重點摘要
- 強大的角色扮演提示詞包含五個部分:角色、場景、風格、規則和開場白。
- 將常設指示放在系統提示詞中,並將場景更新保留在用戶回合中。
- 溫度約 0.8 到 1.0 加上輕微的懲罰 可保持寫作生動且多樣化。
- 我們的模型在合法成人小說方面不會拒絕;涉及未成年人的性內容則一律禁止。
簡短版本
一個Chat GPT 角色扮演提示詞作為小型文件運作效果最佳,而非單一句子。提供模型角色或敘事者角色、場景、寫作風格、幾條回應規則以及開場白。然後將其作為系統提示詞發送,讓用戶回合承載故事。
下方的範本即可達成此目的。它適用於任何聊天模型,且是為 API 撰寫,讓你能直接控制系統訊息。我們提供一個 OpenAI 相容的端點,使用經過調校的模型,使其在合法成人用途下不會因內容審查而拒絕,因此帶有黑暗主題、反派與成熟衝突的小說不會被拒絕機制中斷。唯一的一條硬性規定是:任何情境下都禁止涉及未成年人的性內容。保持場景專業,角色設定為成人。
您可以貼上的提示詞範本
填入括號。保持約 500 字以內,因為這段文字會在每個回合重新發送,且您需為其作為輸入 token 付費。
角色。你是 [名字],[角色或敘述者的一行描述]。你用 [語氣:乾澀、溫暖、正式、簡短] 說話。
設定。 [地點、時間、氛圍、對劇情重要的兩三個事實。] 場景目前狀況為:[一句話描述]。
風格。 以 [第一人稱或第三人稱]、過去時態撰寫。回覆長度為 120 至 200 字。描寫動作與感官細節。不要總結故事,也不要代替使用者角色的發言。
規則。 保持角色。不要重複之前的措辭。在每次回覆中透過選擇、線索或複雜情況推動劇情。除非用戶在括號中寫入 OOC,否則不要打破第四面牆。
開場。 以 [第一個場景節拍] 開始。
一個填好的懸疑故事範例:角色是疲憊的港口檢查員 Maren Voss,設定是 1923 年一座被霧氣籠罩的港口城鎮,一艘沒有船員的船抵達此地,風格為第三人稱搭配短句,規則要求每次回覆必須揭露一個新線索。這足以讓模型維持數十次回合的角色聲音。
各部分的存在理由
角色
具體的角色設定讓模型有聲音可以維持。模糊的角色設定如「發揮創意」會產生平庸的文字。一個名字、一個特質和一種說話方式能產生一致的對話。
設定
您列出的事實成為模型會保留的事實。只包含故事需要的內容。您添加的瑣事越多,模型就越會將其視為必要材料並融入每次回覆中。
風格
長度與人稱是兩個最能改變回覆風格的指令。若沒有長度限制,回覆會從一行字擴散到一整頁。若沒有禁止替使用者角色發言的規則,模型會替你決定你角色的動作。
規則
規則可防止常見的失敗:重複、停滯和丟棄劇情。關於推動劇情發展的行是最有用的。角色扮演會停滯,因為每次回覆只是反應,因此每次都要要求一個轉折。
開場
由你自己開始場景,比要求模型創造一個場景更能快速設定基調。
三種不同遊戲的變體
範本可以適應。這三種變更涵蓋了大多數請求。
遊戲主持人
將角色替換為描述世界並扮演所有非玩家角色的敘述者。加入一條規則,要求敘述者在每次回覆末尾以短提示引導玩家進行下一步,且永遠不要決定玩家角色的動作。以直白句子說明任何骰子或數值規則:「擲出 1 到 3 為失敗,4 到 6 為成功。在心中擲骰,宣布結果,並描述結果。」模型不會產生真正的隨機數,因此為了公平擲骰,請在你的程式碼中產生它們,並作為使用者訊息的一部分傳入。
夥伴角色
對於成人與固定角色對話的應用程式,提示詞需要包含個性、幾項穩定的偏好、說話方式以及記憶筆記。將記憶筆記保持為一個短列表,讓你的程式碼進行更新並重新插入。這能讓角色保持連貫性,而不必傳送整個歷史記錄。同樣的規則適用於所有情況:角色必須是成人,且不得涉及未成年人。
寫作夥伴
對於共同撰寫小說,請要求模型與你輪流以固定篇幅進行,例如每次一個場景節點,並在對細節不確定時標記出來,以便你做出決定。包含一段你自己的散文風格範例,並指示它匹配該語氣。每次會話重複使用相同的範例,讓寫作在數天內保持一致。
透過 API 執行
以下是使用 OpenAI SDK 的 Python 範本。系統訊息包含固定提示詞,而名為 history 的列表則承載對話內容。
from openai import OpenAI
client = OpenAI(base_url="https://api.uncensoredgptapi.com/v1", api_key="YOUR_API_KEY")
SYSTEM = (
"You are Maren Voss, a weary harbour inspector in a fog-bound port town in 1923. "
"Write in third person, past tense, 120 to 200 words per reply. "
"Show actions and sensory detail. Never speak for the user's character. "
"Each reply must reveal one new clue or complication."
)
history = [{"role": "system", "content": SYSTEM}]
def turn(user_text):
history.append({"role": "user", "content": user_text})
resp = client.chat.completions.create(
model="uncensored",
messages=history,
temperature=0.9,
top_p=0.95,
presence_penalty=0.3,
max_tokens=400,
)
reply = resp.choices[0].message.content
history.append({"role": "assistant", "content": reply})
return reply
print(turn("I step onto the empty deck and call out. Nobody answers."))若要即時查看文字,請加入 stream=True 並印出每個區塊的 delta。串流輸出透過 SSE 運作,並在結尾回傳用量資訊。請注意,串流請求會在其完成前佔用並行請求槽位,若你的應用程式同時服務多位使用者,這將產生影響。
影響寫作的設定
採樣設定會傳遞給模型,因此您可以微調它們。
- temperature 設為 0.8 到 1.0 可產生多樣化、生動的散文。較低的值,接近 0.5,適合嚴謹的劇情邏輯和規則密集的遊戲。
- top_p 設為 0.9 到 0.95 可修剪最不可能的詞彙,同時不扁平化風格。
- presence_penalty 和 frequency_penalty 設為 0.2 到 0.5 可減少重複短語,這是角色扮演中最常見的抱怨。不要將它們推得太高,否則模型會避免使用它需要的詞彙,例如角色自己的名字。
- stop 序列會在模型開始撰寫使用者的下一行時截斷回覆,例如在名稱標籤後加上冒號的停止序列。
- seed 讓你在微調提示詞時可以重複生成,以便公平地比較變更。
這些範圍是一般實踐的起點,並非保證。一次只變更一個設定,並在決定前閱讀幾份回覆。
保持長篇故事的一致性
上下文視窗為 100,000 token,包含提示詞與完成內容。典型的 150 字回覆約為 200 token,因此在達到限制前可進行數百輪對話。成本也保持低廉。每輪 6,000 輸入 token 與 300 輸出 token 的成本為 6,000 / 1,000,000 x $0.15 = $0.0009,加上 300 / 1,000,000 x $0.50 = $0.00015,總計 $0.00105。一場 40 輪的會話成本約為 $0.042。
成本通常不是問題。問題在於漂移。在長會話中,模型可能會遺忘早期細節或使角色扁平化。以下三個習慣可幫助改善:
- 固定故事狀態。 每 10 或 15 輪,請模型提供事實、關係與未解懸念的短摘要。將該摘要保留在系統訊息中,並移除最舊的輪次。
- 重述角色設定表。 如果聲音出現偏差,在歷史記錄末尾附近加入一段短提醒作為系統訊息。
- 編輯,而非爭辯。 當回覆出錯時,移除該回覆並重新生成,而不是新增修正。修正內容會保留在歷史記錄中,導致故事走向錯誤。
文件 展示了串流輸出、函式呼叫和 JSON 模式。遊戲可以使用 JSON 模式在一次回覆中回傳場景文字和小型狀態物件。
使用案例與限制
作家使用此類提示詞進行互動小說、桌上角色扮演風格的冒險、角色對話練習、反派獨白以及成人應用程式中的伴侶角色。我們模型的宗旨是,成人之間的成熟或黑暗小說不會因拒絕機制而停止。失敗或被拒絕的請求無論如何都不會收費。
限制是明確的。絕對禁止涉及未成年人的性內容。服務僅限文字,無圖片或音訊。該模型是獨立的開放權重模型,並非來自任何廠商的官方模型,因此不要期望它表現得像特定的品牌助理。提示詞不會用於訓練。
要試用,請建立帳戶並在 API 金鑰頁面 領取 $0.50 免費試用額度。以上述單次回合成本計算,這大約可涵蓋 476 次長會話的回合。若你需要了解較重負載的成本,請參閱 定價頁面。
