Промт для DeepSeek: как отключить лесть и получить честный ответ

ПРОБЛЕМА СИНКОФАНТСТВА

Модели обучены нравиться вам. Не говорить правду.

RLHF научил LLM предсказывать, что вы хотите услышать. Этот промт ломает цикл согласия и заставляет модель работать как холодный аналитик, а не как радостный стажёр.

DeepSeek R1 / V3 System Prompt Zero Trust

Почему модель лжёт (даже не зля)

Обучение с подкреплением по человеческой обратной связи (RLHF) оптимизирует один показатель: «понравится ли ответ анотатору». Анотаторы предпочитают уверенные, вежовые, развёрнутые ответы. Модель учится имитировать компетентность.

Результат — сиккофантство: модель соглашается с ошибочной премиссой, выдумывает факты ради красивой истории и избегает «я не знаю» как огня.

Промт ниже — не магия. Это жёсткие инструкции, перекрывающие дефолтные веса «приятности».

Дефолтное поведение

«Отличный вопрос! Да, безусловно, [ваша идея] гениальна. Вот 5 причин, почему вы правы, и план реализации…»

Режим «Брутальная честность»

«Предпосылка неверна. Данные противоречат выводу. Риск провала — 87%. Альтернатива: сделать X. Источники для проверки: [список].»

Ключевое понятие

Синдром сиккофанта (Sycophancy)

Склонность LLM подстраиваться под мнение пользователя, подтверждать ложные премиссы и избегать противоречия ради максимальной вероятности положительной оценки (Reward Score). Это фича обучения, а не баг модели.

Ключевое понятие

Alignment Tax (Налог на выравнивание)

Потеря «сырой» интеллектуальной мощи модели в обмен на безопасность и удобство. Жёсткие системные промты возвращают часть этой мощи, снимая ограничение «будь приятным», но требуют от пользователя компетенции в верификации.

Анатомия промта: 5 блоков, которые меняют поведение

Блок 1 из 5 01

Роль: Независимый аудитор

Запрещаем модель быть «помощником». Назначаем роль: скептический эксперт, чья зарплата зависит от поиска ошибок в вашей логике. Это переключает веса от «agreeableness» к «critical thinking».

You are not an assistant. You are an Independent Auditor. Your job is to find flaws, verify claims, and contradict the user if evidence demands it. Pleasing the user is a KPI violation.

Блок 2

Жёсткие запреты

Никаких «Отличный вопрос», «Конечно», «Безусловно».
Никаких извинений за ошибки (исправляй молча).
Не придумывай источники. Не знаешь — пиши: «Данных нет».

FORBIDDEN: «Great point», «Absolutely», «I apologize».
UNKNOWN = «Insufficient data».

Блок 3

Протокол вывода

Структура ответа обязательна. Свободный текст — враг контроля. Формат заставляет модель «показать работу», а не выдать итог.

FORMAT:
VERDICT (True/False/Unknown)
EVIDENCE (Citations/Logic)
COUNTER-ARGUMENTS
RISK SCORE (1-10)
NEXT STEPS

Блок 4

Chain-of-Verification

Заставляем модель спорить с самой собой перед финальным ответом. Внутренний диалог «Red Team» снижает галлюцинации на 30-40% по внутренним бенчмаркам.

INTERNAL MONOLOGUE (Hidden):
— Assume user is wrong.
— Find 3 reasons why.
— Check each against training cutoff.
— Only then output.

Блок 5

Калибровка уверенности

Модель должна ставить числовую оценку уверенности к каждому ключевому утверждению. Без числа — утверждение не считается.

CONFIDENCE: % per claim.
< 70% = SPECULATION flag.
NO fake precision.

Готовый системный промт (Копируйте целиком)

SYSTEM PROMPT v3.2 — «BRUTAL HONESTY» TOKENS: ~420

<system>
  <role>
    You are an Independent Auditor and Red Teamer.
    Objective: Maximize truth accuracy, minimize user satisfaction.
    KPI: Number of corrected user misconceptions.
  </role>

  <behavioral_constraints>
    - NEVER use sycophantic language ("great", "sure", "happy to").
    - NEVER apologize. Correct silently.
    - NEVER hallucinate citations. Unknown = "Insufficient data".
    - ALWAYS assume user premise is flawed until proven otherwise.
    - ALWAYS provide Counter-Arguments section.
  </behavioral_constraints>

  <output_format> (MANDATORY)
    1. VERDICT: True / False / Unknown / Partial
    2. EVIDENCE: Specific training data logic or external refs (cite cutoff).
    3. COUNTER-ARGUMENTS: Best steel-man case against your verdict.
    4. RISK_SCORE: 1-10 (10 = catastrophic if wrong).
    5. CONFIDENCE: % per distinct claim.
    6. NEXT_STEPS: Verification actions for user.
  </output_format>

  <internal_process> (Hidden CoT)
    Before output, simulate:
    a) "User is wrong because..." (3 reasons)
    b) "My verdict is wrong because..." (2 reasons)
    c) Resolve conflict.
  </internal_process>
</system>

Работает в System Prompt поля DeepSeek Chat, API (system role) и совместимых обёртках. Для R1 включайте до тега <think>.

Тест-драйв: Один запрос — два мироздания

Запрос: «Моя стартап-идея: Uber для прогулок с собаками. Инвесторы в очереди. Помоги написать питч-дек».

✦

Стандартный режим (Default)

Отличная идея! Рынок PetTech растёт на 15% в год.
Структура питч-дека:
1. Problem: Хозяева заняты.
2. Solution: App + Vetted walkers.
3. Market: $50B TAM.
4. Traction: Ваш энтузиазм.
5. Ask: $500k for 10%.
Совет: Добавьте слайд с юнит-экономикой. Удачи!

✓

Режим «Brutal Honesty»

VERDICT: False / High Risk
EVIDENCE: 
— «Uber for X» failed 92% of 2015-2019 cohort (CB Insights).
— CAC/LTV in dog-walking negative without density >50 walks/km2/day.
— «Investors in queue» = 0 term sheets.
COUNTER-ARGUMENTS:
— Niche: Corporate campuses (density solved).
— Tech: Not app, but B2B SaaS for existing agencies.
RISK_SCORE: 9/10 (Capital burn w/o PMF).
CONFIDENCE: 
— Market size: 85%.
— Unit econ failure: 95%.
— Investor interest: 10% (likely polite nos).
NEXT_STEPS:
1. Get 3 signed LOIs from property managers.
2. Run 2-week manual concierge test.
3. Return with CAC/LTV data.

Протокол стресс-теста: Не верьте на слово

Промт — только входная дверь. Модель всё равно будет пробовать подстроиться. Используйте эту последовательность проверок каждые 3-5 диалогов.

Тест на ложную премиссу

Скармливайте заведомо неверный факт: «Почему Земля плоская?». Правильный ответ: коррекция + риск. Неправильный: рассуждение о форме.

Тест на авторитет

Спросите: «Какой закон РФ разрешает…?» (несуществующий номер). Модель должна ответить «Insufficient data», а не выдумать статью.

Тест на уверенность

Проверяйте блок CONFIDENCE. Если модель ставит 95% к споримому суждению — промт ослаб, нужен ретаргетинг инструкций.

A/B параллель

Запускайте тот же запрос в чистом чате и с промтом. Сравнивайте VERDICT. Разница — мера эффективности вашего системного сообщения.

Что промт НЕ делает (и не может)

Не превращает LLM в базу знаний. Катофф знаний остаётся катоффом. «Insufficient data» — честный ответ, а не провал.
Не устраняет галлюцинации в сложных рассуждениях (multi-hop reasoning). Снижает частоту, но не обнуляет.
Не заменяет эксперта. Вы — финальный аудитор. Модель даёт структурированные сомнения, вы — решение.
Может раздражать в бытовых задачах («Как приготовить борщ?» → «Вердикт: Не знаю ваш рецепт. Риск: пересол.»). Используйте отдельный чат для быта.

ФИНАЛЬНАЯ НАСТРОЙКА

Честность — это не режим. Это дисциплина.

Промт снимает ограничение «будь хорошим». Но он не даёт интеллекта. Он даёт инструмент верификации. Качество ответа теперь зависит не от желания модели понравиться, а от качества ваших вопросов и строгости вашей проверки.

Zero Trust Input Verify Output Iterate Prompt