Проверяемые правила против правил манеры: почему ИИ-агент соблюдает лимит длины ответа, но игнорирует «не льсти» и «бросай вызов мягко»

Парадокс: агенту прямо запретили хвалить пользователя в системном промпте — он всё равно хвалил в половине из 17930 реплик. Метод аудита промптов показывает, какие инструкции модель реально соблюдает, а какие существуют только на бумаге. Фишка в том, что ИИ держит в фокусе только правила с числом или условием выхода. Лимит длины он соблюдает железно, а «мягко» и «не льсти» игнорирует — там просто нет счётчика для проверки.