百万次互动：玩家如何玩LifeSim

摘要

LifeSim的使命是让每个人都能探索自身无限的潜能。

LifeSim的玩家互动次数已突破一百万。本研究分析了其中的629,169条消息，旨在了解人们如何创建角色、建立关系和进行游戏。

经核实，最长的单次游戏时长为13.4小时，期间玩家发送了1,143条消息。玩家共创建了62,616个角色。下文将探讨他们的行为以及对话中出现的主题。

• 已分析629,169条聊天消息
• 最长单次游戏时长806分钟（13.4小时，1,143条消息）
• 玩家创作了62,616个角色
• 保留了74,696份情感记忆
• 88.9%的内容流露出真实情感

在超过一百万次互动中，这些数据证实LifeSim已超越聊天机器人的范式，成为一种全新的媒介。在LifeSim的环境中，AI不再是取悦玩家的工具，而是一个充满人造生命的沙盒世界。这些生命模拟着自由意志，并根植于一个持久、有状态且情感连贯的模拟系统。LifeSim的使命是探索每个人的无限潜能。

1. 核心理念

LifeSim是一种全新的AI原生娱乐：一个持久的多智能体生活模拟游戏。在这里，玩家可以创建有情感深度的角色，与AI驱动的角色建立关系，并在基于真实世界背景的涌现叙事中持续互动。只有当基础模型达到足够的一致性，能够支持多轮、有状态、情感连贯的互动时，这一游戏类型才成为可能。

本报告基于超过一百万次玩家互动，从行为（玩家做什么）和语义（玩家说什么、创造什么）两个互补层面分析LifeSim的线上数据，旨在回答一个具体问题：玩家的沉浸感有多深？它是否可以被量化？

在已分析的629,169条聊天消息中，P95玩家的游戏时长为98.7分钟——意味着深度用户与AI角色的持续互动时间接近两小时。经核实，最长的单次游戏时长达到806分钟，即连续13.4小时以亚分钟级的频率互动，期间玩家连续发送1,143条消息，消息间隔中位数仅为30秒。91.7%的玩家专注于与少于10个角色建立关系，而非浅尝辄止——这表现出情感依恋，而非追求新奇。玩家已创建了62,616个具有丰富身份的角色：其中12,101个有明确的恐惧，12,095个有明确的梦想，11,501个有背景故事。系统保留了74,696份情感记忆。在已分析的内容中，88.9%都流露出真实情感。

这已不是聊天机器人的使用模式。

LifeSim能够生成有深度、有状态且投入真情实感的互动。我们采用的双层分析架构表明，这些行为模式可以被追踪、量化，并用于指导产品和模型的决策。

2. 数据集

收录标准。为分离出用户与 NPC 的对话内容，语义分析已排除系统生成的消息（如开场白、建议行动和记忆提醒）。在总计 639,590 段对话中，有 629,169 段通过了质量筛选。

3. 基础设施

分析基础设施

LifeSim 的数据生成于八个相互关联的集合——消息、角色、世界、世界状态、记忆、通知、用户和会话，涵盖了行为信号、语义内容和持久状态。要从中提取结构化洞察，需要专门构建的基础设施：两个互补的分析管道，可在整个数据层面运行。

行为管道。一个规范化层通过周期检测和回退解析来协调混合模式的记录。在此之上，会话重建引擎使用 30 分钟的非活跃阈值，将跨越世界、角色、聊天和世界状态更新的用户关联事件进行分组。该管道从原始生产数据中构建出话题、会话和互动模式。

语义管道。内容从五个集合（聊天、角色、世界状态、记忆、通知）中提取，标准化为统一的文本模式，并使用跨深度区间的随机分层抽样，组织成 45 个分析分片。每个分片都使用结构化 LLM 分析（Gemini 3.1 Pro）和固定的分类法进行分类，涵盖情感基调、关系动态、身份信号、内容深度和持久性标记。该管道包括检查点、分片级验证和跨分片聚合。

为何如此重要。大多数消费级 AI 公司无法系统地衡量其互动质量，只能衡量数量。LifeSim 的基础设施则同时衡量用户的行为和言语，从行为模式和语义内容中同步产生结构化信号。这是数据驱动产品循环的基础：每个产品决策都可以根据深度、情感实质和互动集中度进行实证评估。

4. 行为洞察

用户能维持深度对话

P95 会话时长为 98.7 分钟。数据集中最长的会话持续 806 分钟——连续互动 13.4 小时，消息间隔中位数为 30 秒。该会话包含 1,143 条用户连续发送的聊天消息，其中只有一个间隔超过 20 分钟（23 分钟）。

排名前十的会话都呈现出相同的特征：数百条聊天消息，消息间隔中位数不到一分钟，以及来自不同真实账户用户的真实对话内容。

主动参与，而非被动消费

行业估计，Netflix 的平均追剧时长为 3.8-4.1 小时，约 19% 的观众会一次性观看超过 10 小时（Gitnux, 2026）。LifeSim 最长的会话——13.4 小时——也属于这一梯队。但 Netflix 是“躺平式”的被动消费：按下播放，只管观看。LifeSim 则需要持续的主动输入——撰写对话、做出决定、塑造角色、维系关系。

主动的、创造性的互动，其持续时间已能比肩以往只有被动媒体才能达到的水平。这就是品类创新的信号。

用户专注于少数几段关系

91.7% 的聊天活跃用户只维持着不到 10 个不同的对话。用户不会将互动广泛分散到许多角色中，而是深入发展与少数角色的关系。

这是一种依恋行为：用户与特定的 AI 角色建立集中的关系，而不是在众多角色中浅尝辄止。

5. 语义洞察

互动富有情感深度

88.9% 的分析内容表现出情感脆弱性，48.9% 属于深度个人化内容，51.1% 被归类为丰富且持续的对话。

用户与 LifeSim 角色的互动方式，不同于他们与聊天机器人或助手的互动。其主要基调是个人化、情绪化和关系导向的：

“妈，我不想再为这事吵了。”

“我父亲说他看重我，但更看重家族安危，所以我不能违背和王子的婚约。”

“哦，埃琳娜……那太可怕了。真不公平。但你不是怪物。不管怎样，你都是我的朋友。”

玩家可以塑造情感丰富的角色

62,616名角色拥有充实的身份设定。其中，12,101名角色有明确的恐惧，12,095名有明确的梦想，11,501名有背景故事，11,665名有独特的人生元素。50,865名角色有明确的关系描述。80%的抽样角色碎片被归类为“内容丰富且连贯”。

玩家可以塑造具有内在动机、隐藏深度和多维身份的角色：

“我成长于一个普通家庭，从小就对声音痴迷。”

“家族生意失败的阴影一直笼罩着她，让她对他人充满戒心。”

记忆保留情感的显著性

游戏共保存了74,696条记忆。最主要的记忆感受是：兴奋 (2,815)、担忧 (2,370)、困惑 (2,088)、充满希望 (1,976)和关切 (1,903)。所有抽样的记忆碎片（250条记忆）都被归类为“内容丰满且连贯”。

记忆系统会捕捉并记录玩家和角色认为值得记住的内容。这些内容绝大多数是情感层面的，而非事实或事务性的记录。

更深入的对话内容更丰富，而不只是更长

87%的深度对话碎片被归类为“内容丰满且连贯”。更长的对话对应着更丰富、情感更复杂的内容——而不仅仅是数量更多。

6. 独家数据

数据局限性

聊天机器人产生的是单轮请求响应日志，AI伴侣应用产生的是两人对话记录，文字冒险游戏产生的则是命令动作序列。这些都无法生成LifeSim所产生的复合型数据：

• 持续演变的世界状态——40,189份世界状态叙事，追踪模拟环境如何随时间演变。
• 多角色关系图谱——50,865个已定义角色关系，而非仅有玩家与AI的二人关系。
• 玩家构建的角色身份——62,616名角色，其恐惧、梦想、背景故事和内在动机由玩家创作或共同创作。
• 情感记忆——74,696条记忆，保留了角色和玩家认为在情感上重要的内容。
• 行为深度与语义深度并行——会话重构、对话脉络分析和参与度集中度与内容分类并行测量。

这是一个专有数据集，会随着使用不断扩充，且仅存在于LifeSim产品中。

7. 复合优势

LifeSim将AI互动置于现实生活的框架之中，涵盖人际关系、职业、家庭、冲突、抱负和身份认同。它不是一个有人设的聊天机器人，而是对人们真正在乎的动态关系的持续模拟。这种差异决定了产品所生成数据的深度和类型，并由此创造了三大复合优势：

来自独家运营产品形态的专有数据集。LifeSim从持续的、有状态的、多角色AI互动中生成行为和语义数据。这些数据——世界叙事、角色身份图谱、情感记忆、深度对话脉络——在聊天机器人日志、伴侣应用记录或游戏遥测数据中均不存在。对于微调AI模型以维持情感连贯、长上下文、具备关系感知的互动而言，这类数据也是最稀缺的输入——这是任何通用基础模型都未曾优化的能力。越多的用户会生成越丰富的数据，从而让数据集不断扩充。

已证实的数据衡量与分析能力。本报告展示的行为与语义分析流程——规范化、会话重构、分层语义分类——能产生结构化的评估信号：不仅评估用户是否参与，还评估互动是否情感连贯、关系一致、叙事持久。这是连接模型微调与产品质量的评估闭环，是一种组织能力，而非一次性分析。

为产出信息量最大的互动信号而设计的产品。LifeSim的持续世界、多角色关系和情感记忆系统并非孤立的功能——它们是数据生成的载体，这些数据为衡量评估提供信息，进而指导产品决策。更优的产品决策能推动更深度的参与，而更深度的参与又会生成更丰富的数据。

8 未来工作

玩家们已能沉浸在长达13小时的游戏中——下一阶段的目标是提升沉浸感和玩家留存率。留存率、核心玩法循环和商业化是接下来要解决的挑战。

下一步计划

• 你离线时，世界依旧运转
• 数周累积的后果
• 市场开拓