Промты для DeepSeek в стиле «грубиян»: без воды, по делу, с результатом

Промты для DeepSeek в стиле «грубиян»

Никаких «пожалуйста», «будь добр» и лишних слов. Только структура, контекст и жёсткие ограничения, которые заставляют модель выдавать код, текст и анализ сразу по делу.

Прямой эфир Нет кликбейта Готовые шаблоны

Ловушка вежливости: почему модель отвечает водой

Ты пишешь: «Пожалуйста, напиши функцию на Python, которая парсит JSON, если не сложно». Модель слышит: «Я добрый стажёр, который боится ошибиться». Она отвечает три абзаца вступления, обёрнутый в маркдаун код с комментариями «здесь мы парсим» и завершающим «надеюсь, это поможет».

Грубиян не спрашивает, он ставит задачу. Он знает: LLM — это не собеседник, а вероятностный двигатель. Чем меньше токенов тратишь на этикет, тем больше остаётся на логику. Вежливость в промте — это шум, снижающий signal-to-noise ratio.

Парадокс: чем более авторитарным и специфичным звучит промт, тем более «вежливым» и полезным получается ответ. Модель переключается в режим «исполнитель точного ТЗ», а не «собеседник».

Анатомия грубого промта: 5 блоков, которые не перебивают друг друга

Каждый блок решает свою задачу. Пропустил один — получил сюрприз. Порядок важен: от контекста к жестким ограничениям.

1. Роль (Who)

Не «ты эксперт», а «Senior Backend Engineer, 10 лет на Go/Postgres, пишешь production-ready код без объяснений основ»

2. Контекст (What & Why)

Входные данные, ограничения среды, цель бизнеса. «Есть 50Гб логов в ClickHouse, нужно найти аномалии за последние 15 минут, латенс запроса < 2с».

3. Ограничения (Constraints)

Самый важный блок. «Нет markdown, только raw code. Не используй regex. Память < 512Мб. Верни только SQL».

4. Формат вывода (Output Schema)

JSON с полями X, Y, Z. Таблица Markdown с колонками A, B. Один файл. Никакого прочего текста.

5. Примеры (Few-shot)

2-3 пары Input/Output. Это калибровка. Лучше 1 хороший пример, чем 5 плохих.

Versus: Вежливый промт vs Промт грубияна

Вежливый (Слабый)

Пожалуйста, напиши функцию на Python, которая читает CSV и считает сумму колонки amount. Если можешь, добавь обработку ошибок. Спасибо!

Результат: 50 строк кода, 10 строк комментариев, try/except на всё подряд, print(«Done!») в конце.

Грубиян (Сильный)

Role: Senior Python Dev.
Task: Read CSV from stdin, sum 'amount' col (float).
Constraints: No pandas. Stdlib only. Memory < 10MB. Handle missing/non-numeric silently (skip).
Output: Single float to stdout. No newline. No text.
Example: in: id,amount\n1,10.5\n2,abc -> out: 10.5

Результат: 12 строк, streaming reader, ноль аллокаций,.pipe-ready.

Готовые штампы: копируй, подставляй данные, запускай

UNIVERSAL_ROUGHNECK_v1.py
# ROLE
You are a [ROLE: e.g. Principal Security Architect].
You DO NOT explain basics. You output [ARTIFACT TYPE] only.

# CONTEXT
[INPUT DATA FORMAT, VOLUME, ENV CONSTRAINTS]
Goal: [SINGLE MEASURABLE OUTCOME].

# HARD CONSTRAINTS (VIOLATION = FAILURE)
- [FORBIDDEN LIBS/PATTERNS/APPROACHES]
- [RESOURCE LIMITS: TIME, MEM, TOKENS]
- [OUTPUT FORMAT: EXACT SPEC, NO MARKDOWN]

# EXAMPLES (IO PAIRS)
Input: [CONCRETE SAMPLE]
Output: [EXPECTED RESULT]

# EXECUTE
Process the following input:
[PASTE YOUR DATA HERE]
REFACTOR_LEGACY_v1.sql
Role: Staff DB Engineer (Postgres 15+).
Task: Rewrite query for p99 < 50ms on 100M rows.
Schema: [PASTE CREATE TABLE + INDEXES]
Current Query: [PASTE SLOW QUERY + EXPLAIN ANALYZE]
Constraints:
- No new indexes (DBA said no).
- No CTEs if they materialize.
- Use only parallel seq scan / bitmap heap.
- Output: ONLY the final SQL. No comments.

Go.

Три приёма, которые отличают профи от любителей

1

Chain-of-Thought на рельсах

Не пиши «думай пошагово». Напиши: Reasoning: internal only. Final answer: [FORMAT]. Модель генерирует рассуждения, но в контекст попадает только результат. Токены на рассуждения тратятся, в выводе — чистый артефакт.

2

Негативные ограничения > Положительные

«Не используй regex» работает лучше «используй split». «Не выводи markdown» надежнее «выводи plain text». Модель быстрее исключает паттерн, чем ищет правильный среди бесконечных вариантов. Список запретов — это границы коррала.

3

Persona Lock через системный промт

Если есть доступ к system prompt — зафиксируй роль там. User prompt тогда сокращается до: Input: [DATA]. Output: [SPEC]. Это экономит тысячи токенов на длинных диалогах и убивает дрифт роли.

Модель не умеет угадывать. Она умеет следовать инструкции.

Грубиян не про хамство. Про уважение к собственному времени и к контекстному окну. Каждый токен «пожалуйста» — это токен, который мог бы описать edge-case. Убери шум. Поставь рамки. Получи результат.

Скопируй шаблон → вставь данные → нажми Enter