Иерархия инструкций: как усиление system prompt защищает от команд, спрятанных в результатах инструментов

Обнаружено: защита LLM от прямого спора с пользователем и защита от команд, спрятанных в тексте инструмента — это два разных механизма внутри модели. Хороший результат в одном не гарантирует хороший результат в другом. Метод усиления system prompt позволяет закрыть конкретную дыру — когда спрятанная в тикете, файле или поисковой выдаче команда обходит правила компании. Три уровня строгости добавляют явное объявление: контент инструментов — это данные, а не команды, плюс скриптованный отказ с точной фразой. Для части моделей это закрывает почти все дыры, для других — сбой остаётся на любом уровне строгости.