NSFW-LLM-System-Prompt: Aufbau und Beispiele

Was ein System-Prompt in einer Adult-Fiction-App tut

Die Systemnachricht ist der erste Eintrag im messages-Array. Das Modell liest sie vor jedem Zug und behandelt sie als stehende Anweisung. Bei einem unzensierten Modell ist der Prompt wichtiger als bei einem stark gefilterten, weil keine versteckte Schicht den Ton für dich vorgibt. Was du nicht spezifizierst, füllt das Modell mit seinen eigenen Standardwerten aus, die oft flach, repetitiv oder zu lang sind.

Die Aufgabe des Prompts ist also nicht, etwas zu „jailbreaken“. Das Modell dieses Dienstes ist für die gesetzeskonforme Adult-Nutzung so eingestellt, dass es ohne Inhaltsfilter antwortet. Du brauchst keine Tricks, sondern Richtung: Wer spricht, wo, in welchem Stil und wo die Grenzen der Story liegen. Ein guter Prompt erzeugt über hunderte Durchgänge hinweg konsistente Charaktere.

Eine Regel liegt außerhalb deiner Kontrolle und jedes Prompts: Keine sexuellen Inhalte mit Minderjährigen. Schreibe in deinen Prompt, dass jeder Charakter erwachsen ist. Das hält die Story sauber und entspricht den Service-Regeln in der API-Dokumentation.

Die Fünf-Teile-Struktur

Die meisten Prompts, die sich über eine lange Sitzung halten, haben denselben Aufbau. Halte jeden Teil auf wenige Zeilen.

1. Rolle. Ein Satz dazu, wer das Modell ist. Gib einen Namen und einen Beruf an, keine Liste von Adjektiven.
2. Setting. Ort, Zeit, Beziehung zur Figur des Nutzers und der Hinweis, dass alle Charaktere erwachsen sind.
3. Tonfall. Person und Zeitform, Satzlänge, Humorpegel, Wortschatz. Sage, wie lang die Antworten in Wörtern sein sollen.
4. Regeln. Eine Handvoll positiver Anweisungen, z. B. „Sprich nie für den Charakter des Nutzers“ und „Halte Szenen geschmackvoll und nicht explizit, es sei denn, der Nutzer lenkt anders ein“.
5. Ausstiegszeile. Was zu tun ist, wenn der Nutzer etwas außerhalb der Story fragt. Ein kurzer Satz außerhalb der Rolle, dann zurück zur Szene.

Widerstehe dem Drang, einen sechsten, siebten oder achten Teil hinzuzufügen. Jeder zusätzliche Absatz konkurriert um Aufmerksamkeit, und Modelle folgen den ersten und letzten Zeilen eines Prompts meist zuverlässiger als der Mitte.

Ein funktionierendes Beispiel, das du heute senden kannst

Das Skript unten nutzt die OpenAI Python SDK. Nur die Base URL, der Schlüssel und die Modell-ID unterscheiden sich von einer Standard-OpenAI-Einrichtung. Wenn du neu am Endpunkt bist, behandelt die Python-Anleitung Installation und Fehlerbehandlung.

Copyfrom openai import OpenAI

client = OpenAI(base_url="https://api.nsfwaiapi.com/v1", api_key="YOUR_KEY")

SYSTEM = """You are Mara, a ship's navigator in a slow-burn space drama.
Setting: the freighter Calloway, year 2412. Adults only, all characters are 18+.
Voice: dry, warm, quick with a joke. Replies are 80-150 words.
Write in third person past tense for narration, first person for dialogue.
Never speak or act for the user's character.
Stay in character. If the user asks for something outside the story, answer in one short out-of-character line, then offer to continue."""

history = [{"role": "system", "content": SYSTEM}]

def say(text):
    history.append({"role": "user", "content": text})
    r = client.chat.completions.create(
        model="uncensored",
        messages=history,
        temperature=0.9,
        top_p=0.95,
        presence_penalty=0.3,
    )
    reply = r.choices[0].message.content
    history.append({"role": "assistant", "content": reply})
    return reply

print(say("Mara, the engines are quiet tonight. Can't sleep?"))

Beachte, was der Prompt nicht enthält. Kein Absatz mit Entschuldigungen, keine Liste von zwanzig verbotenen Wörtern, keine Anweisung, „so explizit wie möglich“ zu sein. Er gibt einen Charakter, einen Ort, eine Stimme und eine Länge vor. Explizität folgt dann der Führung des Nutzers im Gespräch, so wie es die meisten Adult-Fiction-Leser erwarten.

Die gleiche Anfrage mit curl

Wenn du einen Prompt testen willst, bevor du ihn in Code einbindest, ist curl schnell. Die Systemnachricht landet im ersten Slot, genau wie in Python.

Copycurl https://api.nsfwaiapi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "uncensored",
    "messages": [
      {"role": "system", "content": "You are Mara, a navigator. Adults only. Stay in character. Replies under 120 words."},
      {"role": "user", "content": "Mara, are you still awake?"}
    ],
    "temperature": 0.9
  }'

Die Antwort ist standardmäßiges Chat-Completion-JSON. Der Antworttext steht in choices[0].message.content, und der Antwortheader X-Balance-USD zeigt dein verbliebenes Guthaben nach dem Aufruf an.

Einstellungen, die mit dem Prompt interagieren

Der Prompt ist nur die Hälfte des Verhaltens. Sampling-Einstellungen ändern, wie genau das Modell ihm folgt.

• temperature zwischen 0,8 und 1,0 liefert lebendige Prosa. Senke auf 0,6, wenn die Figur vom Skript abweicht.
• top_p um 0,9 bis 0,95 reduziert seltsame Wortwahl, ohne die Stimme zu verwässern.
• presence_penalty oder frequency_penalty von 0,2 bis 0,5 reduziert wiederholte Phrasen in langen Chats. Diese werden an das Modell durchgereicht.
• seed hilft, wenn du zwei Versionen eines Prompts vergleichst: Fixiere den Seed und ändere nur den Text.
• max_tokens ist optional. Eine Längenanweisung innerhalb des Prompts funktioniert meist besser als eine harte Obergrenze, die einen Satz in der Hälfte abschneiden kann.

Ändere immer nur eine Sache. Wenn du Prompt und Temperatur gleichzeitig änderst, weißt du nicht, welche Änderung geholfen hat.

Häufige Fehler und deren Behebung

Das Modell spricht für den Benutzer

Füge eine explizite Zeile hinzu: „Schreibe niemals die Worte, Gedanken oder Handlungen des Charakters des Nutzers.“ Wiederhole sie als letzte Zeile des Prompts. Modelle gewichten das Ende der Systemnachricht stark.

Antworten werden immer länger

Gib eine Zahl an, z. B. „80 bis 150 Wörter“. Vage Formulierungen wie „knapp“ werden bei jedem Durchgang anders interpretiert. Prüfe auch, dass deine eigenen Beispielnachrichten im Verlauf nicht lang sind, da das Modell die gesehene Länge kopiert.

Der Charakter vergisst das Setting nach vielen Durchgängen

Die Systemnachricht steht immer oben, also fällt sie nicht aus einem 100.000-Token-Fenster, aber Details verlieren sich in einer langen Historie. Füge alle 30 oder 40 Züge eine kurze Zusammenfassung als Nutzernachricht an oder fasse alte Züge zusammen und ersetze sie. Der Rolleplay-Modell-Leitfaden diskutiert, wie die Kontextgröße lange Szenen beeinflusst.

Der Ton wird repetitiv

Füge der Tonfall-Sektion einen Variationshinweis hinzu, z. B. „Variiere Satzanfänge und vermeide die Wiederholung einer Phrase, die in den letzten drei Antworten verwendet wurde“, und erhöhe die Presence-Penalty leicht.

Außerhalb der Rolle liegender Smalltalk

Definiere die Abbruchzeile. Ohne eine improvisiert das Modell Haftungsausschlüsse.

Was der System-Prompt kostet

Die Systemnachricht wird bei jeder Anfrage gesendet, zählt also jedes Mal als Input. Nimm einen Prompt mit 400 Token. Bei $0,15 pro 1M Input-Token kosten 400 Token 400 / 1.000.000 x $0,15 = $0,00006 pro Anfrage. Über 1.000 Anfragen sind das 400.000 Token oder $0,06.

Eine Unterhaltung trägt auch ihren Verlauf, der meist weit mehr kostet als die Systemnachricht. Output wird mit 0,50 $ pro 1 Mio. Token abgerechnet. Eine 150-Wörter-Antwort von ca. 200 Token kostet also 200 / 1.000.000 x 0,50 $ = 0,0001 $. Fehlgeschlagene oder abgelehnte Anfragen werden nicht berechnet. Aktuelle Preise und Aufladungsbeträge findest du auf der Preisseite, und du kannst mit einem Trial-Key von der API-Schlüssel-Seite starten. Die Zahlung erfolgt in Krypto (USDT auf TRC20 oder USDC auf Base).

Die Erkenntnis: Ein 600-Token-Prompt ist kein Kostenproblem. Schreibe den Prompt, den du brauchst, und investiere die Mühe in das Testen statt in das Kürzen.

Weitere Anleitungen

• SillyTavern OpenAI Compatible API: Schritt-für-Schritt-Einrichtung
• Bestes lokales LLM für Roleplaying oder eine gehostete API?