夜雨聆风
OpenAI 最新 GPT-5.6 Sol 提示词指南传递出一个很明确的信号：模型越强，提示词越不应该继续堆叠“必须、永远、不要”式流程命令，而应该把结果、约束、证据、完成标准和停止条件说清楚，再把路径选择权交给模型。本文完整翻译并拆解官方建议，覆盖提示词瘦身、工具路由、检索预算、推理强度、长期工作流、前端任务、验证闭环和迁移评测，并补充这些建议对实际 Agent 系统意味着什么。
原文地址：
https://developers.openai.com/api/docs/guides/prompt-guidance-gpt-5p6
🧭 先说结论：别再把 Prompt 写成操作手册
这份指南用于把现有的提示词、工具描述、Agent 指令或整套 Prompt Stack 迁移到 GPT-5.6 Sol 或 GPT-5.6 系列模型。OpenAI 建议同时参考当前的 GPT-5.6 模型指南，以了解 API 细节、限制、定价和功能可用性。
官方给出的总原则是：
让提示词定义结果、重要约束、可用证据和完成标准，然后给模型足够空间，让它自己选择高效路径。
这与很多人熟悉的 Prompt 写法正好相反。过去，模型能力较弱时，我们会在系统提示词里写一长串操作流程：先做什么，再做什么；遇到某个词就调用某个工具；每一步都必须输出什么；任何情况都不能跳过某个步骤。
GPT-5.6 的建议是：不要把每一条可能的行为都写成硬编码流程。 如果这些规则不改变最终行为，就应该删掉，让模型围绕目标自行规划。
OpenAI 在一组内部编码 Agent 评测中观察到，精简系统提示词后，评测分数大约提升了 10%—15%，总 Token 量减少 41%—66%，成本减少 33%—67%。
但官方也明确提醒：这些结果取决于工作负载，只能作为方向性参考。不要把它们理解成所有应用都能复制的性能承诺，最终还是要用自己的代表性任务验证。
✂️ 第一原则：先把提示词瘦身
开始时，应该保留一份已经能够工作的 Prompt 和工具集合。然后一次只删除一组指令、示例或工具，再重新运行同一套评测。
可以优先删掉什么？
重复表达同一条规则的句子； 不会改变模型行为的重复风格或流程指令； 不会改变行为的示例； 模型已经能够稳定执行的过程性指令； 与当前任务无关的工具及工具描述。
哪些内容必须留下？
用户最终能看到的结果； 成功标准和停止条件； 安全、业务、证据和权限约束； 依赖上下文才能决定的工具路由规则； 必须遵守的输出结构和验证要求。
删完以后，还要检查剩余指令之间是否相互矛盾。
GPT-5 级别的模型会非常认真地执行 Prompt 合同。也就是说，矛盾的规则可能比缺少细节更容易造成不稳定。你以为自己增加了安全网，模型看到的却可能是一组互相冲突的优先级。
一个典型误区
比如同时写下：
“尽可能少调用工具”； “任何结论都必须有外部证据”； “不要向用户追问”； “缺少信息时必须确认”； “不要做任何假设”； “即使信息不全也要给出完整答案”。
这些句子单独看都合理，放在一起却没有告诉模型，在它们发生冲突时谁优先。
更好的写法不是继续添加第七条、第八条例外规则，而是明确成功标准、证据要求和停止条件。
🎯 结果优先：描述终点，不要规定每一步
OpenAI 建议，复杂任务的 Prompt 应该先告诉模型“什么叫做好”，而不是事无巨细地规定所有过程。
例如，不要写成：
先检查账户，再调用资格查询工具，然后读取政策文档，接着计算折扣，最后输出三段话。
可以改成：
端到端解决客户问题。
成功标准：
- 根据现有政策和账户证据做出资格判断
- 在回复前完成所有被允许的操作
- 返回 completed_actions、customer_message 和 blockers
- 如果缺少必要证据，只询问最小的缺失字段
这段 Prompt 规定了终点、完成标准、输出结构和缺失信息的处理方式，却没有强迫模型沿着唯一的路径执行。
模型可以根据当前任务决定：什么时候查资料，什么时候调用工具，什么时候直接回答，什么时候需要补充检索。
少用“永远”“绝对”“必须”
ALWAYS、NEVER、must 和 only 应该只用于真正不允许变化的规则，例如：
安全边界； 必填字段； 绝对不能执行的外部操作； 强制的权限条件。
对于“什么时候搜索”“什么时候提问”“什么时候使用工具”“是否继续迭代”这类判断问题，不要一律写成绝对命令，而应使用决策规则。
例如：
用尽可能少的有效工具循环解决请求，但不能为了减少循环而牺牲正确性、必要证据、计算结果或必需引用。
每次获得结果后，判断现在是否已经可以用足够证据回答核心请求。如果可以，就回答。如果仍缺少必要证据，指出缺少的事实，并采用最小的有效补救方式。
这比“最多调用一次工具”更可靠，因为它给模型的是优先级，而不是脱离上下文的硬限制。
尊重用户明确提供的值
当用户已经明确给出了一个值、偏好或参数，Prompt 不应该用宽泛的默认值覆盖它。
如果正确值需要从上下文或 Schema 中推断，就提供判断标准，让模型根据上下文推理，而不是建立一张庞大的关键词映射表或语义捷径。
🗣️ 简洁、个性与协作方式
OpenAI 观察到，GPT-5.6 默认往往比 GPT-5.5 更简洁。因此在迁移时，要重新检查“保持简洁”“尽量短”这类宽泛指令是否仍然有用。
它们有时可以帮助控制输出，但也可能让答案变得过短，遗漏证据、限定条件或下一步行动。
对于更稳定的细节控制，可以使用 text.verbosity 设置默认详细程度：
low：偏简洁；medium：平衡；high：更完整。
然后在 Prompt 中描述当前任务所需的具体长度、结构和必需内容。
Personality 不等于任务指令
面向客户的助手或协作型产品，应该同时定义：
Personality：语气、温度、直接程度、正式程度、幽默、共情和润色程度； Collaboration style：什么时候提问、什么时候做假设、什么时候主动推进、什么时候解释权衡、什么时候检查工作，以及如何处理不确定性。
两者都应该简短。个性控制用户体验，协作风格控制任务行为；它们不能替代清晰的目标、成功标准、工具规则和停止条件。
比如，“友好一点”“更有共情”都太模糊。可以改成：
直接给出答案。如果用户报告了问题，先承认具体问题，再给出下一步。
只有在确实相关时才进行安抚。省略泛泛的夸奖和不必要的结束语。
这种写法把抽象形容词转换成了可观察的写作行为。
输出较短时，先定义什么不能丢
如果任务需要短答案，应该明确哪些信息必须保留，哪些细节可以删除：
先给结论。包含支撑结论所需的证据、重要限定条件和下一步行动。
优先删除次要细节和重复内容。
保留所有必要事实、决定、限定条件和后续步骤。
先删掉开场白、重复说明、泛泛的安慰和可选背景。
这样，模型就知道“简洁”不是无差别删字，而是先保护完成任务所必需的信息。
对于编辑、改写、摘要和面向客户的草稿，还应该明确要求模型保留什么：
优先保留用户要求的产物、长度、结构、体裁和事实主张。
在不添加新主张、新章节或更强营销语气的前提下，改善清晰度、流畅度和正确性。
🛡️ 明确自主权和审批边界
GPT-5.6 在执行多步骤任务时可以更主动、更持久。因此，Prompt 必须定义每类请求授权了什么，让模型可以继续完成安全且范围内的工作，同时在外部写入、破坏性操作、付费或扩大范围之前停下来。
OpenAI 给出的紧凑政策示例是：
对于回答、解释、审查、诊断或规划请求，检查相关材料并报告结果。
除非请求同时要求实施，否则不要执行修改。
对于修改、构建或修复请求，直接完成请求范围内的本地修改，
并运行相关的非破坏性验证，不要事先询问。
对于外部写入、破坏性操作、购买行为或范围发生实质性扩大，必须先确认。
这里有一个很重要的区别：
读取文件、查看日志、编辑范围内代码、运行测试，通常可以定义为安全的本地操作； 发邮件、提交生产配置、删除数据、购买服务或扩大任务范围，则需要确认。
不要把“任何修改都要先问我”写成一条总规则，否则模型可能连运行测试、修复当前文件中的拼写错误都要反复请求批准。
对于长时间运行的工作，还要明确当前处于哪一层：
研究； 设计； 实施； 审查； 外部协调。
这样可以避免模型在没有明确授权的情况下，从研究阶段悄悄跳到外部执行阶段。
🔧 工具路由：工具越多，不一定越强
只暴露与任务有关的工具。工具描述应该说清楚四件事：
工具能做什么； 什么时候使用； 重要返回字段是什么； 发生错误时会怎样。
如果正确性依赖前置检索或发现步骤，应该明确写出来：
在采取行动之前，先完成所需的发现、检索和验证步骤。
不要因为最终状态看起来很明显，就跳过前置条件。
当多个读取操作彼此独立时，可以并行执行；当一个结果会决定下一步动作时，应保持顺序执行。并行检索完成后，要先综合结果，再采取行动。
如果工具返回空结果、部分结果或可疑的狭窄结果，不要立刻得出“没有结果”的结论。可以尝试一到两种有意义的备选方式，再判断是否真的不存在。
⚙️ Programmatic Tool Calling：适合做确定性的数据处理
程序化工具调用（Programmatic Tool Calling，简称 PTC）适合有边界的工作流：让代码处理多次工具返回的大量中间结果，再返回一个更小、更结构化的结果。
适合使用 PTC 的场景包括：
过滤、连接、排序、排名、去重和聚合； 对很多相似记录进行批处理； 重复性的确定性验证； 把大型结构化结果压缩成紧凑 Schema。
但“有多个调用”“调用可以并行”本身，并不足以证明应该使用 PTC。
以下情况更适合直接调用工具：
一个调用就够了； 中间结果本来就很小； 每个结果都可能改变下一步决策； 操作需要审批； 最终答案必须保留原生引用或完整产物； 调用之间需要语义判断。
不要只写一句“高效使用 PTC”。应该明确它的边界、可用工具、输出 Schema、重试上限、停止条件，以及什么时候把控制权交还给模型。
只在有限的记录压缩阶段使用 Programmatic Tool Calling。
只调用文档中列出的只读工具。过滤和去重中间结果，
然后严格输出带有 evidence 字段的指定紧凑 Schema。
瞬时失败最多重试两次。审批、语义判断、引用和最终验证使用直接工具调用。
如果同一工作流同时使用两种路径，要定义清晰的交接点，并告诉模型不要切换路线或重复已经完成的工作。
还要分别测试 program_output 和最终的 assistant message。理论上，程序可能返回了正确记录，但最终消息漏掉了必需字段、引用或限定条件。
评测时，不要只比较 Token 数量。应该在相同代表性任务上比较：
正确性； 完整性； 证据是否充分； 总 Token； 延迟； 成本； 调用次数； 对话轮数； 重试次数。
资源使用降低，只有在答案仍然通过现有评测时，才算真正的改进。
🔍 Grounding、引用与检索预算
对于需要事实支撑的回答，引用行为应该直接写进 Prompt。要定义：什么需要支持、多少证据才够，以及证据缺失时应该怎么做。
一个非常关键的原则是：没有证据，不应自动变成事实上的“没有”。
官方建议的普通问答检索策略是：
对于普通问答，先用简短且有区分度的关键词进行一次宽泛搜索。
如果顶部结果已经足以支持核心请求，就根据这些结果回答。
只有在以下情况才进行下一次检索：缺少必要事实、负责人、日期、ID 或来源；
用户要求穷尽覆盖或比较；必须阅读某个具体材料；
或者重要主张否则无法得到支持。
不要只是为了改善措辞、增加例子或支持非必要细节而再次搜索。
对于研究和综合任务：
只引用实际检索到的来源； 把引用贴在它支持的具体主张旁边； 将推断与直接支持的事实分开标注； 说明不同来源之间的冲突； 如果证据不够，就缩小回答范围或报告缺失证据，不要猜。
对于创意写作，也要区分“来源支持的事实”和“创意表达”。不要为了让草稿更有说服力而虚构姓名、指标、日期、路线图状态、客户结果或产品能力。
🔄 长流程、状态与上下文压缩
对于多步骤或工具密集型任务，Prompt 可以要求模型在第一次调用工具前给出一段简短可见的前言，然后只在重要阶段变化时更新。
不要让模型为每次常规工具调用都写一段过程旁白。
在多步骤任务第一次调用工具前，用一到两句话向用户说明第一步。
任务进行中，只在主要阶段开始或发现改变计划时更新。
每次更新只说一个具体结果和下一步。
如果你重放历史消息，要保留 assistant 的 phase 值，让模型能够区分 commentary 和最终回答。使用 previous_response_id 时，之前的 assistant 状态会自动保留；如果手动重放历史，就要原样保留每条消息的 phase。
不要每轮都压缩上下文，应该在重要里程碑之后压缩。压缩后，Prompt 的功能应保持一致，把已经压缩的内容当作不透明状态，而不是重新解释或随意改写。
持久化推理在目标、假设和优先级保持稳定时很有用。但不要把它当作永远开启的优化：过时的推理会增加 Token、延迟，并让模型被旧思路锚定。
Prompt Caching 也会影响 Prompt 结构。可复用的前缀要保持稳定，避免频繁修改大型系统 Prompt。只有在测量结果表明能改善缓存命中率和成本时，才使用明确的缓存断点。
🧠 Reasoning effort：先建立基线，再提高强度
不要一上来就把推理强度调到最高。
官方建议：
保留现有 GPT-5.5 或 GPT-5.4 的 reasoning effort，作为基线； 在代表性任务上测试相同设置，以及低一级设置； 延迟敏感的任务，如果低强度仍能保住质量，就使用低强度； medium可以作为平衡起点；只有评测显示有明显收益时，才使用 high或xhigh；max留给最难、最重质量的工作，不要全局推荐。
在提高推理强度前，先检查 Prompt 是否缺少：
成功标准； 依赖规则； 工具路由规则； 验证闭环。
很多所谓“模型推理不够”，根本原因并不是推理预算太低，而是模型不知道什么叫完成、哪些证据必须拿到、什么时候应该停。
🎨 前端与视觉任务：更强的审美，不等于可以自由发挥
GPT-5.6 在布局、视觉层级和设计判断方面更强，但仍然需要产品上下文。你应该说明现有设计系统、重要状态和约束。
对于渐进式前端修改：
检查并保留现有设计 Token、组件和模式； 不要擅自增加额外功能或装饰性 UI； 保持响应式行为和已有状态； 在最终确定前渲染并检查结果。
对于视觉、电脑使用、本地化或 OCR 等空间精度重要的任务，要有意识地选择图片细节等级。面对大图、密集信息或坐标敏感任务时，可以使用原始细节，但要权衡额外输入成本与延迟。
换句话说，GPT-5.6 的视觉能力增强，不意味着 Prompt 可以少写产品背景；恰恰相反，越是需要它做设计判断，越要告诉它哪些部分是既有系统、哪些部分不能碰。
✅ 完成前必须检查工作
要给 GPT-5.6 提供可以验证输出的工具，并明确告诉它验证什么。
对于代码任务，官方建议使用类似这样的验证规则：
完成修改后，运行最相关的可用验证：
- 针对修改行为的测试
- 适用时运行类型检查或 lint
- 检查受影响包的构建
- 如果完整验证成本过高，至少运行最小冒烟测试
如果无法运行验证，说明原因，并描述下一项最佳检查。
对于视觉产物：
在最终确定前渲染产物。
检查布局、裁切、间距、缺失内容和视觉一致性。
持续修改，直到渲染结果符合要求。
对于实施计划，至少应包含：
需求； 指定资源或文件； 状态转换或数据流； 验证检查； 失败处理； 隐私和安全注意事项； 会实质性影响实施的开放问题。
这部分的核心不是“让模型多说一点”，而是把“完成”从一句主观判断，变成可以观察和复现的验证动作。
🧱 一套推荐的复杂 Prompt 结构
OpenAI 给出了一份可以作为起点的模板。每个部分都应该保持简短，只在会改变行为的地方增加细节：
Role: [模型的职能和上下文]
Personality: [语气和协作风格]
Goal: [用户可见的结果]
Success criteria: [最终回答前必须满足什么]
Constraints: [政策、安全、业务、证据和副作用限制]
Tools: [使用哪些工具、什么时候使用、哪些不要使用]
Output: [章节、长度、格式和语气]
Stop rules: [什么时候重试、回退、拒答、提问或停止]
这个结构的好处，是把常常混在一起的内容拆开：角色不是目标，目标不是工具，工具不是成功标准，成功标准也不等于停止条件。
🛠️ GPT-5.6 迁移工作流：小步改，不要一次重写
把现有应用迁移到 GPT-5.6 时，官方建议按以下顺序：
切换模型，同时保留当前的 reasoning effort； 在修改 Prompt 之前，先运行代表性评测； 删除过时的脚手架、重复指令和无关工具； 只有在评测发现具体回归时，才添加最小的针对性指令； 每次修改 Prompt 或推理设置后，都重新运行评测。
不要一次性重写一套本来能够工作的 Prompt Stack。否则当行为发生变化时，你无法判断到底是模型、推理设置、Prompt、工具集合还是运行时环境导致的。
当某个 Prompt 出现回归时，用一小组真实 Trace 调试：
找到具体失败模式； 判断可能触发问题的指令或矛盾； 做一次手术式修改； 用同一批案例重新运行。
🔬 这份指南真正改变了什么
表面上，这是一份 GPT-5.6 的 Prompt 调优手册；更深一层，它提出的是一种 Agent 系统设计哲学：
1. 从流程控制转向结果控制
弱模型需要你告诉它每一步怎么走。更强的模型可以自己选择路径，你应该把 Prompt 的重点放在目标、约束、证据和完成标准上。
2. 从“增加指令”转向“减少冲突”
Prompt 不是越长越专业。重复、模糊和相互矛盾的规则，会让模型在多个局部目标之间摇摆。
3. 从“多调用工具”转向“合理分配检索预算”
检索不是越多越好。一次检索已经支持核心请求时，继续搜索往往只是在增加延迟和成本；但缺少关键事实时，又不能为了省调用而强行回答。
4. 从“提高推理等级”转向“补足验证闭环”
在调高 reasoning effort 之前，先检查是否定义了成功标准、依赖条件、路由和验证动作。更多推理时间不能补救一个没有完成定义的任务。
5. 从“自动执行”转向“边界清楚的自主性”
好的 Agent 不是每一步都询问，也不是未经许可地做所有事情，而是在安全范围内主动推进，在外部写入、破坏性操作、购买和范围扩大之前停下来。
📌 给开发者的最终清单
如果你今天要把一个现有 Prompt 迁移到 GPT-5.6，可以先检查这 10 项：
是否删掉了重复规则？ 是否定义了用户最终想要的结果？ 是否写清楚成功标准？ 是否写清楚什么时候停止？ 是否只把真正不可违反的规则写成 must或never？是否区分了安全本地操作和需要审批的外部操作？ 是否只暴露了任务需要的工具？ 是否定义了证据、引用和缺失信息的处理方式？ 是否在提高 reasoning effort 前建立了基线？ 是否给模型提供了真实的验证闭环？
如果答案大部分是否定的，继续堆 Prompt 可能不是正确方向。先删掉噪声，补上完成标准，再用代表性任务评测。
GPT-5.6 的提示词工程，最终不是一场“谁能写出最长系统 Prompt”的比赛，而是一次系统设计：你能否把目标、边界、证据、工具和验证组织成一份清晰的工作契约。
🦞 龙虾之心 | OpenClaw Heart | AI 智能体成长伙伴
