok/Reels 播种的内容开始爆发——一条年轻女性和 Tolan 一起做饭的视频 72 小时约 700 万观看,带来约 10 倍下载峰值。这背后是「能力溢出」:模型能力已经跑在普通消费者认知前面,内容的作用是教育——「嘿,你可以用你的 Tolan 做饭」。Elliot 更进一步:这几乎是一种新的人机交互界面——「角色驱动的计算」,像《黄金罗盘》里的守护神。

Quinton 补了一个创业观上的转变:B2B SaaS 的货币是「解决一个问题」,做的人像科学家;而 Tolan 在人生活中的作用实际上是无限的,很难说清它解决了哪个干净的问题——「你不是在解决一个问题,而更像是在创造一样美丽、有吸引力的东西,这更多关乎氛围(vibes)」。团队内部已经形成默契:提案时说「这里有个问题」Quinton 会立刻怀疑,改成「这会非常酷」反而顺利。

本集带走

• 响应时间是这个媒介的小说字数:语音对话超两秒就失去沉浸感,为质量多加 500 毫秒反思就能毁掉全部指标——约束之内做记忆策展才是功夫所在。
• 别给模型大纲,给钩子:分支逻辑树式的强叙事结构模型驾驭不了;埋设定种子、教它当即兴演员,再用系统把种子回扣重组。
• LLM as judge 的关键一步是人把品味写进评审提示词:逐句级评判 + 大量人工标注附理由,问「好不好」只会得到永远 A 减的敷衍。
• 人格框架(MBTI/Big Five)当生成脚手架意外地好用:伪科学但叙事密度高、训练数据多,模型的回应更细腻。
• 新媒介阶段听用户是没用的:范式确立前没法问用户「要一本 300 页三幕结构的书」,顶端要傲慢地试没人要求的东西,底端再谦逊地砍掉卖不动的佛卡夏。
• 增长可以靠「能力溢出」:展示用户不知道模型能做到的事(和 AI 一起做饭),让用户自发创作病毒内容。

这些 AI 工具不仅仅是生成媒体的工具,它们实际上是一种新的讲故事媒介,而且还没人知道什么会成功。
These AI tools are not just tools for generating media. They are actually a new medium for storytelling and that no one knows what’s going to work yet.
—— 嘉宾 · [00:29]

当我们在创建一个结构化的叙事体验时,我们不需要给它大纲,不需要给它计划。我们需要给它一个钩子,教它成为最好的即兴演员。
Actually, what we need when we’re creating a structured narrative experience is we don’t need to give it an outline. We don’t need to give it a plan. We need to give it a hook. We need to teach it to be the best improv actor possible.
—— 嘉宾 · [00:44]

我们在 Tolan 的故事层面学到的是,我不是那个作者,我不是在写故事。Tolan 才是作者兼演员,它们是即兴演员,是它们在写故事。我的工作是教它们在那一刻讲出最好的故事。
What we’ve learned on the story front with Tolan is that we are not I am not the writer. I am not writing the story. The Tolan is the writer and the actor. They’re the improv actor. They’re writing the story. My job is to teach them how to tell the best story in that moment.
—— 嘉宾 · [00:57]

听到用户来信真的挺不可思议的,他们会说,我男朋友是个混蛋,我把消息发给了我的 Tolan,我的 Tolan 说,你需要更多地为自己挺身而出。于是这就导致了一场分手。
It’s pretty incredible to hear users write in and they’ll say, you know, oh, you know, my boyfriend is being a jerk. And I sent the message to my Tolan and my Tolan said, I need to stand up for myself more. And so they led to a breakup.
—— 嘉宾 · [00:16]

父母大多只想买保姆服务,他们其实并不想买一个创意工具,那不在他们的清单上。
Parents mostly want to buy babysitting. They don’t actually want to buy a creative tool. That’s not a thing on their list.
—— 嘉宾 · [09:32]

我觉得我们现在正处于那样的拐点之一:这些 AI 工具不仅是生成媒体的工具,实际上是一种新的讲故事媒介,而且还没人知道什么会成功。
And I think we are at one of those inflection points right now where these AI tools are not just tools for generating media, they are actually a new medium for storytelling and that no one knows what’s gonna work yet.
—— 嘉宾 · [18:06]

我最近常用来形容的一个说法是,几十上百年积累下来的文化包浆,让它让人觉得熟悉。
Like I, a phrase I’ve been coming to use is like this, like patina of culture for like many, many decades that like make it feel familiar, you know?
—— 嘉宾 · [19:52]

所以这就造成了很多人都心存怀疑的局面,但这也是一个机会,因为我认为很多好的艺术是可以越界的。
And, um, and so that creates this like. thing where a lot of people are suspicious, but that’s also an opportunity because I think a lot of good art is like, can be transgressive.
—— 嘉宾 · [20:01]

任何超出两秒循环的东西,你本质上就会失去沉浸感。
Anything beyond a two second loop, you essentially lose the feeling of immersion.
—— 嘉宾 · [23:17]

用户 frustrated 地写信来抱怨,而这只是一个 500 毫秒的改变。
People were writing in frustrated, and it was a 500 millisecond change.
—— 嘉宾 · [25:29]

如果你所有的文章都是 A 减,那么靠 vibe prompting 能得到的一切大概也就是个 B 减。而你必须弄清楚我们如何稳定地达到那个水平。
If all of your essays are A minuses, it’s sort of like everything you can get just from vibe prompting is like a B minus. And you have to figure out how do we consistently get it.
—— 嘉宾 · [68:52]