What’s actually new in OpenAI’s GPT-5 prompting guide?

Controls for reasoning effort, tighter structured outputs (including JSON mode), and agentic task patterns. The guide shows how to tune GPT-5 for reliability, not just creativity, with concrete examples and migration tips.

How do I make GPT-5 return clean JSON every time?

Define a schema, enable strict output requirements, and add an error object path for invalid cases. Validate programmatically and ask the model to self-check against the schema before returning.

When should I increase GPT-5’s reasoning effort?

Crank it up for investigations, long-horizon planning, and multi-source synthesis. Keep it low for formatting, extraction, and high-frequency tasks where speed and cost matter more than deep thinking.

How do I migrate old GPT-4 prompts to GPT-5?

Trim fluff, clarify roles and constraints, define output schemas, and add verification steps. Batch-test using prompt optimization techniques and iterate based on format compliance and accuracy.

Is GPT-5 better for coding prompts too?

Yes—use GPT-5-Codex-style prompting: provide environment details, failing tests, and expected behavior. Ask for explain-propose-patch, and request structured diffs and rationales to reduce hallucinations.

راهنمای رسمی پرامپت‌نویسی GPT-5 از OpenAI: نکاتی که واقعاً به کارتان می‌آیند

به‌روزرسانی شده در 29 سپتامبر 2025

9 دقیقه

آیا تا به حال سعی کرده‌اید به یک کودک نوپا توضیح دهید که چگونه کفش بپوشد، فقط برای اینکه ببینید هر دو را در یک پا می‌کند؟ این همان چیزی بود که سال‌ها مدل‌های زبانی بزرگ را ترغیب می‌کردیم: می‌توانستید به آنجا برسید، اما به صبر، نفس‌های عمیق و گاهی اوقات، یک کلوچه نیاز داشت. با GPT-5، بالاخره OpenAI یک دفترچه راهنمای فرزندپروری به ما داد. بله، یک راهنمای رسمی برای ترغیب GPT-5 وجود دارد—و مملو از ترفندهایی است که مدل را هم هوشمندتر و هم قابل پیش‌بینی‌تر می‌کند. من آن را خواندم تا شما مجبور نباشید. باشه، من آن را خواندم چون یک آدم فنی هستم—و به این دلیل که وقتی ببینید چه چیزهای جدیدی در اینجا وجود دارد، درخواست‌های شما از لغزش خوردن دست برمی‌دارند و شروع به دویدن ماراتن می‌کنند.

این تیتر اصلی است: GPT-5 نحوه صحبت شما با هوش مصنوعی را تغییر می‌دهد. دیگر فقط «برایم شعری درباره سالاد بنویس» نیست. بلکه درباره تنظیم استدلال، اعمال قالب‌های خروجی و وادار کردن مدل به رفتار مانند دستیار دقیقی است که آرزو می‌کردید خودِ گذشته‌تان قبل از خرید ناگهانی آن برنامه سوم لیست کارها استخدام کرده بود.

چه چیزهای جدیدی در GPT-5 وجود دارد

کنترل تلاش استدلال: شما می‌توانید به GPT-5 بگویید که چقدر سخت فکر کند—اساساً، چقدر تلاش شناختی برای حل یک مسئله صرف کند. تلاش بیشتر برای مسائل سخت، تلاش کمتر برای موارد کلیشه‌ای. این یک چیز حسی نیست؛ بلکه یک دکمه چرخشی است که می‌توانید برای کیفیت در مقابل سرعت تنظیم کنید.

قالب‌های خروجی سخت‌گیرانه‌تر: حالت JSON و اعتبارسنجی طرح‌واره اکنون به این معنی است که درخواست شما مبنی بر «لطفاً داده‌های تمیز به من بدهید» با یک تفسیر شعر آزاد هوش مصنوعی به پایان نمی‌رسد. خطوط لوله شما از شما تشکر خواهند کرد.

عملکرد وظیفه عاملی: GPT-5 در تجزیه مشاغل پیچیده و ایفای نقش یک مدیر پروژه واقعی بهتر است. لحظات «اوه، من مرحله 7 را فراموش کردم» کمتر.

کمک به انتقال از درخواست‌های قدیمی‌تر: راهنمایی‌هایی برای ارتقاء درخواست‌ها وجود دارد تا درخواست‌های فرانکنشتاین دوران GPT-4 شما بتوانند بزرگ شوند و دست از تسخیر مخازن شما بردارند.

متن سریع که می‌توانید از آن برای باهوش به نظر رسیدن در جلسات استفاده کنید: OpenAI شروع به انتشار اسناد و مثال‌های بیشتر به سبک کتاب آشپزی به‌طور خاص برای GPT-5 کرده است، از جمله دستورالعمل‌های کوتاه و عملی برای بهینه‌سازی درخواست، انتقال و موارد استفاده تخصصی مانند تولید کد. ترجمه: ما از «خودت پیدا کن» به «اینجا دفترچه راهنما است» رسیده‌ایم.

این برای چه کسانی است (بله، برای شما)

مدیران محصولی که به خروجی‌های سازگار برای سیستم‌های پایین‌دستی نیاز دارند.

مهندسانی که با داده‌های ساخت‌یافته و گردش کار LLM دست و پنجه نرم می‌کنند.

افراد تولید محتوایی که تلاش می‌کنند حلقه «بازنویسی آن سه بار» را کاهش دهند.

هر کسی که «مختصر باش» را تایپ کرده و یک سخنرانی TED 700 کلمه‌ای دریافت کرده است.

ذهنیت جدید ترغیب GPT-5: مانند یک رئیس صحبت کنید، نه یک شاعر

ببینید، GPT-5 می‌تواند خلاق باشد، اما این داستان اصلی نیست. داستان اصلی کنترل است. شما فقط از یک طوطی باهوش نمی‌خواهید که چیزهای زیبا بگوید. شما یک کارآموز توانمند را هدایت می‌کنید که می‌تواند فکر کند—اگر به او یک برنامه بدهید.

در نقش‌ها، مراحل و بررسی‌ها فکر کنید. این فرمولی است که کار می‌کند:

نقش: شما X با هدف Y هستید.

وظیفه: Z را با این محدودیت‌ها انجام دهید.

مراحل: 1، 2، 3.

استدلال: در سطح تلاش N فکر کنید.

خروجی: طرح‌واره JSON یا ساختار markdown.

حصارها: اگر... رد کنید یا اگر چیزی گم شده بود، بپرسید...

بله، خسته‌کننده است. بله، مؤثر است. مانند نخ دندان کشیدن.

چگونه از «تلاش استدلال» بدون خوابیدن استفاده کنیم

تصور کنید که در حال درخواست یک برنامه سفر آخر هفته هستید. شما به یک زنجیره فکری 45 مرحله‌ای شامل ریشه‌شناسی «برانچ» نیازی ندارید. اما اگر در حال رفع اشکال یک خرابی API متناوب هستید؟ تلاش را افزایش دهید. راهنمای GPT-5 بر این تأکید دارد که به مدل بگویید چه زمانی عرق بریزد و چه زمانی با سرعت بدود. چیزی شبیه به این را امتحان کنید:

برای کارهای ساده: «از استدلال حداقلی استفاده کنید. از توضیحات صرف نظر کنید مگر اینکه حیاتی باشند.»

برای کارهای پیچیده: «از تلاش استدلال زیاد استفاده کنید. رویکردهای جایگزین را ارزیابی کنید. مسیر انتخاب شده را در یک بخش منطقی مختصر توجیه کنید.»

حرکت حرفه‌ای: منطق را از پاسخ‌ها جدا کنید. تفکر را زیر یک کلید «منطق» قرار دهید؛ نتایج را زیر «پاسخ». سپس می‌توانید منطق را از کاربران پنهان کنید و آن را برای ممیزی‌ها ثبت کنید.

مکالمه JSON: مدل را وادارید ربات‌وار صحبت کند

GPT-5 پشتیبانی بهتری از خروجی‌های ساخت‌یافته دارد. اگر تا به حال سعی کرده‌اید متن تولید شده توسط هوش مصنوعی را تجزیه کنید و احساس کرده‌اید که در سال 2004 در حال خراشیدن وب هستید، به سال 2025 خوش آمدید. یک طرح‌واره JSON تعریف کنید، از GPT-5 بخواهید که آن را اعتبارسنجی کند و حالت سخت‌گیرانه را اعمال کنید. کتاب آشپزی نمونه‌هایی از جفت کردن درخواست‌ها با تعریف طرح‌واره را نشان می‌دهد تا برنامه شما از یک ایموجی سرگردان حالت تهوع نگیرد.

این الگو را امتحان کنید:

سیستم: «شما یک قالب‌بندی کننده داده هستید. خروجی باید دقیقاً با این طرح‌واره JSON مطابقت داشته باشد.»

طرح‌واره را ارائه دهید.

کاربر: «محتوای زیر را به طرح‌واره تبدیل کنید.»

اضافه کنید: «اگر هر فیلدی گم شده بود، یک شیء خطا با دلیل برگردانید.»

اکنون شما فقط متن تولید نمی‌کنید—بلکه خروجی‌های قابل اعتماد و قابل خواندن توسط ماشین می‌سازید. تفاوت بین «نمایش نمایشی مرتب» و «درجه تولید».

وظایف عاملی: مدلی که خودش را مدیریت می‌کند (عمدتاً)

GPT-5 در برنامه‌ریزی، ترتیب‌بندی و بررسی کار بهتر است. می‌توانید به آن دستور دهید که:

یک برنامه تولید کند، سپس آن را اجرا کند.

گام به گام اجرا کند و برای مراحل پرخطر تأییدیه بخواهد.

نتایج را در برابر یک چک لیست خود تأیید کند.

حتی می‌توانید از آن بخواهید که برای خروجی خود آزمایش ایجاد کند، سپس آن آزمایش‌ها را اجرا کند و خلاصه قبول/عدم قبول را نشان دهد. آیا این بدان معناست که می‌توانید QA را اخراج کنید؟ قطعاً نه. اما این بدان معناست که می‌توانید QA را از «امید و حس» به «فرایند تکرارپذیر» ارتقا دهید. راهنمای رسمی برای وظایف پیچیده و چند مرحله‌ای به این چارچوب‌بندی عاملی تکیه می‌کند.

انتقال درخواست‌های قدیمی خود بدون خراب کردن همه چیز

درخواست‌های قدیمی طولانی، پرحرف و شکننده بودند. GPT-5 دستورالعمل‌های ساخت‌یافته و مختصر، نقش‌های صریح و مشخصات خروجی واضح را دوست دارد. نمایشنامه مهاجرت:

پرزها را کوتاه کنید. «بیایید دنیای جادویی... را کشف کنیم» را با «وظیفه: در 3 نکته خلاصه کنید» جایگزین کنید.

درخواست‌های نرم را با محدودیت‌ها تعویض کنید: «دقیقاً 3 نکته برگردانید. بدون مقدمه.»

یک طرح‌واره برای خروجی‌های استفاده شده توسط کد اضافه کنید.

تنظیم تلاش را معرفی کنید: «استدلال حداقلی مگر اینکه تناقضاتی شناسایی شود.»

رسیدگی به خطا را بپزید: «اگر ورودی‌ها گم شده‌اند، یک سؤال روشن‌کننده بپرسید.»

کتاب آشپزی بهینه‌سازی درخواست OpenAI ارزیابی تکراری را نشان می‌دهد—مدل را مکرراً فراخوانی کنید، نتایج را مقایسه کنید و به تدریج کیفیت درخواست را با داده‌ها، نه حس‌ها، بهبود بخشید. به آزمایش A/B فکر کنید، اما برای کلمات.

موارد استفاده واقعی که باعث نمی‌شوند چشمانتان را بچرخانید

طبقه‌بندی ایمیل مشتری: لحن، فوریت و حوزه محصول را طبقه‌بندی کنید؛ JSON را با برچسب‌های مسیریابی برگردانید. یک امتیاز اطمینان و یک مقدار بولی «نیاز به انسان» اضافه کنید. صف پشتیبانی شما از هرج و مرج به «آه» تبدیل می‌شود.

خلاصه‌های تحلیلی: یک ماه از معیارها را به GPT-5 بدهید؛ تشخیص نقاط پرت، فرضیه‌ها و آزمایش‌های گام بعدی را بخواهید—سپس آن را در یک طرح کلی اسلاید قالب‌بندی کنید. تلاش استدلال: زیاد.

دستیار بررسی کد: دیف، قوانین لینت و یک چک لیست را ارائه دهید. نظرات طبقه‌بندی شده، سطوح شدت و یک توصیه ادغام نهایی با منطق را بخواهید. اگر آزمایش‌ها با شکست مواجه شدند، ادغام را مسدود کنید. راهنمایی GPT-5-Codex در اینجا با پیشنهادات ترغیب اولویت‌دار توسعه‌دهنده تنظیم شده است.

تولید محتوا در مقیاس: یک موضوع، مخاطب، راهنمای صدا و ساختار SEO ارائه دهید. به خروجی‌های ساخت‌یافته نیاز دارید: عنوان، دک، H2، توضیحات متا. اگر قوانین صدای برند نقض شده است، درخواست تکرار مجدد با یادداشت «نقض سبک» را بدهید.

پنج درخواستی که مدام از آنها استفاده می‌کنم (اینها را بدزدید)

برنامه‌ریزی-سپس-انجام

شما یک دستیار ارشد پروژه هستید. هدف: تولید X.

ابتدا، یک طرح گام به گام تهیه کنید. سپس اجرا کنید.

از تلاش استدلال متوسط استفاده کنید. اگر محدودیتی نقض شد، مکث کنید و بپرسید.

خروجی: { plan: .

نادیده گرفتن سطوح تلاش: پیش فرض «خیلی سخت فکر کن» باعث هدر رفتن توکن‌ها می‌شود. پیش فرض «به سختی فکر کن» تفاوت‌های ظریف را از دست می‌دهد.

سخنی کوتاه درباره هیاهو در مقابل مفید

بله، اینترنت پر از این است که OpenAI «بی سر و صدا منتشر کرده» راهنمای رسمی ترغیب—چون این کار را کردند، و تکنیک‌ها (تلاش استدلال، خروجی‌های ساخت‌یافته) واقعی و مفید هستند. از برداشت‌های نفس‌گیر چشم‌پوشی کنید؛ روی اسناد کتاب آشپزی تمرکز کنید، که منبع واقعی هستند و نحوه انجام کار را به شما نشان می‌دهند.

چگونه ترغیب GPT-5 گردش کار تیم را تغییر می‌دهد

محصول: قراردادهای خروجی را از قبل تعریف کنید. با درخواست‌ها مانند رابط‌ها با نسخه‌بندی رفتار کنید. سریعتر ارسال خواهید کرد و چیزهای کمتری را خراب خواهید کرد.

مهندسی: درخواست‌ها را در آزمایش‌ها بپیچید. JSON را تأیید کنید. اگر اعتبارسنجی با شکست مواجه شد، دوباره تلاش کنید با حالت‌های سخت‌گیرانه‌تر.

داده: نسخه‌های درخواست و نتایج را پیگیری کنید. داشبوردهایی برای معیارهای کیفیت بسازید: دقت، پوشش، تأخیر.

عملیات: دفترچه‌های اجرایی ایجاد کنید که شامل «اگر مدل خطا برگرداند، با متن به انسان ارتقا دهید».

چه زمانی «تلاش استدلال» مدل را افزایش دهیم

تحقیقات: تحلیل علت ریشه‌ای، ناهنجاری‌های امنیتی، کاهش درآمد.

ترکیب: تحقیق چند سندی با ادعاهای متناقض.

برنامه‌ریزی: وظایف دوربرد با وابستگی‌ها و خطرات.

خلاقیت با محدودیت‌ها: کمپین‌های ایمن برای برند که همچنان جذاب هستند.

چه زمانی نه

قالب‌بندی، استخراج، قالب‌بندی.

خلاصه‌ها با یک منبع.

هر چیزی که هزاران بار در ساعت اجرا می‌کنید.

ارزش ذکر دارد: اگر یک راه سریع برای نمونه‌سازی و بررسی صحت درخواست‌ها قبل از وارد کردن آنها به پشته خود می‌خواهید، Sider.AI می‌تواند به شما کمک کند تا تکرار کنید، خروجی‌ها را مقایسه کنید و قالب‌های ساخت‌یافته را بدون کاوش در لاگ‌ها قفل کنید. این مانند سرعت دوستیابی برای درخواست‌ها است، منهای صحبت‌های کوچک—و بله، می‌توانید طرح‌واره JSON خود را به تاریخ بیاورید. توجه داشته باشید: در

الگوهای درخواست برای نتایج خاص (این را نشانک‌گذاری کنید)

خلاصه ضد گلوله:

نقش: تحلیلگر؛ وظیفه: 5 نکته؛ محدودیت‌ها: بدون صفت مگر اینکه کمی شود؛ منابع: لیست؛ خروجی: لیست JSON.

طوفان فکری ایمن:

نقش: مدیر خلاق؛ حصارها: بدون نقض IP، بدون ادعای پزشکی/مالی؛ تلاش: متوسط؛ خروجی: 20 ایده با برچسب.

سند الزامات:

نقش: نویسنده مشخصات محصول؛ ورودی‌ها: داستان‌های کاربر؛ خروجی: بخش‌ها—اهداف، اهداف غیر، معیارهای پذیرش (Gherkin)، خطرات.

تولید کننده تبلیغات با انطباق:

نقش: بازاریاب عملکرد؛ قوانین: فایل لحن برند؛ پلتفرم: متا/گوگل؛ انواع: 10; خروجی: فیلدهای CSV.

سازنده سوالات مصاحبه:

نقش: مدیر استخدام؛ ارشدیت: متوسط؛ تمرکز: طراحی سیستم؛ خروجی: سوالات، معیارها، پرچم‌های قرمز، پاسخ‌های نمونه.

کتاب بازی کوچک: ارسال ویژگی‌های LLM درجه تولید با GPT-5

ابتدا قرارداد را بنویسید

طرح‌واره، محدودیت‌ها و محدوده‌های قابل قبول را تعریف کنید. تصمیم بگیرید که در صورت شکست چه اتفاقی می‌افتد.

درخواست را مانند یک مشخصات API تهیه کنید

نقش، وظیفه، مراحل، تلاش، خروجی‌ها، حصارها. آن را خسته کننده کنید. خسته کننده برنده می‌شود.

اعتبارسنجی را بپزید

از GPT-5 بخواهید که خود را در برابر یک چک لیست بررسی کند. سپس از نظر برنامه نویسی تأیید کنید. حصارهای دوتایی.

در مقیاس تست کنید

درخواست‌های دسته‌ای با داده‌های واقعی. برای دقت و انطباق با قالب امتیاز دهید. با استفاده از الگوهای کتاب آشپزی بهینه‌سازی تکرار کنید.

همه چیز را اندازه گیری کنید

درخواست‌های نسخه دار، تنظیمات تلاش استدلال، تأخیر، استفاده از توکن و انواع خطا را ثبت کنید.

مسیرهای ارتقا را تنظیم کنید

اگر اطمینان < آستانه است یا طرح‌واره دو بار با شکست مواجه شد، به یک انسان مسیریابی کنید. منطق را برای طبقه‌بندی سریع‌تر ضمیمه کنید.

انتظارات را مدیریت کنید

جایی را که GPT-5 می‌درخشد (تولید ساخت‌یافته، برنامه‌ریزی، کمک کد) و جایی که فقط خوب است (مقالات باز بدون محدودیت) را اطلاع رسانی کنید. کاربران محدودیت‌ها را می‌بخشند؛ آنها از غافلگیری متنفرند.

در مورد کدنویسی با GPT-5 چطور؟

مواد OpenAI به ترغیب خاص توسعه‌دهنده برای GPT-5-Codex اشاره دارد: با محیط، وابستگی‌ها، پیام‌های خطا و رفتار زمان اجرا مورد انتظار صریح باشید. آزمایش‌های ناموفق را ارائه دهید و از مدل بخواهید که آنها را قبول کند. درخواست‌ها را به صورت «توضیح دهید، پیشنهاد دهید، وصله کنید» ساختار دهید. این باعث ایجاد دیف‌های تمیزتر و واردات توهمی کمتر می‌شود. اگر هنوز می‌پرسید، «اسکریپتی بنویس که X را انجام دهد»، عملکرد را روی میز رها می‌کنید.

یک قالب شروع 10 دقیقه‌ای (بله، می‌توانید این را کپی کنید)

سیستم

شما یک دستیار ارشد متخصص در هستید.

حالا بروید به درخواست‌های قدیمی خود تغییری را بدهید که شایسته آن هستند. کفش‌ها در پای راست. JSON زیپ شده. استدلال روی «به اندازه کافی» تنظیم شده است. و شاید یک کلوچه دم دست نگه دارید—برای خودتان.

سوالات متداول

س1: چه چیزی واقعاً در راهنمای ترغیب GPT-5 OpenAI جدید است؟ کنترل‌هایی برای تلاش استدلال، خروجی‌های ساخت‌یافته تنگ‌تر (از جمله حالت JSON) و الگوهای وظیفه عاملی. این راهنما نشان می‌دهد که چگونه GPT-5 را برای قابلیت اطمینان، نه فقط خلاقیت، با مثال‌های عینی و نکات مهاجرت تنظیم کنید.

س2: چگونه GPT-5 را وادار کنم که هر بار JSON تمیز برگرداند؟ یک طرح‌واره تعریف کنید، الزامات خروجی سخت‌گیرانه را فعال کنید و یک مسیر شیء خطا برای موارد نامعتبر اضافه کنید. از نظر برنامه نویسی تأیید کنید و از مدل بخواهید که قبل از بازگرداندن، خود را در برابر طرح‌واره بررسی کند.

س3: چه زمانی باید تلاش استدلال GPT-5 را افزایش دهم؟ آن را برای تحقیقات، برنامه‌ریزی‌های دوربرد و ترکیب چند منبع افزایش دهید. آن را برای قالب‌بندی، استخراج و وظایف پر فرکانس که سرعت و هزینه مهم‌تر از تفکر عمیق هستند، پایین نگه دارید.

س4: چگونه درخواست‌های قدیمی GPT-4 را به GPT-5 منتقل کنم؟ پرزها را کوتاه کنید، نقش‌ها و محدودیت‌ها را روشن کنید، طرح‌واره‌های خروجی را تعریف کنید و مراحل تأیید را اضافه کنید. با استفاده از تکنیک‌های بهینه‌سازی درخواست، تست دسته ای را انجام دهید و بر اساس انطباق با قالب و دقت تکرار کنید.

س5: آیا GPT-5 برای درخواست‌های کدنویسی نیز بهتر است؟ بله—از ترغیب به سبک GPT-5-Codex استفاده کنید: جزئیات محیط، آزمایش‌های ناموفق و رفتار مورد انتظار را ارائه دهید. درخواست توضیح دهید-پیشنهاد دهید-وصله کنید را داشته باشید و دیف‌ها و منطق‌های ساخت‌یافته را درخواست کنید تا توهمات را کاهش دهید.