Prompt systemowy LLM NSFW: Struktura i przykłady

Co robi prompt systemowy w aplikacji do literatury dla dorosłych

Wiadomość systemowa to pierwszy element tablicy messages. Model odczytuje ją przed każdą turą i traktuje jako stałe instrukcje. Przy modelu bez cenzury prompt ma większe znaczenie niż przy modelu mocno filtrowanym, ponieważ nie ma ukrytej warstwy decydującej za Ciebie o tonie. Wszystko, czego nie określisz, model uzupełni własnymi ustawieniami domyślnymi, które często są płaskie, powtarzalne lub zbyt długie.

Zadaniem promptu nie jest więc „jailbreak”. Model w tej usłudze jest dostrojony do odpowiadania bez odmów treści dla legalnego użytku dorosłych, więc nie potrzebujesz sztuczek. Potrzebujesz kierunku: kto mówi, gdzie, w jakim stylu i gdzie kończą się granice historii. Dobrze napisany prompt zapewnia spójne postacie przez setki tur.

Jedna zasada leży poza Twoją kontrolą i poza zakresem dowolnego promptu: treści seksualne z udziałem nieletnich są zabronione. W swoim promptie wskaż, że każda postać jest osobą dorosłą. Dzięki temu historia pozostaje odpowiednia i spełnia wymogi regulaminu w dokumentacji API.

Pięcioczęściowa struktura

Większość promptów, które wytrzymują długą sesję, ma ten sam szkielet. Trzymaj się kilku linijek na każdą część.

1. Rola. Jedno zdanie określające, kim jest model. Podaj imię i zawód, a nie listę przymiotników.
2. Ustawienia. Miejsce, czas, relacja do postaci użytkownika oraz informacja, że wszystkie postacie są osobami dorosłymi.
3. Styl wypowiedzi. Osoba i czas gramatyczny, długość zdań, poziom humoru, słownictwo. Określ, ile słów powinny mieć odpowiedzi.
4. Zasady. Kilka pozytywnych instrukcji, np. „nigdy nie wypowiadaj się za postacią użytkownika” i „utrzymuj sceny w dobrym guście, bez szczegółowych opisów, chyba że użytkownik poprowadzi rozmowę w innym kierunku”.
5. Zakończenie. Co zrobić, gdy użytkownik zapyta o coś spoza fabuły. Jedno krótkie zdanie poza rolą, a następnie powrót do sceny.

Odpieraj pokusę dodania szóstej, siódmej czy ósmej części. Każdy dodatkowy akapit rywalizuje o uwagę, a modele lepiej podążają za pierwszą i ostatnią linią promptu niż za środkową.

Działający przykład gotowy do wysłania dziś

Poniższy skrypt korzysta z Python-SDK OpenAI. Różnią się tylko adres bazowy, klucz API i identyfikator modelu w porównaniu do domyślnej konfiguracji OpenAI. Jeśli nie znasz jeszcze tego endpointu, przewodnik po Pythonie opisuje instalację i obsługę błędów.

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?"))

Zauważ, czego prompt nie zawiera. Nie ma akapitu przeprosin, listy dwudziestu zabronionych słów ani instrukcji „bądź jak najbardziej eksplicytny”. Daje postać, miejsce, styl i długość. Eksplicytność wynika następnie z prowadzenia rozmowy przez użytkownika, tak jak chce tego większość czytelników prozy dla dorosłych.

To samo zapytanie z curl

Jeśli chcesz przetestować prompt przed podpięciem go do kodu, curl jest szybki. Wiadomość systemowa trafia na pierwsze miejsce, dokładnie jak w Pythonie.

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
  }'

Odpowiedź to standardowy JSON chat completions. Tekst odpowiedzi znajduje się w choices[0].message.content, a nagłówek odpowiedzi X-Balance-USD pokazuje pozostały kredyt po zapytaniu.

Ustawienia wpływające na prompt

Prompt to tylko połowa zachowania. Ustawienia próbkowania zmieniają, jak ściśle model go stosuje.

• temperature między 0,8 a 1,0 daje żywą prozę. Zmień na 0,6, jeśli postać odbiega od scenariusza.
• top_p około 0,9 do 0,95 ogranicza dziwne wybory słów, nie spłaszczając jednocześnie stylu.
• presence_penalty lub frequency_penalty w zakresie 0,2–0,5 redukuje powtarzające się frazy w długich rozmowach. Są one przekazywane do modelu.
• seed pomaga, gdy porównujesz dwie wersje promptu: ustaw stałe ziarno i zmieniaj tylko tekst.
• max_tokens jest opcjonalne. Instrukcja długości wewnątrz promptu zwykle działa lepiej niż sztywny limit, który może uciąć zdanie w połowie.

Zmieniaj jedną rzecz na raz. Jeśli edytujesz prompt i temperaturę jednocześnie, nie będziesz wiedzieć, która zmiana pomogła.

Typowe błędy i jak je naprawić

Model przejmuje głos użytkownika

Dodaj jedną wyraźną linię: „Nigdy nie pisz słów, myśli ani działań postaci gracza”. Powtórz ją jako ostatnią linię promptu. Modele silnie ważą koniec wiadomości systemowej.

Odpowiedzi stają się coraz dłuższe

Podaj liczbę, np. „80–150 słów”. Niejasne sformułowania jak „zwięzły” są interpretowane inaczej przy każdej turze. Sprawdź też, czy Twoje przykładowe wiadomości w historii nie są długie, ponieważ model kopiuje długość, którą widzi.

Postać zapomina o ustawieniach po wielu turach

Komunikat systemowy zawsze jest na początku, więc nie wypada z okna kontekstu 100 000 tokenów, ale szczegóły się rozmywają w długiej historii. Co 30 lub 40 tur dodaj krótkie podsumowanie jako komunikat użytkownika lub podsumuj stare tury i je zastąp. przewodnik po modelach do odgrywania ról omawia, jak wielkość kontekstu wpływa na długie sceny.

Ton staje się powtarzalny

Dodaj wskazówkę do sekcji stylu, np. „zróżnicuj początki zdań i unikaj powtarzania frazy użytej w ostatnich trzech odpowiedziach”, oraz nieznacznie podwyższ karę obecności.

Rozmowa poza fabułą

Zdefiniuj linię wyjścia. Bez niej model wymyśla własne zastrzeżenia.

Ile kosztuje prompt systemowy

Wiadomość systemowa jest wysyłana z każdym zapytaniem, więc liczy się jako wejście przy każdym razem. Przyjmij prompt o 400 tokenach. Przy cenie $0,15 za 1 mln tokenów wejściowych, 400 tokenów kosztuje 400 / 1 000 000 x $0,15 = $0,00006 za zapytanie. Przy 1000 zapytań daje to 400 000 tokenów, czyli $0,06.

Rozmowa zawiera również historię, która zwykle kosztuje znacznie więcej niż wiadomość systemowa. Wyjście jest wyceniane na $0,50 za 1 mln tokenów, więc odpowiedź o 150 słowach (ok. 200 tokenów) kosztuje 200 / 1 000 000 x $0,50 = $0,0001. Nieudane lub odrzucone zapytania nie są rozliczane. Aktualne ceny i kwoty do doładowania znajdziesz na stronie z cenami, a możesz zacząć od klucza próbnego z strony kluczy API. Płatność w kryptowalutach (USDT na TRC20 lub USDC na Base).

Wniosek: prompt o 600 tokenach nie jest problemem kosztowym. Napisz prompt, którego potrzebujesz, i poświęć wysiłek na jego testowanie zamiast skracania.

Więcej przewodników

• SillyTavern API kompatybilne z OpenAI: konfiguracja krok po kroku
• Najlepszy lokalny LLM do roleplayu, czy API hostowane?