geracao-perfis-psicologicos-e-roleplay

Descrição

A skill geracao-perfis-psicologicos-e-roleplay extrai perfis psicológicos estruturados (fichas) de personagens a partir de suas ações descritas no manuscrito e configura agentes de linguagem locais para encenar o personagem em entrevistas interativas (chatbot in-character). Ela permite ao autor debater ideias, testar a consistência das falas e explorar o subtexto dramático conversando diretamente com a persona do personagem criado.

Quando usar

Gatilhos concretos e observáveis:

• O escritor solicita a criação de uma nova ficha de personagem ou clica em "Atualizar Ficha por NLP".
• O autor ativa o painel de "Chat de Entrevista de Personagem" na interface lateral do editor.
• O sistema precisa auditar se uma cena em digitação respeita as características psicológicas cadastradas do personagem (consistência comportamental).

Quando NÃO usar:

• Para responder a perguntas factuais da wiki sobre o mundo (usar a skill recuperacao-conhecimento-qfs-narrativo).
• Em brainstorms de ideias soltas sem definição de personagens específicos.

Pré-requisitos

• Modelo de linguagem local de alta capacidade instrucional (ex: Qwen-2.5-7B ou Llama-3-8B quantizado).
• Snapshots do Grafo Temporal de Entidades (GTE) contendo o histórico de ações do personagem.
• Ficha de personagem base (Markdown/JSON) com campos de Metas e Medos.

Processo (passo a passo executável)

1. Extração de Papéis de Ação (Agent/Patient Classification):
   • Varrer o grafo de eventos narrativos extraído do livro.
   • Classificar as aparições do personagem em:
     • Agent (quando o personagem executa a ação ativa, ex: confrontar, construir, ferir).
     • Patient (quando o personagem sofre a ação passiva, ex: ser atacado, receber doação).
2. Derivação de Traços de Personalidade:
   • Analisar a proporção das categorias de ação no histórico do personagem.
   • Atribuir classificações de traços sob o modelo Big Five (OCEAN) ou perfis arquétipos:
     • Alta taxa de ações agressivas/combate $\rightarrow$ Perfil: Confrontador / Assertivo.
     • Alta taxa de ações de diálogo conspiratório/mentira $\rightarrow$ Perfil: Cauteloso / Manipulador.
3. Compilação da Ficha de Personagem (Markdown):
   • Alimentar os dados estruturados no arquivo da wiki do personagem contendo a descrição de seus traços derivados, sua rede social ativa, seu arco de valência atual e suas metas pendentes.
4. Prompting do Chatbot In-Character (ArcANE):
   • Montar o prompt de sistema do LLM local contendo:
     • Biografia, idade, traços psicológicos e vocabulário estilístico do personagem.
     • Histórico de eventos importantes sofridos pelo personagem até a cena ativa.
     • Instrução estrita de encenação (ex: "Responda às perguntas do autor fingindo ser o personagem [Nome]. Fale em primeira pessoa. Respeite as informações contidas na sua ficha e no seu histórico. Não mencione que você é um modelo de IA.")
5. Orquestração da Conversação:
   • Iniciar o chat interativo na UI. A cada turno de resposta, injetar no contexto da janela a cena e as restrições mais recentes do GTE para evitar desvios lógicos.

Parâmetros e configuração

• MAX_ROLEPLAY_CONTEXT_TOKENS: Limite máximo de tokens de contexto da conversa para evitar perda de foco de persona. Padrão: 4096.
• PERSONA_CREATIVITY_TEMP: Temperatura do LLM configurada para o chatbot de persona (um valor menor evita alucinações de fatos). Padrão: 0.70.
• MIN_ACTION_SAMPLES: Quantidade mínima de eventos necessários no histórico para disparar a derivação automática de traços. Padrão: 10.

Armadilhas e como evitá-las

• Armadilha: Drift de Persona e Fatos: o chatbot simulador de personagem começa a alucinar e inventar fatos ou parentescos que não existem na história original do romance, rompendo a consistência do livro. Mitigação: Bloquear a geração livre sem ancoragem. Injetar no prompt do chatbot um filtro de contexto estrito contendo os nós vizinhos do personagem no Grafo Temporal de Entidades. O System Prompt deve conter a instrução de rejeição: "Se o autor perguntar algo sobre o seu passado que não esteja listado na sua biografia ou histórico fornecidos, responda que você não se lembra ou desvie do assunto mantendo a sua persona." (ArcANE, 2026).

Critérios de validação (Definition of Done)

• A ficha gerada e os traços psicológicos derivados de forma autônoma atingem no mínimo 90% de acurácia factual sob auditoria manual de amostragem.
• O chatbot in-character não cita que é uma inteligência artificial em 100% dos testes de regressão de diálogo e recusa-se a inventar fatos não-ancorados.

Fundamentação científica

• MARCUS (2022) - Event-Centric NLP Pipeline for Character Arcs - arXiv 2022
• ArcANE Benchmark (2026) - Do Role-Playing Language Agents Stay in Character? - arXiv 2026
• AustenAlike Benchmark (2024) - Evaluating Computational Representations of Character - arXiv 2024

Requisitos do projeto relacionados

• RF-166 (biografias)
• RF-167 (ficha estruturada)
• RF-168 (chatbot interativo)

Maturidade e riscos de adoção

Nível: Emergente/Experimental. Risco: Manter a persona de forma estável por longas conversas sem sofrer desvios estilísticos ou alucinações é um desafio em aberto em LLMs de 7B locais. Fallback para v1: O chatbot atua apenas como gerador de fichas passivo em markdown. Desativar a entrevista de chat in-character interativa baseada em grafos temporais dinâmicos na v1 se o modelo de 7B local apresentar falhas constantes de drift.

Exemplos

Entrada (Prompt de Entrevista):

[Autor]: "Kael, por que você odeia o feiticeiro Érebo?"
[Snapshot da Ficha]: { "Nome": "Kael", "Inimigo": "Érebo", "Motivo": "Érebo assassinou o mentor de Kael" }

Saída esperada (Resposta do Chatbot):

"Aquele desgraçado tirou a única pessoa que acreditou em mim. O Érebo vai pagar por cada gota de sangue do meu mestre."

Caso de falha conhecido: O chatbot responder: "Eu odeio o Érebo porque ele roubou minha nave espacial" (em um romance medieval de fantasia pura, sofrendo de drift de contexto do modelo).