OpenAI публикует руководство по промптам GPT-5.6: только результат и красные линии, остальное — на модели

OpenAI 公布 GPT-5.6 提示詞指南，內部測試發現，把冗長的 system prompt 精簡之後，分數不降反升 10% 到 15%，token 用量還省下 41% 到 66%。指南建議開發者只給模型結果、限制與停止標準，不用規定每一步該怎麼走。
（前情提要：GPT-5.6 秘密測試瘋傳：ChatGPT 突變聰明、用戶測試碾壓 Fable 5）
（背景補充：Harness Engineering（AI駕馭工程）入門篇：OpenAI最新程式設計標準，教你輕鬆做到Lv.1）

本文目錄

Toggle

• 指令越少，模型越準？
• 別再寫步驟，寫「終點」就好
• 從「堆指令」到「量測式調整」

OpenAI 內部測試顯示，把一份原本落落長的 system prompt 大幅精簡之後，分數不但沒有掉，反而上升 10% 到 15%，同時 token 用量還省下 41% 到 66%。換句話說，叫模型「少做一點準備動作」，它反而跑得更快、答得更準。

這是 OpenAI 官方發布的 GPT-5.6 提示詞指南裡說明的重點，下文筆者整理三個重點：為什麼精簡指令反而更有效、OpenAI 建議的新寫法是什麼、以及開發者實際上要怎麼改。

指令越少，模型越準？

過去工程師寫 prompt 的直覺是「講越細，模型越聽話」，把每一個步驟、每個例外狀況都寫進去，深怕模型漏做什麼。但 OpenAI 在指南裡點名，這套直覺在 GPT-5.6 身上失靈了。工程團隊實測發現，一份 system prompt，簡單來說就是，開發者在用戶對話開始前，先塞給模型的一段隱藏設定指令，如果塞滿重複規則、對行為沒有實質影響的風格叮嚀、多餘範例，以及模型本來就做得到的流程指導，拿掉之後模型的表現反而更好。

指南給的具體做法，是「從能跑的版本開始逐步刪」：先留著目前有效的 prompt，一段一段拔掉可疑的部分，同時盯著 eval（AI 量化評估分數），簡單來說就是，拿一組固定任務讓模型跑，用分數衡量它答得好不好，有沒有掉。

真正該留下來的，是用戶看得到的結果、成功與停止的判斷標準、安全與商業上的限制、依情境變化的工具選用規則，以及要求的輸出格式。其餘的，大多是工程師自己心安用的贅字。

指南同時點出一個常被忽略的環節：工具描述本身也是 prompt 的一部分。給模型的工具越多、描述越含糊，模型判斷該用哪個工具的成本就越高。OpenAI 建議只給任務相關的工具，每個工具描述都要交代做什麼、何時該用、出錯時怎麼表現。換句話說，精簡的物件不只是「指令」，連「工具箱」本身都該一起瘦身。

別再寫步驟，寫「終點」就好

指南裡最核心的一句話是：「定義結果、重要限制、可用證據、完成標準，然後留空間讓模型自己選有效率的路徑。」簡單來說就是，只告訴模型要去哪裡、有哪些不能碰的紅線，不用規定它每一步該怎麼走。

OpenAI 舉的範例是「用最少的有用工具迴圈解決請求，但不能讓減少迴圈次數犧牲正確性、必要證據或引用」，這是一條「若 X 則 Y」的決策規則，而不是一條死命令。

另一個容易被忽略的細節，是 GPT-5.6 預設回答就比較精簡。以前工程師寫在 prompt 裡的「請簡短回答」這類叮嚀，現在可能是多餘甚至有害的。指南建議改用引數 text.verbosity，簡單來說就是，單獨用一個引數控制模型回答要多長，跟語氣分開處理，分成 low、medium、high 三檔專門管長度，語氣與正式度則另外描述個性，兩者都寫短。

如果真的需要更短的答案，指南建議明講「留什麼、砍什麼」，而不是籠統丟一句「短一點」。至於模型要花多少力氣思考，也就是 reasoning effort，簡單來說就是，設定模型回答前要花多少『思考力氣』，指南把它分成 low、medium、high、xhigh、max 五級。調高之前，OpenAI 建議先檢查 prompt 本身有沒有寫清楚成功標準與驗證迴圈，很多時候「把話講清楚」比「加碼讓模型多想」更有效。

從「堆指令」到「量測式調整」

對開發者最實際的影響，是指南附的一套 prompt 遷移工作流。

OpenAI 講得很直白：換模型時不要一次重寫整套 prompt，原因是如果同時改模型、推理設定、prompt、工具集，之後根本分不出行為變化是哪一項造成的。正確順序是先換模型、保留原本的推理強度設定，跑一次代表性的 eval 當基準，再拿掉過時的鷹架與重複指令，只針對「eval 顯示真的退步」的地方做最小幅度的修正，然後重新測一次，每改一個變因，就重新量測一次，絕不同時亂動。

指南也要求開發者把「模型能自己做多少決定」寫清楚，而不是模糊帶過。OpenAI 給的範例政策是：回答、解釋、檢視這類請求，模型只能檢查與回報、不能動手改；涉及變更或修復的請求，可以在範圍內自行做本地變更並跑非破壞性的驗證；真正牽涉對外寫入、破壞性動作或擴大任務範圍的，一律要先停下來詢問。

指令越寫越多，曾經是工程師求心安的方式。現在看來，這可能會拖慢模型、也在拖累帳單。模型越聰明，人反而該學會少說話，把力氣留給量測與驗證。