Prompt de sistema LLM NSFW: Estructura y ejemplos

Qué hace un prompt de sistema en una app de ficción para adultos

El mensaje del sistema es la primera entrada en la matriz messages. El modelo lo lee antes de cada turno y lo trata como instrucciones vigentes. Con un modelo sin censura el prompt importa más que con uno muy filtrado, porque no hay una capa oculta que decida el tono por ti. Lo que no especifiques, el modelo lo completa con sus propios valores predeterminados, y a menudo son planos, repetitivos o demasiado largos.

Así que la función del prompt no es "jailbreakear" nada. El modelo de este servicio está ajustado para responder sin rechazos de contenido para uso adulto lícito, así que no necesitas trucos. Necesitas dirección: quién habla, dónde, en qué estilo y dónde están los límites de la historia. Un prompt que hace esto bien produce personajes consistentes durante cientos de turnos.

Una regla está fuera de tu control y fuera de cualquier prompt: se prohíbe el contenido sexual que involucre a menores. Indica en tu prompt que todos los personajes son adultos. Esto mantiene la historia limpia y cumple con las reglas del servicio en la documentación de API.

La estructura de cinco partes

La mayoría de los prompts que resisten una sesión larga tienen el mismo esqueleto. Mantén cada parte en unas pocas líneas.

1. Rol. Una oración sobre quién es el modelo. Dale un nombre y un trabajo, no una lista de adjetivos.
2. Entorno. Lugar, tiempo, relación con el personaje del usuario y una nota de que todos los personajes son adultos.
3. Voz. Persona y tiempo verbal, longitud de las oraciones, nivel de humor, vocabulario. Indica cuántas palabras deben tener las respuestas.
4. Reglas. Un puñado de instrucciones positivas, como "nunca hables por el personaje del usuario" y "mantén las escenas con buen gusto y no gráficas a menos que el usuario indique lo contrario".
5. Línea de salida. Qué hacer cuando el usuario pregunta algo fuera de la historia. Una sola frase fuera de personaje, luego volver a la escena.

Resiste la tentación de añadir una sexta, séptima u octava parte. Cada párrafo extra compite por la atención, y los modelos tienden a seguir las primeras y últimas líneas de un prompt con más fiabilidad que el medio.

Un ejemplo funcional que puedes enviar hoy

El script de abajo usa el SDK de Python de OpenAI. Solo la URL base, la clave y el ID del modelo difieren de una configuración estándar de OpenAI. Si eres nuevo en el endpoint, la guía de Python cubre la instalación y el manejo de errores.

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?"))

Observa lo que no contiene el prompt. No hay un párrafo de disculpas, ni una lista de veinte palabras prohibidas, ni la instrucción de "ser lo más explícito posible". Da un personaje, un lugar, una voz y una longitud. La explícitud sigue luego la dirección del usuario en la conversación, que es cómo la mayoría de los lectores de ficción para adultos quieren que se comporte.

La misma petición con curl

Si quieres probar un prompt antes de integrarlo en el código, curl es rápido. El mensaje de sistema va en la primera posición, exactamente como en 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
  }'

La respuesta es JSON estándar de completado de conversación. El texto de la respuesta está en choices[0].message.content, y el encabezado de respuesta X-Balance-USD muestra tu crédito restante después de la llamada.

Configuraciones que interactúan con el prompt

El prompt es solo la mitad del comportamiento. Las configuraciones de muestreo cambian qué tan cerca sigue el modelo el prompt.

• temperature entre 0.8 y 1.0 da prosa animada. Baja a 0.6 si el personaje se desvía del guion.
• top_p alrededor de 0.9 a 0.95 recorta las elecciones de palabras extrañas sin aplanar la voz.
• presence_penalty o frequency_penalty de 0.2 a 0.5 reduce las frases repetidas en conversaciones largas. Estos se pasan a través del modelo.
• seed ayuda cuando comparas dos versiones de un prompt: fija la semilla y cambia solo el texto.
• max_tokens es opcional. Una instrucción de longitud dentro del prompt suele funcionar mejor que un límite estricto, que puede cortar una oración por la mitad.

Cambia una cosa a la vez. Si editas el prompt y la temperatura al mismo tiempo, no sabrás qué cambio ayudó.

Fallos comunes y cómo solucionarlos

El modelo habla por el usuario

Añade una línea explícita: "Nunca escribas las palabras, pensamientos o acciones del personaje del usuario". Repítela como la última línea del prompt. Los modelos ponderan fuertemente el final del mensaje del sistema.

Las respuestas siguen haciéndose más largas

Da un número, como "80 a 150 palabras". Una redacción vaga como "conciso" se lee de forma diferente en cada turno. También verifica que tus propios mensajes de ejemplo en el historial no sean largos, ya que el modelo copia la longitud que ve.

El personaje olvida el entorno después de muchos turnos

El mensaje del sistema siempre está al principio, así que no se cae de una ventana de 100.000 tokens, pero los detalles se desplazan en un historial largo. Cada 30 o 40 turnos, añade un breve resumen como mensaje de usuario, o resume los turnos antiguos y reemplázalos. La guía del modelo de roleplay discute cómo el tamaño del contexto afecta a las escenas largas.

El tono se vuelve repetitivo

Añade una pista de variación a la sección de voz, como "varía los inicios de las oraciones y evita repetir una frase usada en las últimas tres respuestas", y sube ligeramente la penalización por presencia.

Charla fuera de personaje

Define la línea de salida. Sin una, el modelo improvisa advertencias.

Cuánto cuesta el prompt de sistema

El mensaje del sistema se envía con cada petición, así que cuenta como entrada cada vez. Toma un prompt de 400 tokens. A $0,15 por 1M de tokens de entrada, 400 tokens cuestan 400 / 1.000.000 x $0,15 = $0,00006 por petición. En 1.000 peticiones eso son 400.000 tokens, o $0,06.

Una conversación también lleva su historial, lo que generalmente cuesta mucho más que el mensaje del sistema. La salida se cobra a $0,50 por 1M de tokens, así que una respuesta de 150 palabras de aproximadamente 200 tokens cuesta 200 / 1.000.000 x $0,50 = $0,0001. Las peticiones fallidas o rechazadas no se cobran. Los precios actuales y las cantidades de recarga están en la página de precios, y puedes comenzar con una clave de prueba desde la página de clave de API. El pago es en cripto (USDT en TRC20 o USDC en Base).

La conclusión: un prompt de 600 tokens no es un problema de costo. Escribe el prompt que necesites y gasta el esfuerzo en probarlo en lugar de recortarlo.

Más guías

• API compatible con OpenAI de SillyTavern: configuración paso a paso
• ¿El mejor LLM local para roleplay o una API alojada?