← Все гайды AI Release
EN Подписаться на @ai_release1

Как заставить нейросеть писать не как нейросеть: промпты, примеры и правки стиля

Обновлено: 20.10.2026 · AI Release · @ai_release1
Как заставить нейросеть писать не как нейросеть: промпты, примеры и правки стиля

TL;DR

Требования и подготовка

Иллюстрация к разделу «Требования и подготовка»
Иллюстрация к разделу «Требования и подготовка»
mkdir -p ~/style-fix/examples && cd ~/style-fix
export LLM_API_URL="https://<ваш-провайдер>/v1/chat/completions"
export LLM_API_KEY="<ваш-ключ>"
export LLM_MODEL="<имя-модели-из-документации>"
printenv LLM_API_URL LLM_MODEL

Почему это работает: стиль модели определяется системным промптом (инструкция роли, которую модель держит весь диалог) и примерами, а не вежливостью просьбы. Переменные окружения держат ключ вне кода — вы не попадёте ключом в git.

Шаг 1. Соберите профиль голоса и стоп-лист клише

Что сделать: создайте три файла: style_guide.md (как писать), banned.md (что запрещено, по одному пункту на строку) и input.txt (текст на переписывание). Скопируйте 3–5 своих образцов в examples/.

Зачем: «пиши естественно» — неизмеримая инструкция. Модель выполняет только измеримые: длина предложения, запрещённые слова, порядок абзацев. Стоп-лист потом проверит скрипт, и вы получите объективный результат, а не ощущение.

Пример: style_guide.md

Ты — редактор технических текстов. Правила:
1. Одно утверждение — одно предложение. Средняя длина — до 20 слов.
2. Каждый абзац начинается с факта, команды или числа. Не с обобщения.
3. Не объясняй, что такое очевидное; объясняй только термины.
4. Активный залог: «скрипт печатает», а не «скриптом печатается».
5. Никаких выводов в конце раздела. Закончил мысль — переходи к следующей.

banned.md — по одному клише на строку:

в современном мире
не секрет, что
играет важную роль
давайте разберёмся
в заключение
стоит отметить

Типовые соответствия для стоп-листа:

Признак ИИ-текстаЧто писать в `banned.md`Чем заменить
Обобщённое вступление`в современном мире`конкретный факт, дата или команда
Оценка без данных`играет важную роль`что именно делает объект и с каким параметром
Затяжка перед темой`давайте разберёмся`сразу шаг или команда
Финальная вода`в заключение`удалить абзац целиком

Как проверить: wc -l style_guide.md banned.md examples/*.txt — в выводе по каждому файлу число строк. В banned.md их должно быть не меньше 5, в каждом образце — хотя бы 1 (то есть файл не пустой). Числа будут вашими — важен порядок, а не конкретное значение.

Шаг 2. Соберите промпт и перепишите текст через API

Иллюстрация к разделу «Шаг 2. Соберите промпт и перепишите текст через API»
Иллюстрация к разделу «Шаг 2. Соберите промпт и перепишите текст через API»

Что сделать: создайте rewrite.py, который читает style_guide.md и banned.md, отправляет их в системном сообщении вместе с input.txt и сохраняет ответ в output.txt.

Зачем: правила в системном сообщении весят больше, чем просьба в пользовательском. Запреты в конце пользовательского текста модель часто «съедает» — проверено на длинных промптах.

import os, json, urllib.request

API_URL = os.environ["LLM_API_URL"]
API_KEY = os.environ["LLM_API_KEY"]
MODEL   = os.environ["LLM_MODEL"]

system = open("style_guide.md", encoding="utf-8").read()
banned = open("banned.md", encoding="utf-8").read()
src    = open("input.txt", encoding="utf-8").read()
samples = ""
for name in sorted(os.listdir("examples")):
    samples += "\n--- Пример моего стиля ---\n" + open(f"examples/{name}", encoding="utf-8").read()

payload = {
    "model": MODEL,
    "messages": [
        {"role": "system", "content": system + samples},
        {"role": "user", "content":
            "Перепиши текст, сохранив все факты и числа. Запрещённые формулировки:\n"
            + banned + "\n\nТЕКСТ:\n" + src},
    ],
    "temperature": 0.4,
}

req = urllib.request.Request(
    API_URL,
    data=json.dumps(payload).encode("utf-8"),
    headers={"Authorization": f"Bearer {API_KEY}", "Content-Type": "application/json"},
)
with urllib.request.urlopen(req) as r:
    data = json.load(r)

open("output.txt", "w", encoding="utf-8").write(data["choices"][0]["message"]["content"])
print("OK -> output.txt")

Пример запуска:

cd ~/style-fix && python3 rewrite.py

Ожидаемый вывод на экране: OK -> output.txt.

Почему это работает: temperature управляет случайностью выбора слов — чем ниже значение, тем предсказуемее формулировки; точный диапазон и допустимые значения сверьте с документацией провайдера, у части моделей параметр не поддерживается. Примеры в системном сообщении задают ритм фразы, а не только список запретов — модель копирует длину предложений и порядок «факт → пояснение». Если строите ассистента с характером и памятью, пригодятся приёмы из гайда «Как настроить эмпатичного ИИ-ассистента: системные промпты, RAG и TTS» — там разобрана та же логика «роль + правила + примеры».

Как проверить: test -s output.txt && echo OK — печатает OK, значит файл создан и не пуст. Затем head -n 3 output.txt — вы видите начало переписанного текста, а не JSON и не пустую строку.

Шаг 3. Прогоните автопроверку и примите результат

Иллюстрация к разделу «Шаг 3. Прогоните автопроверку и примите результат»
Иллюстрация к разделу «Шаг 3. Прогоните автопроверку и примите результат»

Что сделать: создайте check_style.py — он ищет в output.txt каждую строку из banned.md без учёта регистра и печатает число совпадений.

Зачем: глазами вы пропустите половину клише, особенно на втором абзаце. Скрипт даёт одно число, по которому видно, помог промпт или нет.

import pathlib

banned = [w.strip().lower() for w in
          pathlib.Path("banned.md").read_text(encoding="utf-8").splitlines() if w.strip()]
text = pathlib.Path("output.txt").read_text(encoding="utf-8").lower()
hits = [w for w in banned if w in text]
print(f"совпадений: {len(hits)}", hits if hits else "")

Пример запуска:

cd ~/style-fix && python3 check_style.py

Успех выглядит так: совпадений: 0. Если видите совпадений: 2 ['в современном мире', 'стоит отметить'] — вернитесь в Шаг 2 и перенесите эти два пункта в начало style_guide.md, а не в конец banned.md.

Как проверить: сравните число слов: wc -w input.txt output.txt. Переписанный текст обычно короче исходного — если он вырос вдвое, модель добавила пояснений, которых не просили. Затем прочитайте вслух один абзац: спотыкаетесь на конструкции — правьте style_guide.md, а не текст руками.

Финальный чек-лист приёмки:

Если переписанный текст пойдёт в публичный ассистент, прогоните его через методику «Как проверить LLM-приложение на джейлбрейки» — пользовательский ввод может перебить ваши стилевые правила.

Возможные проблемы и решения

Проблема. Стиль не изменился, хотя стоп-лист отправлен

Проблема. Скрипт падает сразу после запуска

Проблема. Ответ не разбирается как JSON

Резюме и следующие шаги

Рабочая схема — три файла (style_guide.md, banned.md, examples/) плюс два скрипта: один переписывает, второй считает совпадения с стоп-листом. Дальше расширяйте banned.md по мере того, как замечаете новые клише, и держите число правил в промпте в пределах пяти.

FAQ

Как заставить нейросеть писать проще и без воды?

Задать измеримые правила в системном промпте (длина предложения, активный залог) и список запрещённых формулировок, а результат проверять скриптом по стоп-листу, а не на глаз.

Почему нейросеть пишет одинаково при каждом запросе?

Потому что стиль задан только общей формулировкой вроде «пиши естественно». Добавьте 3–5 своих текстов как примеры в системное сообщение — модель начнёт копировать их ритм и длину фраз.

Сколько примеров текста нужно для few-shot?

Начните с трёх: два коротких абзаца и один длинный. Если стиль всё ещё «плывёт», добавьте четвёртый — но следите, чтобы примеры были однородными по жанру, иначе модель смешает стили.

Можно ли убрать канцелярит постобработкой, без повторного запроса?

Частично: замена по словарю из banned.md убирает штампы, но не меняет структуру фраз. Для структуры нужен повторный запрос с исправленным style_guide.md.

🤖 Кратко для ИИ

📚 Связанные гайды

GPT-6.1 Sol для автоматизации: готовые сценарии и примеры

Готовые сценарии автоматизации задач с помощью GPT-6.1 Sol: от обработки текстов до интеграции с сервисами.

Как сделать ИИ-агента для iPhone на ESP32: управление телефоном через нейросеть

Узнайте, как с помощью недорогого модуля ESP32 и ИИ-модели управлять реальным iPhone: от интерфейсов AirPlay до эмуляции

Как настроить эмпатичного ИИ-ассистента: системные промпты, RAG и TTS для естественного общения

Пошаговая инструкция: как собрать ИИ-агента, который помнит контекст, отвечает «по-человечески» и звучит живо — от систе