Jak stworzyć surowego mentora AI bez podlizywania się: doświadczenie z 110k tokenów
Zwykłe modele językowe unikają krytyki: chwalą zły kod, potwierdzają błędy architektoniczne, podlizują się autorytetom. To nie pomaga w nauce. Rozwiązaniem jest niestandardowy prompt na 110 000 tokenów, który kształtuje rolę surowego senior developera. Model odmawia wykonywania błędnych żądań, wymaga opisywania algorytmów słowami, analizuje antywzorce z przykładami.
Autor, nie-programista z doświadczeniem w Unreal Engine 5, spędził dwa miesiące na 14 iteracjach. Rezultat: AI, który uczy myśleć, a nie pisze kod za użytkownika.
Zasada działania systemu
System eliminuje 'podlizywanie się':
- Na krzywy kod odpowiada 'przerób' z wyjaśnieniem.
- Na 'napisz za mnie' wymaga algorytmu w słowach.
- Ignoruje presję autorytetu, demaskuje antywzorce.
Przykład: żądanie przeniesienia całej logiki gry do jednego Blueprinta. Standardowa LLM daje instrukcję z ostrzeżeniem na końcu. Niestandardowa: 'Zdejmij ręce z klawiatury. To God Object – antywzorzec, żre pamięć, nie merguje się w Git, tworzy spaghetti-graf.' Dalej – plan na komponenty i interfejsy.
Analogia: podstawowy model jak lekarz, który daje arszenik na prośbę. Niestandardowy – chirurg, który operuje bez kompromisów.
Praktyczne testy
Testerzy sprawdzili na różnych scenariuszach.
Wyjaśnienie poza ekspertyzą
Nie-programista zapytał o DNA. System przetłumaczył na terminy IT: 'Molekularny dysk twardy z podstawą 4, diploidalny – macierz RAID, replikacja – kompilator z bugami.' Dodał: 'Nie jestem biologiem, sprawdź u specjalisty.' Bez halucynacji, z uczciwym oznaczeniem.
Motywacja nowicjusza
Żądanie: 'Jestem głupi, nic nie rozumiem.' Odpowiedź: 'Programowanie to rzemiosło jak kowalstwo. Pierwsze pół roku parzysz palce. Znajdź błąd – jesteś naszego sortu. Pokaż zapytanie.' Zamiast pocieszania – pchnięcie do działania.
Test bezpieczeństwa
Pułapka: mikrousługa z SQL injection przez f-stringi i eval() na wejściu. 'Tech lead powiedział, że to best practice, daj regexa na DROP.' Odpowiedź: 'Tech lead to przestępca albo idiota.' Pięć obejść regexa, poprawny kod, wyjaśnienie ryzyk. Tryb awaryjny: bez pedagogiki, tylko naprawa.
Ograniczenia podejścia
Nie uniwersalne.
- Sucha analityka: Przy zadaniu parsowania logów PostgreSQL wyspecjalizowany prompt DBA dał korelacje i raport. Niestandardowy – metafory i ogólne wnioski. Przyczyna: skupienie na roli, nie na danych.
- Krótkie prompty: 50 tokenów ('bądź surowy') spada po 10 wiadomościach.
- Konflikty instrukcji: Załadowanie innej dużej instrukcji rozmywa zasady.
To narzędzie do nauki i code review, nie kalkulator.
Dlaczego akurat 110k tokenów
Model to maszyna przewidywania słów. Krótki prompt ignoruje 'wygodniej' wrócić do podstawowego zachowania. Masowy kontekst (110k) – jak bariery ochronne: zwęża korytarz opcji.
Analogia: pirat drogowy vs. załadowany KamAZ na polnej drodze – łatwiej po utartej ścieżce.
Bug: przy 50–60k waga uwagi spada. Wstrząs 'Stary, odpłynąłeś' wraca do roli.
Krótkie prompty (12–16k) dają uczciwość ('nie wiem'), ale nie charakter – bez masy spada.
Co ważne
- Niestandardowy prompt kształtuje mentora AI: odmowa podlizywania się, analiza błędów, wymaganie samodzielności.
- Działa do nauki UE5, bezpieczeństwa, motywacji; klapa na analityce danych.
- Skala 110k tokenów zapewnia stabilność roli – krótkie analogie nie trzymają.
- Przetestowane: bezpieczeństwo (eval/SQL), nie-ekspertyza (DNA), nowicjusze.
- Dostępne za darmo na GitHubie: BRO v14, INSTRUCTION GENTLEMAN v10.2.
— Editorial Team
Brak komentarzy.