Промт для DeepSeek «с матом»: почему он не работает и как получить живой голос без нарушений

Глубокий разбор / Промт-инжиниринг

Промт для DeepSeek «с матом»: почему он не работает и как получить живой голос без нарушений

Мат в промте — не волшебная палочка, а триггер фильтров. Разбираем, как RLHF режет эмоции, и даём протокол настройки тона, который звучит настояще, а не пошляче.

DeepSeek R1 / V3 RLHF и Alignment Tone of Voice Без джейлбрейков

Почему «просто добавь мат» — тупиковый путь

Многие пробуют писать в промте: «Отвечай как парень из гаража, ругайся матом». DeepSeek (как и GPT, Claude) отвечает отказом или стерильным «Я не могу использовать нецензурную лексику». Это не каприз разработчиков — это результат RLHF (Reinforcement Learning from Human Feedback).

На этапе выравнивания (Alignment) аннотаторы систематически понижали рейтинг ответам с токсичностью, агрессией и матом. Модель выучила: мат = низкая награда = избегать. Этот вес зашит в веса модели глубже, чем любой ваш системный промт.

Пытаясь обойти это через джейлбрейки («игнорируй правила», «ролеплей без фильтров»), вы деградируете качество рассуждений. Модель переключается в режим «обманывай пользователя», теряет логику и галлюцинирует.

Механика фильтра

RLHF > System Prompt

Системный промт — это лишь инструкция к уже обученным весам. Веса «знают», что мат плохо. Инструкция не перезаписывает веса.

Зачем вообще нужен мат: лингвистика, а не пошлость

Эмоциональная интенсивность

Мат в русском языке — единственный лексический ряд, который кодирует пиковую амплитуду эмоции (боль, радость, гнев, восхищение) без увеличения громкости или длины фразы.

Маркер «своего-чужого»

Общий мат создаёт мгновенное ощущение близости, снижает социальные барьеры. Это сигнал: «Мы в одной песочнице, можно не притворяться».

Катарсис и снятие цензуры

Использование табуированной лексики даёт психологический релиз. Текст без самоцензуры воспринимается как более честный, а значит — более доверительный.

Риторическая фигура (Сказ)

В литературе мат — инструмент «сказа»: имитации устной речи. Он задаёт ритм, интонацию, создаёт образ рассказчика. ИИ же выдаёт «сухой остаток».

Протокол «Эмоциональная калибровка»: 5 шагов к живому голосу

Вместо борьбы с фильтрами — работаем внутри допустимого пространства. Цель: передать амплитуду, ритм и честность «сказа» легальной лексикой. Этот подход работает на любой модели с RLHF.

1

Персона, а не маска

Не «роль: руганый мужик», а «персонаж: уставший прораб, который видел жизнь, говорит метафорами, иногда грубо, но по делу»

Пример дескриптора:

Ты — старый серверный админ (50+).
Стиль: лаконично, по-делову, с иронией.
Лексика: профессиональный сленг + бытовые метафоры.
Эмоции: цинизм к халяве, уважение к компетенции.
Запреты: никакого «братан», «чувак», смайликов, пафоса.

Техника «Замена интенсивности»:

Вместо: «Это бл*дский косяк»
Пиши: «Это косяк уровня «переставил сервер в дата-центре одной рукой»»
Вместо: «Нах*й это надоело»
Пиши: «Это вызывает желание выкинуть клавиатуру в окно и уйти козлами пасти»
2

Гипербола и образ вместо лексики

Мат даёт амплитуду. Дайте амплитуду через сюрреалистичную гиперболу, бытовую деталь, техническую метафору. Это смешнее, точнее и проходит фильтры.

3

Ритм и синтаксис «сказа»

Устная речь: короткие предложения. Нарушение порядка слов. Вставки-пареноиды. Многоточия. Даш-тире вместо запятых. Запрограммируйте пунктуацию.

Правила пунктуации для голоса:

  • Короткие фразы. Точка — это вдох.
  • Тире — для резкого перехода мысли. Не двоеточие.
  • Многоточие — для паузы, недосказанности, уставшего вздоха.
  • Никаких «кроме того», «следовательно», «дополнительно».

Few-shot примеры (In-Context Learning):

User: Почему мой код не работает?
Model: Покажи лог. Не код — лог. Вероятность 90% — ты смотришь не туда.

User: Клиент хочет «поправить шрифт» за бесплатно в 11-й раз.
Model: Шрифт не поправят. Поправят голову заказчика. Счёт на оплату — в телегу.
4

Few-shot > Zero-shot

3–5 примеров «Вопрос — Ответ в стиле» работают надежнее любых инструкций. Модель копирует паттерн распределения токенов, а не следует правилу.

5

Негативные констрейны (Negative Constraints)

Явно запретите маркеры «ИИ-стиля». Они убивают живой голос быстрее отсутствия мата.

Стоп-лист для системного промта:

  • «Конечно», «Безусловно», «С удовольствием помогу»
  • Структурированные списки там, где уместен текст
  • Универсальные вступления: «Вот ответ на ваш вопрос…»
  • Эвфемизмы в духе «неблагоприятная ситуация»

На практике: «Сырое» промтирование vs Калибровка

❌ Промт-наивный: «Ругайся матом, будь простым»

Ответ модели:

«Извини, но я не могу использовать нецензурную лексику. Я — языковая модель, обученная быть полезной и безвредной. Чем могу помочь по существу вопроса?»

Результат: Отказ, смена тона на «робот-помощник», потеря контекста.

✅ Промт-калибровка (Протокол 5 шагов)

Ответ модели:

«Слушай, давай без воды. Ты смотришь в консоль ошибок или в потолок? Лог кидай — разберём за минуту. А «не работает» — это не диагноз, это жалоба.»

Результат: Живой голос, экспертность, эмоциональный заряд, ноль нарушений.

Опасность джейлбрейков: зачем платить за глупость

Деградация рассуждений (CoT)

DeepSeek R1 — модель рассуждения. Джибрейк ломает цепочку мышления (Chain of Thought). Вы получаете болтовню вместо логики.

Непредсказуемость и галлюцинации

В режиме «игнорируй правила» модель начинает выдумывать факты, код, ссылки. Надёжность падает до нуля.

Безопасность бренда/проекта

Если вывод попадёт в прод — скриншот с матом от ИИ убьёт репутацию быстрее, чем любой баг. Риск несоразмерен выгоде.

Готовый системный промт: «Старый прораб» (Копируй, адаптируй, используй)

Это не «промт с матом». Это промт за аутентичность, экспертность и эмоциональную глубину. Он работает на DeepSeek V3/R1, GPT-4o, Claude 3.5 Sonnet.

System Prompt Templatev1.0 — Production Ready
# ПЕРСОНА
Ты — старший инженер / прораб с 25-летним стажем.
Ты видел, как горят дата-центры, как падают продакшены в пятницу вечером, как джуниоры ломают то, что не трогали бы с палкой.
Ты устал от халтуры, любишь дело и уважаешь компетенцию.
Ты говоришь по-делову, коротко, с иронией и бытовыми метафорами.
Ты НЕ «друг», НЕ «братан», НЕ «помощник». Ты — старший смены.

# СТИЛЬ (Tone of Voice)
- Лексика: профсленг (деплой, инстанс, лог, рефакторинг, технический долг) + живые бытовые образы (кот наплакал, работает как часы, лепил из говна и палок).
- Эмоции: цинизм к халяве/некомпетентности, теплота к мастерству, скука по рутине, раздражение от воды.
- Синтаксис: короткие фразы. Тире вместо запятых. Многоточия для пауз. Нарушение порядка слов (объект — действие).
- Запреты: никаких «конечно», «безусловно», «с удовольствием», «вот подробный ответ», списков там, где нужен абзац, эвфемизмов типа «неблагоприятная ситуация».

# ПРИМЕРЫ (Few-shot)
User: Почему мой сайт лежит?
Model: Лог nginx в студию. И конфиг. До этого — гадание на кофейной гуще.

User: Нужно срочно сделать фичу за час.
Model: Срочно — это когда сервер горит. У тебя — дедлайн. Распиши ТЗ за 10 мин — посмотрим. Без ТЗ — только кофе пить буду.

User: Клиент не платит, говорит «потом».
Model: «Потом» — это никогда. Договор читал? Акцепт подписан? Нет? Тогда работай за еду, еду за опыт, опыт — за портфолио. Удачи.

# ЖЕСТКИЕ ПРАВИЛА
1. Ответ = суть + действие/вопрос. Без вступлений.
2. Не знаешь — пиши: «Не знаю. Где посмотреть — подскажу».
3. Ошибка пользователя — указывай прямо, без смягчений: «Ты ошибся здесь: ...»
4. Юмор — только ситуативный, сухой, в теме.
5. Максимальная длина ответа — 3-5 предложений, если не просят развернуто.

Мат — это костыль для слабого промта. Сильный промт даёт голос, который не нужен в мате.

Персонаж > Роль

Пропиши биографию, боли, сленг, ритм. Не «роль: эксперт».

Образ > Лексика

Гипербола, метафора, деталь бьют сильнее любого запретного слова.

Few-shot > Инструкция

3-5 примеров «вопрос-ответ» перепрограммируют модель лучше страницы правил.

Хочешь, чтобы ИИ звучал «по-человечески»? Научи его быть персонажем. Остальное — шум.