GPT-5提示词技巧：驾驭新一代AI的秘诀

OpenAI最新的旗舰模型 GPT-5 还是相当强大的，有一个问题是你现在进入ChatGPT界面，已经无法选择用什么模型，GPT-5会帮你选择，后台的所有模型都成为了GPT-5的一部份。据说这代表了一种发展趋势，就像你班上总有一个成绩超级稳定的优等生，GPT-5在智能体任务、编码、原始智能和可控性等方面单独来看都可能不是第一名，但总分总是稳稳的名列前茅。但她不一定就是你的朋友。当你真的需要寻求她的帮助时，你就要掌握跟她打交道的技巧，简单的直男式的提问经常是悲剧的结果，你需要掌握一套全新的提示词技巧。

本文将为您揭示如何通过巧妙的提示，让GPT-5成为您最得力的AI助手。

1. 核心理念：控制她的“积极性”

GPT-5默认会非常 “积极”且“彻底” 地探索问题，力求给出最准确、最全面的答案。这种深度探索虽强大，但在追求效率或特定场景下可能适得其反。

降低“积极性” (Less Eagerness)：

调整 reasoning_effort 参数为 low 或 medium，减少探索深度，提升效率和响应速度。
在提示中 明确定义探索范围和停止标准，例如设置“最多2次工具调用”的预算，并提供一个“即使不完全正确也继续”的“逃生舱”。

增加“积极性” (More Eagerness)：

提高 reasoning_effort 参数，给予模型更多思考预算。
在提示中加入 鼓励持续工作和自主决策 的指令，如“你是一个智能体，请持续工作直到任务完全解决”。
清晰界定任务的停止条件，划定安全与不安全的动作，并定义何时可以将控制权交还给用户，这是确保安全性和可控性的关键。

2. 提升效率：拥抱Responses API

对于需要连续思考、工具调用和多步骤任务的智能体应用，强烈推荐升级到 Responses API。

核心优势：它允许模型在多次API调用之间重用之前的推理痕迹，通过 previous_response_id 参数，模型无需每次都从头开始理解历史对话。
带来的提升：流程更流畅、准确性更高、成本更低、Token效率更高、响应更快。例如，Tau-Bench Retail 基准测试分数从73.9%提升到78.2%。

3. 增强用户体验：巧用工具前导消息

当GPT-5在后台调用工具时，用户常常不知道它在做什么。“工具前导消息” 能有效解决这个问题。

目的：提供清晰的前期计划和持续的进度更新，提升用户体验。
提示技巧：您可以在提示中引导前导消息的频率、风格和内容。例如，要求模型先复述用户目标，然后概述结构化计划，并在执行过程中简洁叙述每一步进度。

4. 编码能力大爆发：从规划到执行

GPT-5在编码能力上遥遥领先，无论是修复Bug、大型重构还是从零开始构建新应用。

前端开发：推荐使用 Next.js (TypeScript)、React、HTML 等主流框架，以及 Tailwind CSS、shadcn/ui 等样式/UI库，以获得最佳效果。
从零构建应用：让GPT-5先 “自我构建评判标准”。您提示模型思考世界级应用应具备的特质，然后用这个标准来指导模型生成代码并进行自我评估和迭代，直到达到最高标准。
融入现有代码库：通过在提示中提供 结构化的“代码编辑规则” (如指导原则、前端技术栈默认设置、UI/UX最佳实践等)，确保模型生成的代码符合项目规范，无缝融入现有代码库。
Cursor的实战经验：

通过将 verbosity API 参数设为 low，并在提示中鼓励代码内部高冗长、解释文本简洁，解决了冗长输出与代码简洁性之间的矛盾。
通过强调产品“可撤销/可拒绝”的特性，并直接指示模型 “主动进行代码修改，几乎不要询问用户是否继续”，大大增强了模型的自主性。
发现对旧模型有效的“彻底搜集信息”等提示对GPT-5可能适得其反，因此需要 “软化语言”。
使用 <[instruction]_spec> 等 结构化XML标签 可以提高指令遵循性。

5. 优化智能与指令遵循

极致可控性 (Steerability)：GPT-5对冗长性、语调和工具调用行为等提示指令 极其敏感。除了 reasoning_effort，新增的 verbosity API参数可以控制最终答案的长度。
指令遵循 (Instruction Following)：GPT-5遵循指令的精度极高，这意味着 矛盾或模糊的指令对其损害更大，因为它会耗费资源去协调这些冲突。请务必彻底审查并消除提示中的歧义和矛盾。
最小推理模式 (Minimal Reasoning)：这是为追求 极致响应速度 而设计的选项。在此模式下，需要更强的提示工程来弥补，例如要求模型提供简要解释、详细的工具调用前导、明确的工具指令，并进行充分的规划。
Markdown格式：默认API不输出Markdown。若需要，请在提示中 明确要求使用Markdown (例如，inline code、code fences、列表、表格)，并在长对话中可每隔3-5条消息提醒一次以保持一致性。
元提示 (Metaprompting)：一个非常巧妙的技巧！您可以让GPT-5作为自己的“提示词优化师”，询问它如何修改不成功的提示以获得期望的行为。模型最了解自己，这种方法效果出奇的好。

总结

与GPT-5这样的高级AI模型协作，已不再是简单的问答，而是一种需要我们精心设计、持续调整和深入理解的合作关系。掌握这些提示词技巧，将帮助您更高效、更可靠地引导GPT-5，真正释放它的巨大潜力。

现在就去尝试吧，亲自感受提示词打磨前后的巨大差异，了解她、理解她、尊重她，你将获得前所未有的效率和成功。

Let's Make AGI Real