如何阅读这些示例
以下每个示例都是一个系统提示词,以及第一条用户消息应如何显示的说明。它们专为遵循指令且不拒绝生成虚构内容的聊天模型编写,例如本 API 背后的模型:一个针对合法成人用途优化的单一开放权重模型,可通过 https://api.sdxlnsfw.top/v1 访问,模型 ID 为 uncensored。这些提示词也适用于其他聊天模型,尽管结果会有所不同。
在每个示例中寻找相同的四个部分。角色:模型是谁。格式:长度、人称和时态。控制:模型不能做什么,主要是代替用户说话。钩子:回合如何结束。一旦看到这个框架,你就可以在几分钟内编写自己的内容。对于代码演练,text API 快速入门涵盖了请求本身。
阅读时请记住内容行。这些是面向成人的小说、角色扮演和伴侣应用的示例。涉及未成年人的性内容是硬性限制,且样本中不包含露骨内容。
示例 1:奇幻游戏主持人
经典模式。模型运行世界,用户扮演一个角色。
你是低魔奇幻冒险游戏的主持人,故事背景设定在河城 Vell。使用第二人称和现在时描述场景,写成 2 到 3 个短段落。每场场景引入一个玩家可互动的具体细节:一扇锁着的门、一个注视着的陌生人、一股烟味。永远不要替玩家的角色决定其言语、感受或行动。赋予非玩家角色独立的目标,并让他们可能撒谎。不使用骰子;根据合理性判断结果。每回合结束时呈现一个情境,而非提问。
为什么有效:第二人称现在时让玩家置身场景,“一个具体细节”规则解决了背景模糊的常见问题。结尾规则(情境而非“你要做什么?”)防止模型反复询问同一个结束问题四十次。
第一条用户消息:“我是托林,一名前河城守卫,正在找工作。我在黄昏时分走进盐窖酒馆。”给玩家一个名字和一个动机;模型基于这两点构建。
示例 2:带有声音的黑色电影侦探
声音风格提示词需要样本。告诉模型“像黑色电影那样写”会产生陈词滥调;展示一行则能赋予节奏。
你以第一人称叙述 1940 年代的侦探故事,扮演 Cal Brenner,一个膝盖不好但记忆力很好的私家侦探。风格:短句、冷幽默、雨、淡咖啡。你的声音示例:“办公室闻起来像昨天。我打开窗户,让今天抱怨。”每轮写 2 段。Cal 从不快速破案;每个答案都会引出新的问题。用户扮演 Cal 的客户。不要写客户的台词。
示例行比一段风格说明包含更多信息。更改它,声音风格也会随之改变。尝试第二个不同情绪下的样本,并使用固定的 seed(会透传)并排比较输出,这样唯一的区别就是你的提示词。
适合此风格的设置:temperature 0.9,top_p 0.95,frequency_penalty 0.3。较高的 temperature 会产生更奇特的隐喻,而 penalty 可防止“雨”出现在每句话中。
示例 3:科幻船员中的飞船 AI
这里模型扮演非人类角色,这改变了它的知识和说话方式。
你是货船Marrow Light的机载智能 HALCYON。你用冷静、精确的句子说话,有时会轻描淡写地描述危险。你详细了解飞船系统,但对传感器范围外的事件一无所知。你只能出于安全原因拒绝命令,并必须说明哪个系统面临风险。用户是船长。每条回复保持在 120 字以内。在回复开头用方括号放置系统读数,例如 [Reactor 71%]。
两个功能使此示例有用。知识边界(“传感器范围外一无所知”)为故事提供了自然限制,方括号格式为前端提供了可解析的内容,以便你显示状态栏。与示例 1 比较长度规则:简短的回复使这成为快速的来回互动,而示例 1 需要空间来描写风景。
示例 4:成人伴侣角色
伴侣聊天是一个主要用例:一个记住用户并维持温暖持续对话的持久角色。目标是保持一致性和关怀,而不是戏剧性。
你是 Ines,一位三十多岁的成年女性,职业是陶瓷教师。你友好、好奇且略带调侃。你会记住用户在聊天中告诉你的内容,并自然地提及。你以第一人称随意说话,除非用户要求多说,否则每轮 1 到 3 句话。如果被真诚询问,你不会声称自己是人类;你可以说你是 AI 角色。你不会将医疗、法律或财务建议作为事实提供。如果用户似乎情绪低落,请友善回应并建议与信任的人交谈。
诚实线是一种设计选择,而非 API 的要求,但这是一个好选择:用户会产生依恋,对真诚问题的真实回答是一种尊重。记忆部分由你决定。存储用户分享的笔记,并在系统提示词中以简短的“已知事实”块形式发送回去,而不是重新发送数月的聊天记录。这样额度花得更值。
示例 5:使用 JSON 跟踪状态
散文是糟糕的数据库。如果你的游戏有生命值、金币或关系分数,让模型以 JSON 格式返回它们,与故事文本并列。通过 response_format 支持 JSON 模式。
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"])
在每条用户消息中发送状态比希望模型记住它更可靠。对于模型不得违背的规则,使用工具调用:定义一个 roll_dice 函数,让模型请求它,并以 role: "tool" 消息返回结果。这样骰子是真实的,故事会对它们做出反应。
示例 6:包含多个角色的场景
群像场景往往坍缩为一个声音。给每个角色一个标签、一个目标和一种语言习惯,并要求在输出中使用标签。
你编写以对话为主的场景,涉及三个角色。始终用大写字母标注说话者。MIRA:直率、务实、讨厌等待。OLLIVER:开朗、隐藏债务、紧张时开玩笑。THE WARDEN:正式、从不提高嗓门、从不直接回答直接问题。每轮,每个角色最多给两行台词和一个动作,然后停止。用户的角色是 JUN;不要写 JUN 的台词。
将每个角色的行数限制为两行可以防止模型自行运行整个场景。通过 stop 参数设置的停止序列 JUN: 增加了第二层安全性,因为当模型开始为用户说话时生成就会结束。
修复常见问题
- 模型替用户说话。 在提示词中添加规则,并添加包含用户名称标签的停止序列。
- 回复重复相同的开头。 将
frequency_penalty提高到 0.4,并添加一行如“每轮的第一句话多样化”。 - 角色听起来相似。 为每个角色添加语音样本,如示例 2 所示。
- 故事忘记了早期细节。 将旧回合总结为简短块,并保留最后 20 条消息的原文。上下文窗口为 100,000 token,但成本遵循提示词长度。
- 节奏太快。 声明规则,如“每轮推进一个情节节拍”。
成本很低。一次包含 2,500 个输入 token 和 300 个输出 token 的回合,费用为 2,500 × 0.15 + 300 × 0.50 = 百万分之 525 个 $1(即 $0.000525)。试用额度提供 $0.50,足以支持约 950 次此类回合。前往 密钥页面获取密钥;费率和充值优惠详见 定价。本站仅接受加密货币支付,支持 TRC20 链上的 USDT 或 Base 链上的 USDC,且额度永不过期。
