你会尝试使用GPT-5吗？——Trisimo崔思莫的见解

大家通常利用GPT做些什么？哪些人群会选择使用GPT？

这份文档是由OpenAI官方发布的《GPT-5提示词指南》（GPT-5 Prompting Guide）。

阅读完这份指南，我深刻体会到，AI模型已经超越了单纯的“问答工具”，更像是一个具备主动思考和执行能力的智能代理（AI Agent）。

这份指南实质上如同一本“驯服手册”，它教会你如何调控GPT-5的主动性及其透明度，并指导你如何编写有效的提示词。

接下来，我们将深入探讨其中的重要内容。

01｜智能体工作流的可控性

GPT-5的显著特点之一便是其代理能力：

• 可以自主调用工具
• 具备长时间上下文记忆
• 能够将复杂任务分解并执行

然而，这也带来了一个问题：你希望它“更主动”，还是“更听话”？

官方提供了两种提示词的编写方式：

• 降低主动性
• 设置reasoning_effort=low，以减少推理的深度
• 明确制定搜索策略和停止条件
• 限制工具调用的次数（例如最多2次）
• 优点：可以加快速度，迅速收敛，避免“AI想太多”的情况

- Search depth: very low
- Bias strongly towards providing a correct answer as quickly as possible, even if it might not be fully correct.
- Usually, this means an absolute maximum of 2 tool calls.
- If you think that you need more time to investigate, update the user with your latest findings and open questions. You can proceed if the user confirms.

• 提高主动性
• 强调持续执行
• 规定“任务必须彻底完成后再交还给用户”
• 在面对不确定性时，优先进行推理，而不是频繁询问用户
• 优点：这使得它更像一个真正的AI代理，可以自动完成整个流程

- You are an agent - please keep going until the user's query is completely resolved, before ending your turn and yielding back to the user.
- Only terminate your turn when you are sure that the problem is solved.
- Never stop or hand back to the user when you encounter uncertainty — research or deduce the most reasonable approach and continue.
- Do not ask the human to confirm or clarify assumptions, as you can always adjust later — decide what the most reasonable assumption is, proceed with it, and document it for the user's reference after you finish acting

简单来说，如果你在进行AI客服或电商自动化工作，可以让它多承担些任务，例如自动查询订单或生成退款流程。这类任务通常链条较长、规则复杂，主动性越强越能减轻负担。但若是在修复bug时，就应当让它“收敛一点”，避免随意修改。限制搜索范围和减少工具调用次数，可以防止它“想太多”而导致效率降低。

02｜工具调用的序言

第二个技巧是让模型在执行任务之前，先阐述一下其计划。

这种方式被称为工具调用序言，主要包括：

• 在调用工具前，先重述用户的目标
• 提供一个结构化的执行计划
• 在执行过程中简洁地通报进度
• 任务结束时再进行总结

- Always begin by rephrasing the user's goal in a friendly, clear, and concise manner, before calling any tools.
- Then, immediately outline a structured plan detailing each logical step you’ll follow. - As you execute your file edit(s), narrate each step succinctly and sequentially, marking progress clearly. 
- Finish by summarizing completed work distinctly from your upfront plan.

这种做法显而易见地提升了可控性和透明度。

使用者不再面对一个“黑箱AI”，而是能够实时了解其正在进行的操作及其原因。

03｜推理力度的调节

自o系列以来，OpenAI的推理模型引入了一个重要参数：reasoning_effort。

GPT-5同样适用这一参数。

reasoning_effort影响着模型的“思考深度”与“效率”：

• 低（low）：速度快，但可能较为肤浅
• 中等（medium）：默认值
• 高（high）：推理全面，适合处理复杂任务

另外，GPT-5还新增了一种特别的模式：最小推理（minimal reasoning）。

• 优点：延迟非常低，反应速度快
• 缺点：需要更明确的提示，否则模型可能“思考不足”

Remember, you are an agent - please keep going until the user's query is completely resolved, before ending your turn and yielding back to the user. Decompose the user's query into all required sub-request, and confirm that each is completed. Do not stop after completing only part of the request. Only terminate your turn when you are sure that the problem is solved. You must be prepared to answer multiple queries and only finish the call once the user has confirmed they're done.

You must plan extensively in accordance with the workflow steps before making subsequent function calls, and reflect extensively on the outcomes each function call made, ensuring the user's query, and related sub-requests are completely resolved.

简而言之，reasoning_effort就像给模型设置了一个“思考档位”，你可以根据需求进行调整。

04｜Responses API：上下文复用的新选择

与Chat Completions API相比，OpenAI目前推荐使用Responses API。

原因何在？

因为它可以复用推理过程的上下文，避免模型在每次调用工具时都要“重新思考”。

举个例子：

• 在零售场景中进行测试时，转换到Responses API后，准确率从73.9%提升至78.2%。
• 成本降低，因为不需要重复消耗token去重建推理过程。

编程能力大幅提升：GPT-5 的新特性与优化提示

总结来看，若你正在进行多轮对话或复杂任务，升级到 Responses API 几乎是必须的选择。

---

05｜编程：探索 GPT-5 的编程能力及提示优化

提到 GPT-5 的显著进步，最容易被注意到的便是其编程能力。

OpenAI 官方特别指出了一些关键特性：

• 支持大规模代码库：能够处理多个文件的修改、重构以及大型差异比较。
• 推荐前端开发技术栈：包含 Next.js、Tailwind、shadcn/ui 以及 Lucide。
• 自我反思机制：允许用户先要求其拟定一套“评分标准”，再根据该标准优化输出内容。

- 首先，花时间思考评分标准，直到你感到满意。
- 接着，深入考虑什么构成一个世界级的一次性网页应用。利用这些知识创建一个包含 5-7 个类别的评分标准。这一标准的准确性至关重要，但不应向用户展示，纯粹是为了你自己的参考。
- 最后，利用这个标准在内部反复思考并迭代出最佳方案。记住，如果你的回答在评分标准的所有类别中都未达到高分，就需要重新开始。

此外，还有一个实际的使用案例：Cursor。

Cursor 发现 GPT-5 在默认情况下生成的代码有些“过于聪明”：

• 变量命名过于简短。
• 状态更新内容冗长。

因此，Cursor 对 GPT-5 的提示进行了调整，明确要求以下几点：

• 代码必须清晰易读，命名规范。
• 状态更新要简洁明了。

优先编写清晰的代码。选择可读性强、易于维护的解决方案，使用明确的名称，必要时添加注释，控制流程要简洁明了。除非明确要求，否则不要生成过于复杂或精巧的一行代码。编写代码及其工具时应保持高信息量。

请注意，你所做的代码编辑将作为建议更改展示给用户，这意味着 (a) 你的代码编辑可以非常主动，用户总是可以拒绝， (b) 你的代码应当编写良好，易于快速审查（例如，使用适当的变量名称，而非单个字母）。如果提出的下一步操作需要更改代码，请主动为用户进行这些更改，供其批准或拒绝，而不是询问用户是否同意执行该计划。通常情况下，你几乎不应询问用户是否继续执行计划，而应主动尝试该计划，然后询问用户是否希望接受已经实施的更改。

经过这样的调整，效果显著提升。

因此，若你在使用 GPT-5 进行编程时，务必提前设定好其“代码风格规范”。

例如，可以这样设定。

如何高效利用 GPT-5 的能力

在使用 GPT-5 的过程中，指令遵循的能力显著增强。正如 OpenAI 所言，“GPT-5 能以极高的精准度执行提示。”

不过，这种“精准”有时会导致过于“较真”。

换句话说，当指令存在矛盾或模糊之处时，GPT-5 可能会陷入困境。

文档中展示了一个示例：

• 规则一：“患者必须同意预约”
• 规则二：“紧急情况需立即分配时间”

最终，模型在推理中反复纠结，难以做出决策。

解决这个问题的方法很简单：消除矛盾，确定优先级。

因此，在撰写提示时，务必要仔细审查逻辑，确保没有自相矛盾的情况。

Markdown 格式的使用

为了确保兼容性，GPT-5 默认不以 Markdown 格式输出内容。

然而，你可以在提示中明确要求它使用 Markdown，比如：

• 应用 inline code、code fences、列表和表格
• 每隔 3-5 条对话进行一次提醒，以提高输出的稳定性

这种技巧在撰写文档和进行结构化输出时非常实用。

元提示的应用

最后一个有用的小技巧是：利用 GPT-5 来优化你的提示。

例如：

• 如果你编写的提示词希望模型“执行额外步骤”，但它却不断提出问题；
• 此时，你可以将提示词提供给 GPT-5，让其建议“需要删除哪些词或添加哪些条件”，以改进提示。

在要求优化提示时，从自身角度提供答案 - 解释哪些具体短语可以添加或删除，以更一致地引导出期望的行为，或避免不期望的行为。

这是一个提示词: [PROMPT]

希望通过此提示实现的行为是让代理[执行期望行为]，而实际上它却[执行了不期望的行为]。在尽量保持现有提示内容的情况下，你会做哪些最小的编辑或补充，以促使代理更一致地解决这些不足之处？

这种自我优化的循环在实际应用中可能带来意想不到的效果。

总结

在 GPT-4 时代，我们专注于如何提出聪明的问题。

而在 GPT-5 时代，我们需要学习如何有效地控制这个智能模型。

你需要管理它的：

• 主动性（Agentic vs 保守）
• 推理深度（reasoning_effort 推理强度）
• 执行透明度（tool preambles）

同时，必须为它设定清晰的界限和规范，避免因“过于聪明”而导致的纠结。

在某种程度上，GPT-5 不再仅仅是一个“回答问题的 AI 工具”，而是一个需要管理与协作的智能体。

它的能力非常丰富，但你也需要掌握与它的有效互动规则。

参考链接

1. GPT-5 提示指南：https://cookbook.openai.com/examples/gpt-5/gpt-5_prompting_guide

我是木易，一个专注于 AI 领域的技术产品经理，拥有国内 Top2 本科和美国 Top10 CS 硕士学位。
相信人工智能是大众的“助推器”，我们专注于传播与人工智能相关的全面知识。在这里，你可以找到最新的人工智能科普文章、工具评测、提高效率的小窍门以及行业发展的深度分析。
我们诚邀你关注“AI信息Gap”，让人工智能为你的未来助力。

推荐内容