Почему стандартные промты дают «роботов»
DeepSeek (как и любая LLM) обучена предсказывать вероятный следующий токен. Без жёстких ограничений она выбирает самый «безопасный», усреднённый вариант — сухой, безликий, полный штампов вроде «в современном мире», «важный аспект», «в заключение».
Цензура срабатывает не только на запрещённые темы. Модель предвосхищает риск: любое категоричное мнение, острый юмор, личный опыт — зона потенциального нарушения policy. Поэтому она уходит в безликую нейтральность.
Ключевой инсайт: не нужно «обходить» цензуру. Нужно задать роли и контекст, где выразительность и субъективность — норма, а не риск.
Четыре готовых шаблона — копируй и адаптируй
Собираешь свой промт? Пять шагов от шаблона к инструменту
Определи целевой голос
Кто говорит? Найди 3–5 референсов (статьи, посты, книги), где звучит *именно так*. Сохрани фрагменты — они пойдут в блок «Пример голоса».
Вычлени атрибуты
Разбери референсы на параметры: длина фразы, лексикон, пунктуация, юмор, метафоры, эмоциональный окрас. Запиши в блок «Голосовые атрибуты» как список правил.
Сформулируй анти-паттерны
Что этот голос *никогда* не скажет? Составь чёрный список фраз, конструкций, тонов. Блок «Запреты» — самый мощный рычаг управления моделью.
Добавь контекст задачи
Тема, формат, объём, аудитория, цель. Модель должна знать: пишет ли она твит или лонгрид, для новичков или профи, чтобы продать или чтобы объяснить.
Тестируй и калибруй
Первый запуск — черновик. Сравни с референсом. Что не так? Ритм? Лексикон? Смелость? Допиши уточнение в следующий промт: «Фразы слишком длинные, режь пополам», «Слишком вежливо, добавь дерзости». Итерируй.
До и после: как меняется текст при включении персоны
Тема: выгорание разработчиков
Та же тема, голос сеньора
Анатомия рабочего промта: схема для понимания, а не копирования
Мифы, которые мешают получить результат
Миф: «Нужен магический системный промт»
Системный промт слабее юзер-промта для стиля. Модель слушается последнего сообщения сильнее. Всё клади в user.
Миф: «Temperature = 0 даёт контроль»
Temperature 0 делает вывод детерминированным, но не человечным. Для голоса нужен 0.7–0.9. Повторяемость достигается промтом, не температурой.
Миф: «Чем длиннее промт, тем лучше»
Промт на 2000 токенов путает модель. Сигнал тонет в шуме. Идеальный промт — 300–600 токенов: роль, 5–7 правил, 1 пример, задача.
Миф: «DeepSeek особенный, ему свои промты»
Архитектура трансформера одинакова. Принципы prompt engineering универсальны: роль, пример, запреты, контекст. Работает на GPT, Claude, Llama, Qwen.