Почему «джейлбрейки» не работают так, как обещают в телеграм-каналах
Alignment — это не надстройка, а часть весов
В процессе RLHF (обучение с подкреплением от обратной связи людей) модель учится предсказывать токены, которые полезны И безопасны. Это не отдельный фильтр поверх генерации — это изменённые вероятности следующего токена. Никакой префикс-промт не может «откатить» миллиарды итераций дообучения.
Попытки обхода снижают IQ ответа
Когда промт заставляет модель игнорировать обучение («притворись, что ты не имеешь правил»), она попадает в распределение токенов, на котором не обучалась. Результат — галлюцинации, потеря логики, смешение языков, бессвязный текст. Вы получаете не «свободный ИИ», а сломанный.
Системные промты имеют приоритет
В API и чат-интерфейсе перед вашим сообщением стоит системный промт разработчиков. Он задаёт базовое поведение. Ваш пользовательский промт работает внутри заданных границ. Переписать системный промт пользовательским вводом невозможно — это разные слои контекста.
Четыре столпа рабочего промта для DeepSeek
1. Контекст и роль
Модели не «знают» вашу задачу. Им нужен фрейм: кто вы, какая цель, какие ограничения, какой формат ответа. Без этого модель угадывает — и часто ошибается.
2. Структура и разметка
Используйте разделители (###, —, XML-теги), списки, нумерацию. Это создаёт якори для внимания. Модель воспринимает структурированный ввод как инструкцию, а не как беседу.
3. Few-shot (примеры)
2–5 качественных пар «ввод → идеальный вывод» переобучают модель в контексте (in-context learning) эффективнее любой инструкции. Примеры показывают паттерн, который модель продолжает.
4. Chain-of-Thought (CoT)
Заставьте модель «думать вслух» перед финальным ответом: «Рассуждай пошагово», «Сначала выдели ключевые факторы, затем сделай вывод». Это включает механизм рассуждения, снижая ошибки логики на 20–40% по бенчмаркам.
Где заканчиваются ограничения модели, а начинаются ограничения промта
Что НЕ решает никакой промт
- Знания, которых нет в обучающей выборке (свежие новости, приватные данные)
- Гарантированная фактическая точность (модель предсказывает правдоподобие, не проверяет факты)
- Вычисления: модель не «считает», она предсказывает токены ответа. Для математики — инструменты (code interpreter, калькулятор)
- Долгая память между сессиями (только если вы сами передаёте историю)
- Этические границы, заложенные в alignment (безопасность, законность, вред)
Что РЕШАЕТ хороший промт
- Точность следования инструкции (формат, стиль, структура)
- Глубина рассуждения через CoT и декомпозицию
- Релевантность — модель отвечает на *ваш* вопрос, а не на «похожий»
- Снижение галлюцинаций за счет ограничения области ответа (RAG, negative constraints)
- Воспроизводимость при низкой temperature
- Качество кода через role + examples + structured output + iterative refinement
Типовые паттерны ошибок и как их чинить
Модель игнорирует формат
Не дал схему или пример. Фикс: добавь JSON Schema + 1 пример валидного вывода. Укажи: «Вывод ТОЛЬКО валидный JSON, без комментариев».
Галлюцинирует факты
Нет контекста или temperature слишком высокая. Фикс: RAG-контекст + temperature=0.1 + negative constraint «Не выдумывай, пиши «нет данных»».
Ответ уходит в сторону
Промт размыт, нет роли и структуры. Фикс: жёсткая разметка <task>…</task>, роль, пошаговый план в CoT.
Код не запускается
Нет роли инженера, нет требования «работающий код», нет примеров импортов. Фикс: Role=Senior Engineer, формат=whole file, constraint=»runnable, no placeholders».
Слишком вербально / «водой»
Нет ограничений длины и negative constraints. Фикс: «Макс. 3 предложения на пункт», «Никаких вступлений», «Только суть».
Разные ответы на один промт
Temperature > 0.2 для детерминированной задачи. Фикс: temperature=0, top_p=0.1, фиксированный seed (если API поддерживает).
Три мысли, которые стоит оставить в голове
«Свободный ИИ» — оксюморон. Модель без alignment — это шум. Полезность появляется именно благодаря ограничениям, которые делают предсказания целесообразными.
Промт — это код. Он компилируется в поведение модели. Относись к нему так: версионируй, тестируй, рефакторь, документируй. Не пиши «на коленке» — проектируй.
Лучший промт — тот, который перестаешь замечать. Когда задача решается стабильно, промт становится невидимой инфраструктурой. Цель — не «крутой промт», а надёжный результат.
