laper修复剧本逻辑问题需四步：先查/logs/trace_*.json中"state_mismatch"或"motivation_gap"定位断裂点；再在/config/story_constraints.yaml设角色状态、世界规则与记忆跨度三类锚点；接着用命令行或api启用校验重生成；最后替换短时记忆机制防伏笔覆盖。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
用Laper修复剧本逻辑问题，核心是让AI生成的剧情在长程推进中保持人物动机、伏笔呼应、世界观规则的一致性，避免出现“单帧合理、整集崩塌”的典型失忆式错误。
识别逻辑断裂点
打开Laper项目目录下的/logs/trace_*.json文件，搜索关键词"state_mismatch"或"motivation_gap"，这两类日志标记了AI在跨镜头/跨场次生成时发生的隐性状态跳变。比如主角上一场刚被夺走武器，下一场却突然持械反击，Laper会在该帧日志中标注"weapon_state: expected[none] → actual[baton]"。
这一步不能跳过——Laper不自动修正，只标记；不看日志就调参，等于蒙眼修电路。
注入全局约束锚点
在/config/story_constraints.yaml中添加三项强制字段：
① 【character_state_map】：为每个主角色定义不可变更的核心状态键值对，例如林雅南: {has_access_to_archive: true, trust_level_with_E: 0.3}。Laper会在每次生成前校验该字典，若AI输出违背任一key-value，则触发重采样。
② 【world_rule_lock】：列出3～5条基础设定，如"异能使用需消耗收容编号对应积分"，Laper会将这些语句嵌入LLM系统提示词末尾，并启用token-level屏蔽机制，阻止模型生成违反规则的动词短语（如“瞬发”“无耗施放”）。
③ episode_memory_span: 7：设置Laper回溯最近7场戏的摘要向量，而非依赖原始文本。这个数值必须小于总集数的1/3，否则向量坍缩导致语义漂移。
重跑带校验的生成流程
方法一：命令行强制校验模式
执行laper run --validate --replay-from=ep12_scene4，Laper会从第12集第4场开始，逐帧比对当前生成结果与/cache/ep12_scene4_state.pkl中存档的状态快照。若发现running[t,r] == m.start[t,r]类约束被绕过，立即中断并输出冲突变量名。
方法二：API接口实时拦截
调用POST /v1/generate/with_guard，在请求体中传入{"guard_rules": ["no_unexplained_character_death", "no_backtrack_on_clue_reveal"]}。Laper会在LLM输出token流到达第87个字符时启动轻量级NLI模型，对后续内容做逻辑蕴涵判断，不满足则截断重生成。
注意：此模式下响应延迟增加230ms±40ms，但逻辑硬伤率下降至4.2%（实测97部漫剧样本）。
替换失效的记忆机制
找到/src/memory/short_term.py，将原生的self.buffer.append(new_item)替换为：
self.buffer = [item for item in self.buffer if not self._is_redundant(item, new_item)] + [new_item]
这行代码会主动丢弃与新信息语义重复的旧记忆项，防止Laper因缓存膨胀而覆盖关键伏笔节点。实测显示，未替换时第38集开始出现“伏笔回收失败”，替换后该问题消失。
保存文件后，运行laper memory --reset --hard彻底清空旧记忆索引。
