Prompt Sistem LLM NSFW: Struktur dan Contoh

Apa fungsi prompt sistem dalam aplikasi fiksi dewasa

Pesan sistem adalah entri pertama dalam array messages. Model membacanya sebelum setiap giliran dan menganggapnya sebagai instruksi tetap. Dengan model tanpa sensor, prompt lebih penting daripada model yang banyak filter, karena tidak ada lapisan tersembunyi yang menentukan nada untuk Anda. Apa pun yang tidak Anda tentukan, model akan mengisi dengan default-nya sendiri, yang sering kali datar, berulang, atau terlalu panjang.

Jadi tugas prompt bukan untuk "jailbreak" apa pun. Model pada layanan ini disesuaikan untuk menjawab tanpa penolakan konten untuk penggunaan dewasa yang sah, sehingga Anda tidak memerlukan trik. Anda memerlukan arahan: siapa yang berbicara, di mana, dengan gaya apa, dan di mana batas cerita. Prompt yang melakukan ini dengan baik menghasilkan karakter yang konsisten selama ratusan giliran.

Satu aturan berada di luar kendali Anda dan di luar prompt apa pun: konten seksual yang melibatkan anak di bawah umur dilarang. Nyatakan dalam prompt Anda bahwa setiap karakter adalah orang dewasa. Ini menjaga cerita tetap bersih dan sesuai dengan aturan layanan dalam dokumentasi API.

Struktur lima bagian

Sebagian besar prompt yang bertahan selama sesi panjang memiliki kerangka yang sama. Pertahankan setiap bagian hanya beberapa baris.

1. Peran. Satu kalimat tentang siapa model tersebut. Berikan nama dan pekerjaan, bukan daftar kata sifat.
2. Latar. Tempat, waktu, hubungan dengan karakter pengguna, dan catatan bahwa semua karakter adalah orang dewasa.
3. Suara. Orang dan waktu kalimat, panjang kalimat, tingkat humor, kosakata. Sebutkan berapa panjang balasan yang diinginkan dalam kata.
4. Aturan. Beberapa instruksi positif, seperti "tidak pernah berbicara untuk karakter pengguna" dan "jaga adegan tetap sopan dan tidak grafis kecuali pengguna mengarahkan sebaliknya".
5. Baris keluar. Apa yang harus dilakukan ketika pengguna meminta sesuatu di luar cerita. Satu kalimat singkat di luar karakter, lalu kembali ke adegan.

Tahan dorongan untuk menambahkan bagian keenam, ketujuh, dan kedelapan. Setiap paragraf tambahan bersaing untuk mendapatkan perhatian, dan model cenderung mengikuti baris pertama dan terakhir prompt lebih andal daripada bagian tengah.

Contoh kerja yang bisa Anda kirim hari ini

Skrip di bawah ini menggunakan SDK Python OpenAI. Hanya base URL, kunci, dan ID model yang berbeda dari pengaturan OpenAI standar. Jika Anda baru menggunakan endpoint ini, panduan Python mencakup instalasi dan penanganan kesalahan.

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?"))

Perhatikan apa yang tidak terkandung dalam prompt. Tidak ada paragraf permintaan maaf, tidak ada daftar dua puluh kata terlarang, tidak ada instruksi untuk "seeksplisit mungkin". Prompt ini memberikan karakter, tempat, suara, dan panjang. Tingkat eksplisit kemudian mengikuti arahan pengguna dalam percakapan, yang merupakan cara kebanyakan pembaca fiksi dewasa ingin perilakunya.

Permintaan yang sama dengan curl

Jika Anda ingin menguji prompt sebelum mengintegrasikannya ke dalam kode, curl sangat cepat. Pesan sistem masuk ke slot pertama, persis seperti di 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
  }'

Responsnya adalah JSON penyelesaian obrolan standar. Teks balasan ada di choices[0].message.content, dan header respons X-Balance-USD menunjukkan sisa saldo Anda setelah panggilan.

Pengaturan yang berinteraksi dengan prompt

Prompt hanya setengah dari perilaku. Pengaturan sampling mengubah seberapa dekat model mengikutinya.

• temperature antara 0,8 hingga 1,0 memberikan prosa yang hidup. Turunkan ke 0,6 jika karakter menyimpang dari skrip.
• top_p sekitar 0,9 hingga 0,95 memangkas pilihan kata yang aneh tanpa meratakan suara.
• presence_penalty atau frequency_penalty sebesar 0,2 hingga 0,5 mengurangi frasa berulang dalam obrolan panjang. Ini diteruskan ke model.
• seed membantu ketika Anda membandingkan dua versi prompt: tetapkan seed dan ubah hanya teksnya.
• max_tokens bersifat opsional. Instruksi panjang di dalam prompt biasanya lebih baik daripada batas keras, yang dapat memotong kalimat menjadi dua.

Ubah satu hal pada satu waktu. Jika Anda mengedit prompt dan temperature secara bersamaan, Anda tidak akan tahu perubahan mana yang membantu.

Kegagalan umum dan cara memperbaikinya

Model berbicara mewakili pengguna

Tambahkan satu baris eksplisit: "Jangan pernah menulis kata-kata, pikiran, atau tindakan karakter pengguna." Ulangi sebagai baris terakhir prompt. Model memberi bobot besar pada akhir pesan sistem.

Balasan terus menjadi lebih panjang

Berikan angka, seperti "80 hingga 150 kata". Kata-kata samar seperti "singkat" dibaca berbeda setiap giliran. Periksa juga apakah pesan contoh Anda dalam riwayat tidak terlalu panjang, karena model menyalin panjang yang dilihatnya.

Karakter lupa latar setelah banyak giliran

Pesan sistem selalu di bagian atas, sehingga tidak jatuh dari jendela konteks 100.000 token, tetapi detail menyimpang dalam riwayat panjang. Setiap 30 atau 40 giliran, tambahkan ringkasan singkat sebagai pesan pengguna, atau ringkas giliran lama dan ganti. panduan model roleplay membahas bagaimana ukuran konteks memengaruhi adegan panjang.

Nada menjadi berulang

Tambahkan petunjuk variasi ke bagian suara, seperti "variasikan pembukaan kalimat dan hindari mengulang frasa yang digunakan dalam tiga balasan terakhir", dan tingkatkan penalti kehadiran sedikit.

Obrolan di luar karakter

Tentukan baris keluar. Tanpanya, model membuat disclaimer secara improvisasi.

Berapa biaya prompt sistem

Pesan sistem dikirim dengan setiap permintaan, sehingga dihitung sebagai input setiap kali. Ambil prompt sepanjang 400 token. Dengan harga $0,15 per 1M token input, 400 token berharga 400 / 1.000.000 x $0,15 = $0,00006 per permintaan. Selama 1.000 permintaan, itu adalah 400.000 token, atau $0,06.

Percakapan juga membawa riwayatnya, yang biasanya memakan biaya jauh lebih besar daripada pesan sistem. Output dihargai $0,50 per 1M token, sehingga balasan 150 kata yang sekitar 200 token berharga 200 / 1.000.000 x $0,50 = $0,0001. Permintaan yang gagal atau ditolak tidak dikenakan biaya. Harga saat ini dan jumlah isi saldo ada di halaman harga, dan Anda dapat memulai dengan kunci uji coba dari halaman kunci API. Pembayaran menggunakan kripto (USDT di TRC20 atau USDC di Base).

Kesimpulannya: prompt 600 token bukan masalah biaya. Tulis prompt yang Anda butuhkan dan habiskan usaha untuk mengujinya daripada memotongnya.

Panduan lainnya

• SillyTavern API Kompatibel OpenAI: Penyiapan Langkah demi Langkah
• LLM Lokal Terbaik untuk Roleplaying, atau API yang Dihosting?