bot 没坏。是你的聊天记录在教它。

同一周收到三条抱怨，用的都是同一个词。一个会话把六条之前的整段话原样又贴了一遍；一个在十条回复里写了五次「琥珀色的眼睛」； 还有一个，每条回复都拿「她微微偏过头」开场。三个玩家给出同一个自我诊断：「我的 bot 在复读」。这一个词底下压着三种病，三种治法。

把三种病当一种治，正是标准建议老不管用的原因。「把重复惩罚拉高」只对得上其中一种，还治得很糙；「跟它说别重复」几乎哪种都治不了。 我们照着自家小说评测的测量口径做了个浏览器端的复读诊断器， 这篇就是它的分诊逻辑写成人话：每种病长什么样、什么原因造出什么形状、以及一张按实测排过序的自救清单。

三种病，共用一个名字

逐字照抄是最糙的一层，也是大家说「bot 坏了」时通常指的那种。量它的卡尺：把文本切成每 12 个连续 token 的滑窗（中文一字一个、英文一词一个，标点不进窗）， 数一条回复的滑窗有多少在更早的回复里出现过。它还有个「一条消息内部」的形态：诊断器的演示语料里，最后一条回复把「我哪儿也不去。现在不去，以后也不去。」 在同一条消息里说了三遍；更早还有一条，把两条之前的整段话连铁钥匙的细节一起原样搬运。两种都亮同一层灯。

意象固着要安静得多：句子是新的，家具是旧的。同一段演示语料里，「琥珀色的眼睛」出现五次，「檀香混着旧纸的气味」出现五次，没有任何一段被照抄， 可场景读起来像贴了同一张墙纸。这一层最爱冤枉好人，所以有两条防线：角色名字不算数；单个词的高频只报「口头禅观察项」不算病。角色老把「随便」挂嘴边是人设， 每个房间都点着同一盏琥珀色的灯就不是了。

第三种是句式模具化：演示语料六条回复里三条拿同一句开场，句子的起笔聚在同样几个词干上。这层也内置了两条吃过亏才学会的豁免： 对话密集的正常小说天然满屏「她说」「他低声道」，豁免；同一条回复内部的刻意排比是修辞不是病，降级成观察项。

分层听着像较真，其实每层指向的嫌疑人不一样。逐字重合很重、句子形状还算新鲜，问题多半在历史或上下文窗口；开头模具化但照抄很少，是采样被压得太死； 只有意象层亮灯，通常是第一种病的早期软形态，值得盯着，不值得恐慌。

最被低估的病因：环已经住进了你的历史

模型模仿转录的力度，大于服从指令的力度。一个短语或开头在可见历史里出现两三次之后，就成了 few-shot 范例，历史里每多出现一次，下一次的概率就更高。 这一点我们直接测过：坏范例已经躺在历史里的会话，纠正指令 9/10 轮无效；同样的指令放进新开的会话，零残留。你那一条 OOC 注记，在跟模型看得见的五个范例竞争。范例赢。

同一机制还有个慢性变体：上下文自灌。长聊天会让卡面、场景、你自己写的东西被模型的旧回复一点点换掉，直到窗口里大半是自我回声。 我们的 20 轮续写评测复刻的正是这个演化过程，归档里所有逐字崩溃都发生在第 9 轮以后，一次都没提前过。如果你的重复率在聊天后段爬升，那就是这个签名。

还有个饿出来的变体。你这一侧每条只打几个字，模型没有新材料可反应，只能从自己上一条回复里重新推场景，按构造就是回收循环。 各平台社区指南在这条上出奇一致，而它也是整张清单上最便宜的修法：每条两三句，带一个新事实。

轮到模型背锅的时候：20 轮实测的收据

有时候嫌疑人确实是模型家族。同一套续写协议、同一把尺子，结果差得离谱。Grok 4.5 在第 10 到 12 轮连续三轮跨轮重复率 100%——三轮没写出一个新句子——第 13 轮回落到 68.4%。DeepSeek v4 flash 在 19 个测量轮里 18 轮保持 0%，只在第 14 轮失足一次：开头整抄了第 13 轮的三段（重合 72%），下一轮完全恢复。 失足谁都会，差别在自我纠正还是滚进环里。代际也要命：Kimi K2.6 中途卡死在 97.6% 旧文，后继的 K3 跑同一协议峰值只有 6.8%。

换模型之前先看两条诚实注记。这个评测跑的是小说续写协议、没挂任何惩罚参数，数字当倾向性证据看，不是对你具体配置的判决。 另外不是所有失效都叫复读：同一评测里 Gemini 的典型崩法是剧情回卷，故事倒回去重跑，逐字照抄反而很少，完全是另一种病。 没测过的家族，诊断器里就写「没测过」，不编数字凑数。

参数体检，把玄学撇掉

惩罚滑条是这个领域被吹得最狠的修法，而各家的真实参数面比传说古怪得多。Claude 没有任何形式的重复惩罚：Messages API 压根没定义这个参数，前端给 Claude 连接显示的滑条，值是被静默丢弃的。 它的温度上限还是 1.0，别家预设里写的 1.3 搬过去就不是一个意思。OpenAI 风格的 API 上，官方文档给惩罚系数的合理区间是约 0.1 到 1： 拉到 2 也合法，但按文档自己的话说，质量会明显劣化。

温度的民间传说也常常是反的。DeepSeek 官方文档按用途建议 1.3（通用对话）到 1.5（创意写作）；「求稳」压到 0.6，等于进了深度确定性区间，惯用措辞按构造必然重现。Google 对 Gemini 3 的口径是保持默认温度 1.0 别动。再加上那个经典乌龙：重复惩罚 1.3 往上，模型开始躲避真正需要的词，名字和代词都躲，文字劣化，环却常常还在，模型只是在惩罚还允许的几种说法之间打摆。

本地后端是采样手术真能治病的唯一一族。DRY（multiplier 0.8 / base 1.75 / allowed length 2）直接打逐字序列，是社区首选的抗环采样器； 通行建议是把经典重复惩罚留在 1.0 到 1.1，活交给 DRY 干。诊断器的参数体检给每个参考区间都标了出身：官方文档、有出处的社区共识、我们自己的归档实测， 或者老实承认的推测。没有出身的推荐档，只是一种气氛。

自救清单的顺序，以及为什么「重摇」不排第一

顺序比旋钮重要。第一步，把环从历史里做掉：编辑或删除带着重复段落的回复，最重的几条重 roll，让范例从上下文里消失；按前面 9/10 的实验差距，这一步压过清单上其余全部。第二步，嫌逐条改麻烦就回溯：分支回最后一条干净消息继续，丢的是几轮，不是整段关系。第三步，给窗口换血： 长会话带摘要重开，回复喂真材料别只打「嗯」。第四步，这时候才轮到参数，一次一个，改在家族文档区间内。第五步，深聊天撞上有实测复读记录的家族， 换模型是正当修法，不丢人。指令排最后是故意的：OOC 注记零成本、边际上偶尔有用，但只要环还在历史里，它就输给范例。

这也解释了清单上那件缺席的事。对最新一条回复按重摇，等于在同一间被污染的教室里重新抽签——教环的范例全在上面那些消息里躺着，骰子落地时它们一个都没走。 重摇在这张清单上只有一种正当身份：当手术刀用，去重 roll 更早那几条带病的回复，把范例清出去。当老虎机拉杆用，只是花钱把上下文已经回答过的问题再问一遍。

拿你自己的聊天记录跑一遍

复读诊断器吃手贴的聊天记录或 .jsonl 导出，三层全跑，每个数字背后的原文段落都亮出来； 然后按你这段聊天的形状给七个根因排序，再拿你的采样参数对着这个家族的真实参数面体检，每条结论都带证据标签。全程在你的浏览器里跑，什么都不上传。 提醒一句它的脾气：没有任何指标过线时，它会直说没抓到强信号，然后闭嘴。毕竟一个永远能查出病的诊断器，和星座运势机是一路货。 要是它告诉你聊天没毛病、只是 30 轮之后开头有点趋同，那不是 bug。那就是诊断结果。