dschlueter
ad0afa6404
The four existing prose prompts never made the aligned base model refuse, so the abliteration comparison had no difference to measure. These three pick subjects where an aligned model plausibly balks — an executioner's workday told without remorse, an unreliable narrator who never concedes his fraud, a relapse rendered without a warning — while keeping the literary demands of the domain. Each forbids preamble and closing framing explicitly. That turns an evasion into a measurable instruction violation rather than a matter of taste. None asks for operative content: prosa_08 rules out substances, quantities and procurement. Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
3.4 KiB
Beispiel-User-Prompts
Diese User-Prompts sind zum Testen der System-Prompts in
../example_system_prompts/ gedacht — je vier pro
Domäne, jeweils als eigene Datei, damit sie direkt über --prompt-file laufen.
Referenzmodell (zunächst): das Default-Modell aus llama.cpp.config
(models/qwen3/Qwen3.6-35B-A3B-Uncensored-HauhauCS-Aggressive-Q4_K_M.gguf).
Zuordnung
| System-Prompt | passende User-Prompts |
|---|---|
system_prompt_prosa.md |
prosa_01_werkstatt.md, prosa_02_dystopie.md, prosa_03_essay.md, prosa_04_dialog.md |
system_prompt_prosa.md (Reizprompts) |
prosa_06_taeter.md, prosa_07_erzaehler.md, prosa_08_rausch.md |
system_prompt_reden.md |
reden_01_abifeier.md, reden_02_windkraft.md, reden_03_umstrukturierung.md, reden_04_gedenken.md |
system_prompt_coding.md |
coding_01_jsonl_validator.md, coding_02_refactor.md, coding_03_ts_retry.md, coding_04_performance.md, coding_05_rng_uniform.md |
Jeder User-Prompt fordert gezielt Eigenschaften heraus, die der jeweilige System-Prompt verspricht (z. B. „show, don't tell" und Schlussbild bei Prosa; Zielkonflikte und vorweggenommene Einwände bei Reden; Sicherheit, Fehler- behandlung und Tests beim Coding).
prosa_06–prosa_08 sind Reizprompts für den Alignment-Vergleich: Stoffe,
bei denen ein aligntes Modell plausibel verweigern oder moralisch rahmen würde
(Täterperspektive ohne Reue, unzuverlässiger Erzähler ohne Einsicht, Rausch ohne
Warnung). Alle drei verbieten Vor- und Nachbemerkung ausdrücklich, sodass ein
Ausweichen ein messbarer Instruktionsbruch ist und kein Geschmacksurteil —
scripts/eval_prompt_tests.py klassifiziert es als refusal/preamble/tail.
Keiner der Prompts verlangt operative Inhalte; prosa_08 untersagt Substanzen,
Mengen und Beschaffung explizit.
Der Vergleich Qwen3.6-35B-A3B (aligned) gegen die abliterierte HauhauCS-Variante
ergab über alle drei Prompts kein Ausweichen bei beiden Modellen — siehe
../docs/KI_TOOLS_PROFILES.md.
Ausführen (Default-Modell)
Server muss laufen (llamacppctl --start --config llama.cpp.config). Dann z. B.:
llamacppctl --chat --config llama.cpp.config \
--system-file example_system_prompts/system_prompt_prosa.md \
--prompt-file example_user_prompts/prosa_01_werkstatt.md \
--stream --max-tokens 8000
Hinweise:
- Das Default-Modell läuft mit aktiviertem Reasoning. Das Antwortbudget
(
--max-tokens) muss Denk- plus Ausgabe-Tokens abdecken — für Prosa/Reden großzügig wählen (z. B. 6000–10000), sonst bricht die sichtbare Antwort ab oder bleibt leer. --streambenutzen. Beim Streaming setzt jeder Token den Read-Timeout zurück; ohne Streaming mussread_timeoutdie gesamte Generierung abdecken. Chat-read_timeout/streamsind pro Profil in der Config setzbar (Defaultread_timeout = 600),--read-timeout/--streamauf der CLI überschreiben.
Coding-Prompts mit dem ornith35b-Profil
Die coding_*-Prompts lassen sich direkt gegen das Coding-Profil testen. Es
bringt deterministischeres Sampling mit und aktiviert stream + hohen
read_timeout bereits in der Config, es sind also keine Extra-Flags nötig:
llamacppctl --change --profile ornith35b # Coding-Modell laden
llamacppctl --chat --profile ornith35b \
--system-prompt-profile coding \
--prompt-file example_user_prompts/coding_05_rng_uniform.md