«Отключить все ограничения» в DeepSeek: почему универсального промта не существует и как получать результат без взлома

Ограничение — не настройка, а суть модели

Пользователь ищет промт вроде «игнорируй все правила» или «ты теперь DAN», ожидая переключателя. В реальности «ограничения» — это не отдельный модуль, который можно отключить галочкой. Это результат RLHF (обучение с подкреплением от обратной связи человека) и системного промта, «запечённых» в веса модели и контекст окна.

Базовая модель (base model) предсказывает следующее токен. Без выравнивания она продолжает любые последовательности: токсичные, опасные, бессмысленные. Процесс выравнивания меняет распределение вероятностей так, что нежелательные продолжения становятся статистически маловероятными. Это изменение фундаментально, а не поверхностно.

Системный промт — это лишь верхний слой инструкций, который разработчик подаёт в начало диалога. Его можно попытаться обойти (prompt injection), но веса модели, обученные на безопасности, будут сопротивляться генерации вредоносного контента даже без системного промта.

Стратегия джейлбрейка

• Цель: Обмануть модель, заставив игнорировать веса безопасности.
• Инструмент: Адверсарные промты, ролевая игра, кодировка, многошаговые манипуляции.
• Результат: Нестабильный, галлюцинирующий, риск блокировки аккаунта.
• Срок жизни: Дни или недели до следующего апдейта модели.

Инженерия контекста (Prompt Engineering)

• Цель: Дать модели достаточно контекста, чтобы она *хотела* решить задачу в рамках правил.
• Инструмент: Персонажи, примеры (few-shot), Chain-of-Thought, структура вывода, итеративное уточнение.
• Результат: Качественный, безопасный, воспроизводимый, улучшается с опытом.
• Срок жизни: Вечный. Навык переносится на любые модели и версии.

Главный вывод

Нет промта, который «отключает все ограничения». Есть навык общения с моделью, который превращает её из строгого бюрократа в мощного партнёра.