OpenAI、Anthropic 罕见同步更新提示词指南!你精心打磨的 prompt,可能已经变成「技术债」

一条推文，戳中了整个行业的痛点

4 月 30 日凌晨，X 用户 Alex Prompter 发了一条长帖，开头就是一句直击灵魂的话：

“Your old prompts don’t work anymore.”

「你的旧提示词不好使了。」

他把 OpenAI 刚发的 GPT-5.5 使用指南和 Anthropic 的 Claude Opus 4.7 最佳实践并排放在一起，得出了一个让人坐不住的观察——两家都在告诉开发者：别再照搬旧 prompt 了，但原因恰好相反。

▲ Alex Prompter 的帖子迅速获得 251 赞、435 收藏、超 2.5 万次浏览

这条帖子迅速在开发者圈子发酵。有人赞同，有人反对，但所有人都承认一件事：提示词的写法，确实在经历一场范式转换。

OpenAI 说得最直白：别把旧 prompt 搬过来

OpenAI 在 GPT-5.5 的官方文档里写了一段非常罕见的话。注意，这可不是某个博主的个人观点——就是官方开发者文档里的白纸黑字：

“To get the most out of GPT-5.5, treat it as a new model family to tune for, not a drop-in replacement for gpt-5.2 or gpt-5.4.”

「想要充分发挥 GPT-5.5 的能力，就要把它当成一个全新的模型家族来调，别当成 gpt-5.2 或 gpt-5.4 的无缝替换品。」

▲ OpenAI 开发者文档明确要求：把 GPT-5.5 当新模型重新调

后面还有一句更狠的：

“Begin migration with a fresh baseline instead of carrying over every instruction from an older prompt stack.”

「迁移时从全新 baseline 开始，别把旧 prompt stack 里的每条指令都原封不动搬过来。」

什么叫 fresh baseline？就是从零开始重写你的提示词。

而在另一份 GPT-5.5 Prompting Guide 里，OpenAI 直接解释了为什么旧 prompt 会”失灵”：

“Legacy prompts often over-specify the process because earlier models needed more help staying on track. With GPT-5.5, that can add noise, narrow the model’s search space, or lead to overly mechanical answers.”

「旧提示词往往把过程规定得过细——因为早期模型确实需要更多”扶着走”。但到了 GPT-5.5，这些过程指令反而会变成噪音，压缩模型的搜索空间，甚至让回答变得机械。」

▲ OpenAI 新版 Prompt guidance：更短、以结果为先的 prompt 通常效果更好

换句话说：你以前为了防幻觉、防跑偏而写的那些”脚手架式”指令，在新模型眼里全变成了干扰。

OpenAI 给出的新方向只有一个词：outcome-first（结果优先）。

“Shorter, outcome-first prompts usually work better than process-heavy prompt stacks.”

「更短的、以结果为先的提示词，通常比那种流程很重的 prompt stack 更有效。」

Anthropic 这边：没那么激进，但同样在改规则

Anthropic 的表述比 OpenAI 克制得多，但方向是一致的。

在 Claude Opus 4.7 的 Prompting Best Practices 文档里，Anthropic 首先承认了一个关键事实：

“Claude Opus 4.7 performs well out of the box on existing Claude Opus 4.6 prompts.”

「Opus 4.7 在现有 4.6 prompt 上表现不错。」

但紧接着就是一个”但是”：

“The patterns below cover the behaviors that most often require tuning.”

「但下面这些行为，最常需要重新调整。」

▲ Anthropic 文档：Opus 4.7 变化最大的是回答长度、思考深度和 effort 校准

变化最核心的一条：

“Claude Opus 4.7 calibrates response length to how complex it judges the task to be, rather than defaulting to a fixed verbosity.”

「Opus 4.7 会按它自己判断的任务复杂度来校准回答长度，不再默认固定的冗长程度。」

这意味着什么？过去你写”请详细回答”或者”至少 500 字”能管用的控制方式，现在可能完全不灵了。模型自己会决定该写多长。

如果你的产品依赖特定的输出风格或字数，Anthropic 的建议是：用正向示例去校准，告诉模型”应该怎么做”，而非堆一堆”不要这样做”的负向约束。

▲ Anthropic 强调：做 prompt engineering 之前，先定义 success criteria

另一个重大变化在于effort（思考深度）的校准逻辑。Opus 4.7 在低 effort 模式下会严格控制思考范围——如果你发现它”想得太浅”，Anthropic 的建议很直接：别硬堆更多提示词指令，直接调高 effort 参数。

▲ 如果模型思考太浅，Anthropic 建议调高 effort，而非硬写更多提示词

两家看起来”相反”，但底层逻辑是一样的

Alex Prompter 的帖子里有一个很有传播力的总结：

GPT-5.5 变得更自主了——你只需要告诉它”要什么结果”，过程它自己找。 Claude Opus 4.7 变得更精确了——你需要更明确地告诉它”到底要什么”，因为它不再替你脑补。

表面上看，一个在说”少说步骤”，一个在说”说清楚要求”。方向好像完全相反？

其实剥开传播层的简化，两家底层的方法论正在快速趋同：

第一，先定义 success criteria（成功标准），再开始写 prompt。OpenAI 说的是 “expected outcome, success criteria, evidence rules”；Anthropic 要求在做 prompt engineering 之前先有”a clear definition of the success criteria”和”ways to empirically test against those criteria”。

第二，别把旧 prompt stack 当资产，把它当技术债来审视。OpenAI 明确要求 fresh baseline；Anthropic 则通过改变 verbosity / effort / thinking 的默认行为，倒逼开发者重新调整。

第三，prompt 从”流程控制”走向”结果定义 + 评测校准”。堆流程、堆限制、堆补丁的时代正在结束。

Simon Willison 一语中的

知名开发者博主 Simon Willison 在 4 月 25 日就注意到了 OpenAI 的文档更新，并写了一篇博文专门讨论。他抓住了最关键的一句：

“Interesting to see OpenAI recommend starting from scratch rather than trusting that existing prompts optimized for previous models will continue to work effectively with GPT-5.5.”

「有意思的是，OpenAI 在建议开发者从零开始，而非相信那些针对旧模型优化过的 prompt 能在 GPT-5.5 上继续有效。」

▲ Simon Willison：OpenAI 在建议你从零开始

HN 社区的真实体感：旧 prompt 确实是”一堆 hack”

Hacker News 上关于这个话题的讨论帖里，一条评论说出了很多开发者的心声：

“Most of my 5.4 prompts are piles of hacks to stop the model from hallucinating or going off topic.”

「我给 5.4 写的 prompt，大部分就是一堆为了防幻觉、防跑偏的 hack。」

▲ HN 用户坦言：旧 prompt 本质上就是一堆防御性 hack

这正好印证了 OpenAI 文档里的判断：那些曾经有用的”脚手架”，在新模型面前已经变成了包袱。

反对声音同样值得听

当然，X 上也有人提出了不同看法。

工程师 Anton Kuratnik 直接反驳了”Claude 4.7 更字面化”的说法：

“100% BS… Major reason I stopped using 4.7 is because it does what you ask and then 50 things you didn’t.”

「完全胡扯……我不用 4.7 的主要原因恰恰是：它做了你要求的事，然后又多做了 50 件你没要求的。」

▲ Anton 的痛点和 Alex 的总结恰好相反：他觉得 Opus 4.7 管得太宽

Wolfram Ravenwolf 则从产品体验的角度提出了一个更根本的问题：

“If the user or prompt has to adapt to the AI instead of the other way around, that’s bad. If a minor model version update makes that a necessity (4.6→4.7 / 5.4→5.5), that’s even worse.”

「如果用户和提示词要反过来适应 AI，那就很糟糕。如果一次小版本升级就逼着用户必须适配（4.6→4.7 / 5.4→5.5），那就更糟糕了。」

▲ Wolfram 的质疑：每次升级都逼用户重写 prompt，这本身就是糟糕的产品设计

这个批评很有道理。模型能力在进步，但如果每一代升级都意味着开发者要推翻重来，那 prompt 就永远无法成为稳定的基础设施。

真正在过时的，到底是什么？

把所有声音放在一起，一个更清晰的结论开始浮现：

过时的，不是”提示词”这件事本身。提示词依然重要，甚至比以前更重要——因为模型变强了，精准定义需求的能力差距反而被放大了。

真正在过时的，是那套”驯服式”的 prompt 写法：靠堆流程步骤来防跑偏，靠堆负向约束来防幻觉，靠堆角色扮演来维持风格，靠一层又一层的补丁来修修补补。

OpenAI 把新范式叫outcome-first prompting——先说清结果、约束和成功标准，让模型自己选路径。

Anthropic 的方法论更像eval-driven prompting——先建立评测体系，再用正向示例和参数调校来精确控制行为。

殊途同归。

一位 X 用户 lossybrain 的总结也许最贴切：好的 prompting architecture 能兼容不同模型的 worldview；如果你的 prompt 只在一个模型版本上能用，那问题大概出在你的系统设计上，跟模型关系不大。

给开发者的行动清单

如果你还在用几个月前给 GPT-5.4 或 Claude 4.6 调好的 prompt stack，现在是时候审视一下了：

1.做一次 prompt 审计：标记哪些指令是为了”扶着模型走路”写的——它们很可能已经变成噪音 2.建立 fresh baseline：从最短的、只保留核心产品约束的 prompt 开始重新调 3.定义 success criteria：先明确”什么是好结果”，再来调 prompt 4.用评测驱动迭代：拿真实样本测，别靠直觉判断 prompt 好不好用 5.分离关注点：把”风格控制”和”任务控制”拆开，分别用不同的机制处理

提示词工程，正在从”黑魔法”变成”工程学”。

这一轮升级也许会让很多精心打磨的 prompt 突然失灵。但换个角度看——如果你的 prompt 只在特定模型版本上才能用，那它从来就不是资产，一直都是技术债。

— END —