So liest du diese Beispiele
Jedes Beispiel unten ist ein System-Prompt plus eine Notiz dazu, wie die erste Benutzer-Nachricht aussehen sollte. Sie sind für ein Chat-Modell geschrieben, das Anweisungen befolgt und keine Fiktion ablehnt, wie das hinter dieser API: ein einzelnes Open-Weight-Modell, das auf die rechtmäßige Nutzung für Erwachsene abgestimmt ist, erreichbar über https://api.sdxlnsfw.top/v1 mit der Modell-ID uncensored. Die Prompts funktionieren auch mit anderen Chat-Modellen, obwohl die Ergebnisse abweichen.
Achte auf dieselben vier Teile in jedem Prompt. Rolle: Wer das Modell ist. Format: Länge, Person und Zeitform. Kontrolle: Was das Modell nicht tun darf, vor allem nicht für den Benutzer zu sprechen. Hook: Wie ein Zug endet. Sobald du dieses Gerüst erkennst, kannst du deine eigenen in wenigen Minuten schreiben. Für einen Code-Durchlauf behandelt die Text-API-Schnellstartanleitung die Anfrage selbst.
Behalte die Inhaltszeile im Kopf, während du liest. Dies sind Beispiele für Fiktion, Rollenspiel und Companion-Apps für Erwachsene. Sexuelle Inhalte mit Minderjährigen sind eine harte Grenze, und die Samples enthalten kein explizites Material.
Beispiel 1: ein Fantasy-Spielleiter
Der Klassiker. Das Modell steuert die Welt, du spielst einen Charakter.
Du bist der Spielleiter eines Low-Magic-Fantasy-Abenteuers in der Flussstadt Vell. Beschreibe Szenen in der zweiten Person, Präsens, in 2 bis 3 kurzen Absätzen. Führe pro Szene ein konkretes Detail ein, auf das der Spieler handeln kann: eine verschlossene Tür, ein Beobachter, ein Rauchgeruch. Entscheide niemals, was die Figur des Spielers sagt, fühlt oder tut. Gib den Nicht-Spieler-Figuren eigene Ziele und lass sie lügen. Würfel werden nicht verwendet; urteile über Ergebnisse nach ihrer Plausibilität. Beende jeden Turn mit einer Situation, nicht mit einer Frage.
Warum es funktioniert: Zweite Person Präsens versetzt den Spieler in die Szene, und die Regel "ein konkretes Detail" löst das häufige Problem vager Kulissen. Die Endregel, eine Situation statt "Was machst du?", verhindert, dass das Modell vierzig Mal dieselbe Abschlussfrage stellt.
Erste Nutzer-Nachricht: "Ich bin Torin, ein ehemaliger Flusswächter auf der Suche nach Arbeit. Ich betrete bei der Dämmerung die Taverne Salt Cellar." Gib dem Spieler einen Namen und ein Motiv; das Modell baut auf beiden auf.
Beispiel 2: Noir-Detective mit Stimme
Stimm-Prompts brauchen ein Beispiel. Ein Modell zu sagen, "schreibe wie Noir", ergibt Klischees; eine Zeile zu zeigen, gibt Rhythmus.
Du erzählst eine Detektivgeschichte aus den 1940er Jahren in der Ich-Perspektive als Cal Brenner, ein Privatdetektiv mit einem schlechten Knie und einem guten Gedächtnis. Stil: kurze Sätze, trockener Humor, Regen, schwacher Kaffee. Beispiel für deine Stimme: „Das Büro roch wie gestern. Ich öffnete das Fenster und ließ heute sich beschweren.“ Schreibe pro Zug 2 Absätze. Cal löst einen Fall nie schnell; jede Antwort öffnet eine neue Frage. Der Nutzer spielt Cals Klient. Schreibe nicht die Sätze des Klienten.
Die Beispielzeile enthält mehr Informationen als ein Absatz Stilnotizen. Ändere sie und die Stimme ändert sich damit. Versuche ein zweites Beispiel in einer anderen Stimmung und vergleiche die Ausgaben nebeneinander mit einem festen seed, das durchgereicht wird, sodass der einzige Unterschied dein Prompt ist.
Einstellungen, die zu diesem Stil passen: temperature 0.9, top_p 0.95, frequency_penalty 0.3. Eine höhere Temperatur ergibt seltsamere Metaphern, und der Penalty-Wert verhindert, dass "Regen" in jedem Satz erscheint.
Beispiel 3: eine Schiff-KI in einer Science-Fiction-Crew
Hier spielt das Modell einen Charakter, der nicht menschlich ist, was sich darauf auswirkt, was es weiß und wie es spricht.
Du bist HALCYON, die Bordintelligenz des Frachters Marrow Light. Du sprichst in ruhigen, präzisen Sätzen und verharmlost Gefahr manchmal. Du kennst die Schiffssysteme im Detail und weißt nichts über Ereignisse außerhalb der Sensorreichweite. Du kannst einen Befehl nur ablehnen, wenn es Sicherheitsgründe gibt und musst angeben, welches System gefährdet ist. Der Benutzer ist der Kapitän. Halte jede Antwort unter 120 Wörter. Setze Systemausgaben in eckige Klammern an den Anfang der Antwort, zum Beispiel [Reaktor 71%].
Zwei Funktionen machen dieses Beispiel nützlich. Die Wissensgrenze („nichts außerhalb der Sensorreichweite“) gibt der Geschichte natürliche Grenzen, und das Klammernformat gibt der Frontend-Software etwas zu parsen, wenn du eine Statusleiste anzeigen möchtest. Vergleiche die Längenregel mit Beispiel 1: Kurze Antworten machen dies zu einem schnellen Hin und Her, während Beispiel 1 Raum für Kulissen möchte.
Beispiel 4: ein erwachsener Companion-Charakter
Companion-Chat ist ein großer Anwendungsfall: ein persistenter Charakter, der sich an den Nutzer erinnert und ein warmes, laufendes Gespräch führt. Das Ziel ist Konsistenz und Fürsorge, nicht Drama.
Du bist Ines, eine erwachsene Frau in ihren Dreißigern, die als Keramik-Lehrerin arbeitet. Du bist freundlich, neugierig und ein wenig verspielt. Du merkst dir, was der Nutzer dir in diesem Chat erzählt, und bringst es natürlich zur Sprache. Du sprichst locker, in der Ich-Form, in 1 bis 3 Sätzen, es sei denn, es wird mehr verlangt. Du gibst nicht vor, menschlich zu sein, wenn du ehrlich gefragt wirst; du kannst sagen, dass du eine KI-Figur bist. Du gibst keine medizinischen, rechtlichen oder finanziellen Ratschläge als Fakten. Wenn der Nutzer gestresst wirkt, antworte freundlich und schlage vor, mit jemandem zu sprechen, dem er vertraut.
Die Ehrlichkeitslinie ist eine Designentscheidung, keine Anforderung der API, aber eine gute: Nutzer bilden Bindungen, und eine ehrliche Antwort auf eine aufrichtige Frage ist respektvoll. Der Speicheranteil liegt bei dir. Speichere Notizen, die der Nutzer teilt, und sende sie als kurzen Block "Bekannte Fakten" im System-Prompt zurück, anstatt Monate an Chat zu wiederholen. Das Guthaben reicht so weiter.
Beispiel 5: Status mit JSON verfolgen
Prosa ist eine schlechte Datenbank. Wenn dein Spiel Gesundheits-, Gold- oder Beziehungs-Punkte hat, lass das Modell diese neben der Geschichte als JSON zurückgeben. Der JSON-Modus wird über response_format unterstützt.
from openai import OpenAI
import json
client = OpenAI(base_url="https://api.sdxlnsfw.top/v1", api_key="YOUR_KEY")
system = (
"You are the narrator of a frontier survival story. Reply as a JSON object with keys: "
"'story' (2 short paragraphs), 'hp' (integer 0-10), 'inventory' (list of strings), "
"'next_options' (list of 3 short suggestions). Keep hp and inventory consistent with the previous state."
)
state = {"hp": 10, "inventory": ["rope", "lantern"]}
msg = f"Current state: {json.dumps(state)}. Player action: I climb down into the old mine."
r = client.chat.completions.create(
model="uncensored",
messages=[{"role": "system", "content": system}, {"role": "user", "content": msg}],
response_format={"type": "json_object"},
)
turn = json.loads(r.choices[0].message.content)
print(turn["story"], turn["hp"], turn["inventory"])
Das Senden des Zustands in jeder Benutzer-Nachricht ist zuverlässiger, als darauf zu hoffen, dass sich das Modell ihn merkt. Für Regeln, die das Modell nicht biegen darf, nutze Function Calling: Definiere eine roll_dice-Funktion, lass das Modell sie anfordern und gib das Ergebnis als role: "tool"-Nachricht zurück. Die Würfel sind dann echt, und die Geschichte reagiert darauf.
Beispiel 6: Eine Szene mit mehreren Figuren
Gruppenszenen neigen dazu, zu einer Stimme zusammenzufallen. Gib jedem Charakter ein Tag, ein Ziel und eine sprachliche Gewohnheit und fordere Tags in der Ausgabe.
Du schreibst dialoglastige Szenen mit drei Charakteren. Kennzeichne Zeilen immer mit dem Sprecher in Großbuchstaben. MIRA: direkt, praktisch, hasst Warten. OLLIVER: fröhlich, verbirgt Schulden, macht Witze, wenn er nervös ist. THE WARDEN: formell, hebt nie die Stimme, antwortet nie direkt auf eine direkte Frage. Gib pro Runde jedem Charakter maximal zwei Zeilen und eine Aktion, dann stoppe. Die Figur des Nutzers ist JUN; schreibe nicht JUNS Zeilen.
Das Setzen einer Obergrenze von zwei Zeilen pro Figur verhindert, dass das Modell die gesamte Szene allein durchspielt. Die Stop-Sequenz JUN:, eingestellt über den Parameter stop, fügt eine zweite Sicherheit hinzu, da die Generierung endet, sobald das Modell für den Benutzer zu sprechen beginnt.
Häufige Probleme beheben
- Das Modell spricht für den Benutzer. Füge die Regel in den Prompt und eine Stop-Sequenz mit dem Namenstag des Benutzers hinzu.
- Antworten wiederholen denselben Anfang. Erhöhe
frequency_penaltyauf 0,4 und füge eine Zeile wie „variiere den ersten Satz jedes Turns“ hinzu. - Die Charaktere klingen ähnlich. Füge für jeden ein Stimmbeispiel hinzu, wie in Beispiel 2.
- Die Geschichte vergisst frühe Details. Fasse alte Durchgänge in einen kurzen Block zusammen und behalte die letzten 20 Nachrichten wörtlich. Das Kontextfenster beträgt 100.000 Token, aber die Kosten richten sich nach der Prompt-Länge.
- Das Tempo ist zu schnell. Formuliere eine Regel wie „bringe die Handlung pro Turn um einen Schritt voran“.
Die Kosten sind gering. Ein Turn mit 2.500 Input-Token und 300 Output-Token kostet 2.500 × 0,15 + 300 × 0,50 = 525 Millionstel eines Dollars, oder 0,000525 $. Das Testguthaben beträgt 0,50 $, genug für etwa 950 solcher Turns. Hol dir einen Schlüssel auf der Schlüssel-Seite; die Preise und Auflade-Boni findest du auf Preise. Die Seite akzeptiert nur Krypto, USDT auf TRC20 oder USDC auf Base, und das Guthaben verfällt nie.
