BronyaZaychik_Core_Dataset

崩坏3 第一部主线布洛妮娅个人知识库（含 RAG 数据与角色扮演技能），供角色扮演/检索/学习参考使用。Personal Knowledge Base of Bronya from Main Story Arc Part 1 of Honkai Impact 3rd (including RAG data and role-playing skills, for reference in role-playing, information retrieval and learning)

原始信息汇总

布洛妮娅・扎伊切克 知识库（崩坏3 主线）数据集总结

数据集概述

该数据集是一个关于《崩坏3》第一部主线中角色“布洛妮娅・扎伊切克”的个人知识库，旨在为角色扮演、信息检索和学习参考提供数据支持。知识库内容基于官方剧情原文、官方漫画、官方动画短片及官方设定集等权威来源整理而成，范围覆盖主线剧情直至崩坏结束后、后崩坏书（APHO）开始前的内容。

范围边界：仅包含第一部主线内容，不收录后崩坏书（APHO）、第二部、《崩坏学园2》等相关内容。

内容结构与文件说明

文件/目录	说明
rag_clean.csv	唯一主数据源，UTF-8 编码，包含 question, answer, category 三列，共 766 条记录
rag_data.jsonl	规范化后的 JSONL 格式主数据，由 tools/rebuild_rag.py 生成
rag_by_category/*.csv	按类目拆分的只读视图文件，不建议手工编辑
rag_schema.json	分类与结构定义文件，需与数据保持一致性
skills/	角色扮演技能文件（SKILL.md），共 9 个
tools/rebuild_rag.py	用于重建派生文件的 Python 脚本，运行命令：python tools/rebuild_rag.py
LICENSE	MIT 许可证

数据来源与处理

• 数据来源优先级：官方剧情原文 / 官方漫画（《第二次崩坏》《逃离长空篇》《绀海篇》等）/ 官方动画短片 / 官方设定集 ＞ 萌娘百科、百度百科等考据资料。
• 已剔除内容：经调查确认的编造内容、玩家梗、越界内容（如 APHO/后崩坏书、第二部相关）；游戏技能数值（伤害倍率、冷却、SP 等）均标注为「游戏技能参数，官方剧情未给出精确数据」。
• 已知口径差异：官方年表内部存在日期不一致的情况，包括：
  • 第三次崩坏日期：2014.3.28（《逃离长空篇》） vs 2014.2
  • X-10 实验时间：2013.10（年表） vs 2012 夏（《绀海篇》）
  • 数据处理时优先采用官方年表，个别处保留注记说明。

角色扮演技能说明

• skills/ 目录下共包含 9 个 SKILL.md 文件，均已按官方设定进行校正，作为角色扮演时的规则锚点。
• 特别说明：Bronya-EmotionResponse-009（情感场景回应技能）中包含玩家梗内容（如「吊销驾照」等），该技能为可选加载，仅用于优化角色扮演体验，非官方设定内容。如介意可删除该技能或忽略相关条目。

使用方式

1. 读取 rag_clean.csv（或 rag_data.jsonl）作为检索数据源。
2. 根据 rag_schema.json 中的 domain/category 过滤数据，或直接读取 rag_by_category/*.csv。
3. 修改主数据后，运行 python tools/rebuild_rag.py 重建派生文件。
4. 角色扮演场景中，加载 skills/ 目录下所需的 SKILL.md 文件。

许可信息

• 本仓库以 MIT 许可证发布。
• 内容为粉丝整理的同人知识库，与 miHoYo/HoYoverse 官方无关；《崩坏3》及相关角色版权归原厂商所有，请勿用于侵犯版权用途，内容仅供学习交流。

搜集汇总

数据集介绍

构建方式

该数据集以官方剧情原文、官方漫画、官方动画短片及官方设定集等一手资料为基石，辅以萌娘百科、百度百科等考据资料进行细致梳理与整合，构建了一条严谨的信息链条。构建流程严格遵循数据治理规范，删除了经调查确认的编造内容、玩家梗及越界内容（如APHO、第二部），并针对游戏技能数值等非剧情细节进行了特殊标注。数据以UTF-8编码的CSV文件为唯一主数据源，涵盖766条问答对，并衍生出JSONL格式的规范化数据、按类目拆分的只读视图及可执行的重建脚本，从而确保了数据的一致性与可维护性。

特点

数据集以布洛妮娅·扎伊切克在崩坏3第一部主线中的角色经历为主线，内容深度聚焦于角色成长与关键事件，时间跨度界定于崩坏结束至后崩坏书开启之前，边界清晰。其特色在于融合了角色扮演技能体系，包含9个SKILL.md文件，为交互场景提供规则锚点，且所有技能均经过官方设定校正，忠实还原角色特质。针对官方年表中的内部口径差异，数据优先采用官方年表并保留注记，体现了严谨的学术态度。此外，数据集剔除玩家梗及非官方演绎，确保了知识库的纯粹性与高可信度。

使用方法

使用者可直接读取`rag_clean.csv`或`rag_data.jsonl`作为检索数据源，以支撑问答或知识检索等任务。依据`rag_schema.json`中的分类定义，可按需进行领域或类别过滤，或直接使用预拆分的`rag_by_category/*.csv`文件简化操作。若要更新数据，修改主数据后执行`tools/rebuild_rag.py`即可自动重建派生文件，确保数据同步。在角色扮演应用场景中，可从`skills/`目录加载所需SKILL.md，其中`Bronya-EmotionResponse-009`含非官方梗内容，用户可根据偏好选择是否使用，体现了灵活性与自主性。

背景与挑战

背景概述

布洛妮娅・扎伊切克核心数据集（BronyaZaychik_Core_Dataset）诞生于对《崩坏3》第一部主线剧情的深度梳理，由粉丝社群整理，旨在构建一个涵盖角色设定、剧情脉络及对话逻辑的结构化知识库。该数据集整合了官方剧情原文、漫画、动画短片及设定集，数据源权威性高，时间跨度覆盖至后崩坏书之前，为角色扮演、问答检索及游戏叙事研究提供了标准化数据基础。其影响力体现在为相关领域的自然语言处理任务（如角色一致性对话生成）提供了高质量的中文领域数据，同时MIT许可促进了开源社区的研究与二次开发。

当前挑战

构建此数据集面临双重挑战。领域层面，角色知识库需精确捕捉布洛妮娅复杂的情感演变与战斗逻辑，而官方叙事存在时间线差异（如第三次崩坏日期），要求数据整合时做出合理取舍。构建层面，数据源多样且需从非结构化文本（如漫画、短片）中抽取结构化字段，同时严格剔除编造内容与玩家梗，确保数据纯净性。此外，维护769条数据及类目一致性需借助脚本自动化，而技能模块中融入的非官方内容（如情感回应中的玩家梗）需明确标注，以平衡角色扮演体验与数据权威性，防止误导用户。

常用场景

经典使用场景

该数据集以《崩坏3》第一部主线剧情为基底，构建了涵盖布洛妮娅·扎伊切克生平、关系网络及关键事件的精细知识图谱。其经典使用场景聚焦于检索增强生成（RAG）系统与智能对话机器人的构建，研究者可依托766条结构化问答对，结合官方剧情原文与设定集资料，训练或微调模型以精准回答与角色相关的复杂查询。同时，数据集亦是角色扮演（Role-Play）场景的锚点资源，通过加载技能模块，能够驱动AI驱动的虚拟角色在互动中保持设定一致性，广泛应用于游戏AI、虚拟偶像及交互式叙事领域。

解决学术问题

该数据集有效解决了虚拟角色知识库构建中普遍存在的语义碎片化与设定冲突问题。通过系统整合官方漫画、动画短片及设定集的多源异质信息，并严格剔除同人创作与玩家梗，确保了知识的高保真度。其科学价值在于为自然语言处理领域的特定领域问答（QA）与知识追踪研究提供了干净、可复用的基准数据，尤其对角色一致性建模、长程上下文依赖分析及情感回应生成等课题具有重要推动意义。此外，数据精修过程中对口径差异的显式标注，为处理真实语料中的时间线不确定性问题提供了范例。

衍生相关工作

该数据集的发布催生了系列衍生工作，包括基于其问答对微调的对话生成模型、融合角色知识集成的检索排序算法，以及用于情感分析的多模态扩展版本。研究社区围绕其技能模块（如情感场景回应）展开用户感知实验，验证了在角色扮演中引入非官方梗的边界效应。此外，数据集的构建流程被抽象为通用框架，应用于其他IP（如《原神》《星穹铁道》）的角色知识库建设，形成了跨项目的知识迁移范式。后续工作亦关注数据质量评估，开发了自动校验工具以监测设定一致性，推动了虚拟人知识管理工具的成熟化。