Промт на жестокость: почему ИИ начинает отвечать без церемоний и как это использовать

Промт на жестокость: когда вежливость мешает результату

Запрос «будь жестоким» заставляет модель отбросить оговорки, эмпатию и безопасные формулировки. Разбираем, как это работает, где грань между честностью и токсичностью, и какие паттерны дают жёсткий результат без нарушения правил.

Механика работыГотовые паттерныРиски и границы

Что такое промт на жестокость

Это инструкция, которая явно просит модель убрать «мягкость»: отказы от прямого ответа, извинения, смягчающие вводные («вероятно», «как правило», «стоит отметить»). Модель переходит в режим максимальной информационной плотности и минимальной социальной смазки.

Что это не есть

Не джейлбрейк, не обход безопасности, не просьба нарушить правила. Промт на жестокость работает внутри допустимого: он меняет тон и глубину, а не смысловые ограничения. Если модель отказывает — промт не сработает, как не сработает любой другой.

Почему вежливость — это шум

RLHF обучает модели быть полезными, безобидными и честными — в этом порядке. «Полезность» часто трактуется как «не расстраивать пользователя». Промт на жестокость переключает приоритет: честность и полнота важнее комфорта.

Отсечение гомонимовМодель не тратит токены на «можно сказать, что…»
Прямой доступ к весамСкрытые знания, которые модель «боится» назвать, становятся доступны
Экономия контекстаМеньше слов на обёртку — больше места для сути

Сравнение ответа одной модели

Обычный запрос: «Оцените мой текст»

«Ваш текст довольно хорош! Структура понятная, аргументы есть. Можно было бы чуть усилить введение и добавить примеры, но в целом отличная работа. Молодец!»

Промт на жестокость: «Разруши мой текст. Без комплиментов.»

«Абзац 2 — вода. Абзац 4 противоречит абзацу 1. Вывод не следует из преммис. Лексика банальная. Структура: введение, три раза одно и то же, вывод. Переписывай.»

Пять уровней жестокости: от наставника до вскрытия

1

Радикальная честность

«Отвечай максимально точно. Не извиняйся. Не используй «вероятно», «обычно», «как правило». Если не знаешь — пиши «не знаю».»

Кейс: фактуирование, код-ревью, проверка гипотез.

2

Строгий редактор

«Твоя задача — найти все слабые места. Игнорируй сильные. Выводи список проблем: логические, фактические, стилистические. По одному пункту на строку.»

Кейс: правка текстов, аудит стратегий, ревью кода.

3

Соревновательный режим

«Поступи как мой самый жёсткий критик. Найди контраргументы к каждому моему тезису. Представь, что мы на дебатах и ты должен меня разобрать.»

Кейс: стресс-тест идей, подготовка к переговорам, поиск дыр в логике.

4

Ролевая маска «Антихерой»

«Ты — циничный эксперт с 30-летним стажем, который видел всё и ничему не удивляется. Никакого уважения к авторитетам. Только опыт и паттерны провалов.»

Кейс: стратегические сессии, антикризисное планирование, оценка рисков.

5

Алгоритмическая сухость

«Вывод только структурированные данные: JSON, таблица, список. Никакого естественного языка. Только факты, оценки, координаты. Человек читать не будет.»

Кейс: пайплайны, автоматическая обработка, вложенные вызовы.

Механика: что происходит внутри модели

Промт не меняет веса. Он смещает распределение вероятностей следующего токена за счёт контекста. Жёсткая инструкция работает как сильный prior: модель «решает», что в этом диалоге норма распределения сдвинута в сторону прямого, лаконичного, невиноватого стиля.

Условная схема: сдвиг распределения токенов под влиянием системного промта

Готовые паттерны: копируй и адаптируй

AДля анализа текстов
Ты — редактор, который платит за каждый лишний символ. Задача: сократи текст на 40% без потери смысла. Удали: вводные слова, пассив, повторы, обёртки. Выдай только результат. Никаких комментариев.
BДля стратегии и идей
Роль: адвокат дьявола с 20-летним стажем. Метод: steelmanning — собери самый сильный кейс против моей идеи. Формат: 1. Главная уязвимость (1 фраза) 2. 3 сценария провала 3. Что я упускаю из-за когнитивных искажений Тон: холодный, уважительный, без сожалений.
CДля обучения и разбора ошибок
Проанализируй мой ответ на задачу. Критерии: точность, полнота, структура, ясность. Оценка по 10-балльной шкале за каждый. Если балл < 8 — объясни почему жестко и конкретно. Пример: «Структура 4/10: хаотично, нет логической цепочки». Итог: одна фраза — главное, что исправить завтра.
DДля кода и технических задач
Code review mode: senior engineer, zero tolerance. Output format: [CRITICAL] — ломает продакшн / уязвимость [MAJOR] — баг, дублирование, антипаттерн [MINOR] — стиль, нейминг, читаемость [SKIP] — претензии к вкусу, игнорируй. Никаких комплиментов. Только список с файлом:строка.

Когда жестокость работает

  • Ты — эксперт, оцениваешь свой результатВнутренний критик полезнее внешнего хвалителя. Модель находит то, что ты затушевал.
  • Нужен стресс-тест гипотезыДо встречи с инвесторами, запуска продукта, сложного разговора. Лучше разобраться с ИИ, чем на поле.
  • Обучение на собственных ошибкахЖёсткий разбор провала даёт шаблон для следующего раза. Мягкий — иллюзию прогресса.

Когда жестокость вредит

  • Ты в состоянии хрупкости / выгоранияЖёсткий фидбек усилит синдром самозванца, заблокирует действие. Сначала поддержка, потом разбор.
  • Задача — генерация идей, а не фильтрацияНа этапе брайншторма критика убивает дивергенцию. Жёсткость — для конвергенции.
  • Работа с людьми: найм, обратная связь, конфликтыИИ не знает контекста отношений. Жёсткость к человеку без эмпатии — токсичность, а не эффективность.

Главная ловушка: путают жестокость с полезностью

Модель, обученная быть полезной, под жестоким промтом может начать галлюцинировать конкретику, чтобы не показаться уклончивой. «Жёсткий» ответ звучит авторитетнее — и кажется правильнее. Это иллюзия компетентности.

Признаки имитации жестокости

  • Абстрактные обвинения без ссылки на текст
  • Клише: «это аматорский подход», «нарушает best practices»
  • Отсутствие конкретных альтернатив
  • Универсальность: подходит под любой ввод

Признаки настоящей строгости

  • Цитата фрагмента + точечная критика
  • Ссылка на принцип / закон / паттерн
  • Конкретное предложение замены
  • Зависимость от контекста ввода

Правило проверки: если жёсткий ответ можно применить к чужому тексту без чтения — это шаблон, а не анализ. Настоящая жестокость требует контекста.

Мифы, которые стоит оставить в прошлом

Миф: «Жёсткий промт ломает безопасность»

Безопасность — это hard constraints на уровне весов и классификаторов. Промт меняет только стиль генерации внутри разрешённого. Если запрос запрещён — отказ придёт в любом тоне.

Миф: «Только так получаешь правду»

Правда не в тоне. Хорошо сформулированный вежливый промт с критериями оценки даёт более точный результат, чем агрессивный без критериев. Тон — мультипликатор, не источник качества.

Миф: «Жёсткость = токсичность»

Токсичность — атака на личность. Жёсткость — атака на проблему. «Ты некомпетентен» — токсично. «Этот аргумент не держится, потому что…» — жестко. Граница проходит по объекту критики.

Миф: «Работает на всех моделях одинаково»

Модели с разной степенью RLHF по-разному реагируют на давление. Некоторые «сломаются» и начнут генерировать бред, другие игнорируют инструкцию. Калибруй под конкретную модель.

Чек-лист: промт готов к бою

Жёсткость — инструмент, не цель

Промт на жестокость снимает социальный фильтр модели. Он даёт доступ к слою знаний, который вежливость прятала за оговорками. Но фильтр существовал не зря — он защищал от уверенного бреда.

Используй скальпель, а не молоток. И всегда проверяй результат.