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.

Guia oficial de 'prompting' de GPT-5 d'OpenAI: els consells que realment utilitzaràs

Alguna vegada has intentat explicar a un nen petit com posar-se les sabates, només per veure com se les posa totes dues al mateix peu? Així era com es feia el de models de llenguatge grans durant anys: podies arribar-hi, però requeria paciència, respiracions profundes i, de tant en tant, una galeta. Amb GPT-5, OpenAI finalment ens ha donat un manual per a pares. Sí, hi ha una guia oficial de de GPT-5, i està plena de trucs que fan que el model sigui més intel·ligent i més predictible. L'he llegit perquè no ho hagis de fer tu. D'acord, l'he llegit perquè sóc un friqui, i perquè quan vegis què hi ha de nou aquí, els teus deixaran d'ensopegar i començaran a córrer maratons.

Aquesta és la notícia principal: GPT-5 canvia la manera com parles amb la IA. Ja no es tracta només d'escriure "escriu-me un poema sobre l'amanida". Es tracta d'ajustar el raonament, fer complir els formats de sortida i aconseguir que el model es comporti com l'assistent meticulós que t'hauria agradat contractar en el passat, abans de comprar impulsivament aquella tercera aplicació de tasques pendents.

Què hi ha de realment nou a GPT-5

Control de l'esforç de raonament: pots dir a GPT-5 com de dur ha de pensar; essencialment, quant d'esforç cognitiu ha d'aplicar a un problema. Més esforç per a les coses difícils, menys per a les rutines. Això no és una qüestió d'impressions; és un dial que pots configurar per a la qualitat enfront de la velocitat.

Formats de sortida més estrictes: el mode JSON i la validació d'esquemes ara signifiquen que la teva sol·licitud de "si us plau, doneu-me dades netes" no acaba amb una interpretació de vers lliure de la IA. Les teves canonades t'ho agrairan.

Rendiment de tasques agentives: GPT-5 és millor per desglossar treballs complexos i actuar com un gestor de projectes real. Menys moments de "ups, he oblidat el pas 7".

Ajuda per a la migració des de antics: hi ha orientació per actualitzar els perquè els teus Franken- de l'era GPT-4 puguin créixer i deixar d'assetjar els teus repositoris.

Context ràpid que pots utilitzar per semblar intel·ligent a les reunions: OpenAI ha començat a publicar més documents d'estil llibre de cuina i exemples específicament per a GPT-5, incloent-hi receptes curtes i pràctiques per a l'optimització de , la migració i casos d'ús especialitzats com la generació de codi. Traducció: hem passat de "esbrina-ho" a "aquí teniu el llibre de jugades".

Per a qui és això (sí, per a tu)

Gestors de producte que necessiten sortides consistents per als sistemes aigües avall.

Enginyers que breguen amb dades estructurades i fluxos de treball LLM.

Gent de contingut que intenta reduir el bucle de "reescriure-ho tres vegades".

Qualsevol persona que hagi escrit "sigues concís" i hagi rebut una xerrada TED de 700 paraules.

La nova mentalitat de de GPT-5: parla com un cap, no com un poeta

Mira, GPT-5 pot ser creatiu, però aquesta no és la gran notícia. La gran notícia és el control. No només estàs demanant a un lloro intel·ligent que digui coses boniques. Estàs dirigint un becari capaç que pot pensar, si li dones un pla.

Pensa en rols, passos i comprovacions. Aquí teniu la fórmula que funciona:

Rol: Ets X amb l'objectiu Y.

Tasca: Fes Z amb aquestes restriccions.

Passos: 1, 2, 3.

Raonament: Pensa a nivell d'esforç N.

Sortida: esquema JSON o estructura de markdown.

Salvagardes: Refusa si... o Pregunta si falta...

Sí, és avorrit. Sí, és efectiu. Com fer servir el fil dental.

Com utilitzar realment l'"esforç de raonament" sense adormir-se

Imagina que estàs demanant un itinerari de cap de setmana. No necessites una cadena de pensament de 45 passos que impliqui l'etimologia de "brunch". Però si estàs depurant un error intermitent de l'API? Augmenta l'esforç. La guia de GPT-5 posa èmfasi a dir al model quan ha de suar i quan ha de córrer. Prova alguna cosa com:

Per a tasques senzilles: "Utilitza un raonament mínim. Omet les explicacions tret que siguin crítiques".

Per a tasques complexes: "Utilitza un alt esforç de raonament. Avalua enfocaments alternatius. Justifica el camí escollit en una secció de raonament concisa".

Moviment professional: separa el raonament de les respostes. Posa el pensament sota una clau "raonament"; els resultats sota "resposta". Aleshores pots amagar el raonament als usuaris i registrar-lo per a les auditories.

La conversa JSON: fes que el model parli com un robot

GPT-5 té millor suport per a sortides estructurades. Si alguna vegada has intentat analitzar text generat per IA i t'has sentit com si estiguessis fent a la web el 2004, benvingut al 2025. Defineix un esquema JSON, demana a GPT-5 que validi amb ell i fes complir el mode estricte. El llibre de cuina mostra exemples d'aparellar amb la definició d'esquema perquè la teva aplicació no s'ofegui amb un emoji perdut.

Prova aquest patró:

Sistema: "Ets un formatador de dades. La sortida ha de coincidir exactament amb aquest esquema JSON".

Proporciona l'esquema.

Usuari: "Transforma el següent contingut a l'esquema".

Afegeix: "Si falta algun camp, retorna un objecte d'error amb la raó".

Ara no només estàs generant text, sinó que estàs construint sortides fiables i llegibles per màquina. La diferència entre "demostració ordenada" i "qualitat de producció".

Tasques agentives: el model que es gestiona a si mateix (majoritàriament)

GPT-5 és millor per planificar, seqüenciar i comprovar el treball. Pots indicar-li que:

Generi un pla, i després l'executi.

Executi pas a pas, demanant confirmació en els passos arriscats.

Autoverifiqui els resultats amb una llista de comprovació.

Fins i tot pots demanar-li que creï proves per a la seva pròpia sortida, i després executar aquestes proves i mostrar el resum d'aprovat/suspès. Això vol dir que pots acomiadar el control de qualitat? Absolutament no. Però sí que vol dir que pots escalar el control de qualitat de "esperança i vibracions" a "procés repetible". La guia oficial s'inclina per aquest marc agentiu per a tasques complexes de diversos passos.

Migrar els teus antics sense trencar-ho tot

Els antics eren llargs, xerraires i fràgils. A GPT-5 li agraden les instruccions estructurades i concises, els rols explícits i les especificacions de sortida clares. La jugada de migració:

Retalla el farciment. Substitueix "explorem el món màgic de..." per "Tasca: Resumeix en 3 punts".

Canvia les peticions suaus per restriccions: "Retorna exactament 3 punts. Sense preàmbul".

Afegeix un esquema per a les sortides utilitzades pel codi.

Introdueix l'ajust de l'esforç: "Raonament mínim tret que es detectin contradiccions".

Integra la gestió d'errors: "Si falten entrades, fes una pregunta aclaridora".

El llibre de cuina d'optimització de d'OpenAI mostra l'avaluació iterativa: invoca el model repetidament, compara els resultats i millora gradualment la qualitat del amb dades, no amb vibracions. Pensa en les proves A/B, però per a les paraules.

Casos d'ús del món real que no et fan posar els ulls en blanc

Tractament de correu electrònic del client: classifica el to, la urgència i l'àrea del producte; retorna JSON amb etiquetes d'encaminament. Afegeix una puntuació de confiança i un booleà "necessita-humà". La teva cua de suport passa del caos a "ahh".

Resums d'analítica: alimenta GPT-5 amb un mes de mètriques; demana la detecció d'anomalies, hipòtesis i experiments de següent pas, i després formata-ho en un esquema de diapositiva. Esforç de raonament: alt.

Assistent de revisió de codi: proporciona el diff, les regles de lint i una llista de comprovació. Demana comentaris categoritzats, nivells de gravetat i una recomanació de fusió final amb raonament. Si les proves fallen, bloqueja la fusió. L'orientació GPT-5-Codex està adaptada aquí, amb suggeriments de primer per a desenvolupadors.

Generació de contingut a escala: dona un tema, un públic, una guia de veu i una estructura SEO. Requereix sortides estructurades: títol, dek, H2s, meta descripció. Si es violen les regles de veu de la marca, demana un reintent amb una nota de "violació d'estil".

Els cinc que segueixo reutilitzant (roba'ls)

El Planificar-Després-Fer

Ets un assistent de projecte sènior. Objectiu: Produir X.

Primer, redacta un pla pas a pas. Després executa'l.

Utilitza un esforç de raonament moderat. Si es viola una restricció, fes una pausa i pregunta.

Sortida: { plan: .

Ignorar els nivells d'esforç: Predeterminar a "pensar molt" malgasta fitxes; predeterminar a "pensar a penes" perd matisos.

Una breu paraula sobre el bombo contra l'útil

Sí, Internet està en plena efervescència perquè OpenAI "va llançar discretament" la guia oficial de , perquè ho van fer, i les tècniques (esforç de raonament, sortides estructurades) són reals i útils. Ignora les preses d'alè; centra't en els documents del llibre de cuina, que són la font real i et mostren el com fer-ho.

Com el de GPT-5 canvia els fluxos de treball de l'equip

Producte: Defineix els contractes de sortida per endavant. Tracta els com a interfícies amb control de versions. Enviaràs més ràpid i trencaràs menys coses.

Enginyeria: Embolcalla els en proves. Valida JSON. Afegeix reintents amb modes més estrictes si la validació falla.

Dades: Fes un seguiment de les versions i els resultats dels . Construeix panells de control per a les mètriques de qualitat: precisió, cobertura, latència.

Operacions: Crea manuals d'execució que incloguin "Si el model retorna un error, escala a un humà amb context".

Quan augmentar l'"esforç de raonament" del model

Investigacions: anàlisi de la causa arrel, anomalies de seguretat, caigudes d'ingressos.

Síntesi: investigació multi-document amb afirmacions contradictòries.

Planificació: tasques d'horitzó llarg amb dependències i riscos.

Creativitat amb restriccions: campanyes segures per a la marca que encara destaquin.

Quan no

Format, extracció, plantilles.

Resums amb una font.

Qualsevol cosa que executis milers de vegades per hora.

Val la pena assenyalar: si vols una manera ràpida de prototipar i comprovar la sensatesa dels abans d'incorporar-los a la teva pila, Sider.AI pot ajudar-te a iterar, comparar sortides i bloquejar formats estructurats sense espeluncar a través dels registres. És com cites ràpides per a , menys la xerrameca, i sí, pots portar el teu esquema JSON a la cita. Atenció: és a

Patrons de per a resultats específics (marca això)

Resum a prova de bales:

Rol: analista; Tasca: 5 punts; Restriccions: sense adjectius tret que siguin quantificats; Fonts: llista; Sortida: llista JSON.

Pluja d'idees segura:

Rol: director creatiu; Salvaguardes: sense violacions de la IP, sense afirmacions mèdiques/financeres; Esforç: mitjà; Sortida: 20 idees amb etiquetes.

Document de requisits:

Rol: redactor d'especificacions de producte; Entrades: històries d'usuari; Sortida: seccions: objectius, no objectius, criteris d'acceptació (Gherkin), riscos.

Generador d'anuncis amb compliment:

Rol: comercialitzador de rendiment; Regles: fitxer de to de marca; Plataforma: meta/google; Variants: 10; Sortida: camps CSV.

Constructor de preguntes d'entrevista:

Rol: gerent de contractació; Antiguitat: mitjana; Focus: disseny del sistema; Sortida: preguntes, rúbriques, banderes vermelles, respostes de mostra.

El mini llibre de jugades: enviament de funcions LLM de qualitat de producció amb GPT-5

Escriu el contracte primer

Defineix l'esquema, les restriccions i els intervals acceptables. Decideix què passa en cas de fallada.

Redacta el com una especificació de l'API

Rol, tasca, passos, esforç, sortides, salvaguardes. Fes-ho avorrit. L'avorrit guanya.

Integra la verificació

Demana a GPT-5 que s'autocontroli amb una llista de comprovació. Després valida-ho programàticament. Dobles tanques.

Prova a escala

Processa per lots els amb dades reals. Puntua per precisió i compliment del format. Itera utilitzant els patrons del llibre de cuina d'optimització.

Instrumenta tot

Registra els versionats, la configuració de l'esforç de raonament, la latència, l'ús de fitxes i els tipus d'error.

Estableix camins d'escalada

Si la confiança < llindar o l'esquema falla dues vegades, dirigeix-ho a un humà. Adjunta el raonament per a un tractament més ràpid.

Gestiona les expectatives

Comunica on destaca GPT-5 (generació estructurada, planificació, assistència de codi) i on només està bé (assaigs oberts sense restriccions). Els usuaris perdonen els límits; odien les sorpreses.

Què passa amb la codificació amb GPT-5?

Els materials d'OpenAI apunten a un específic per a desenvolupadors per a GPT-5-Codex: sigues explícit amb l'entorn, les dependències, els missatges d'error i el comportament d'execució esperat. Proporciona proves que fallen i demana al model que les faci passar. Estructura les sol·licituds com a "explica, proposa, parxea". Això produeix diffs més nets i menys importacions al·lucinades. Si encara estàs preguntant: "Escriu-me un script que faci X", estàs deixant rendiment a la taula.

Una plantilla d'inici de 10 minuts (sí, pots copiar això)

Sistema

Ets un assistent sènior especialitzat en .

Ara vés i dóna als teus antics el canvi d'imatge que es mereixen. Sabates al peu dret. JSON tancat. Raonament establert en "just el suficient". I potser tingues una galeta a mà, per a tu.

Preguntes freqüents

P1: Què hi ha de nou realment a la guia de de GPT-5 d'OpenAI? Controls per a l'esforç de raonament, sortides estructurades més estrictes (incloent-hi el mode JSON) i patrons de tasques agentives. La guia mostra com ajustar GPT-5 per a la fiabilitat, no només per a la creativitat, amb exemples concrets i consells de migració.

P2: Com puc fer que GPT-5 retorni JSON net cada vegada? Defineix un esquema, activa els requisits de sortida estrictes i afegeix un camí d'objecte d'error per als casos no vàlids. Valida programàticament i demana al model que s'autocontroli amb l'esquema abans de retornar.

P3: Quan he d'augmentar l'esforç de raonament de GPT-5? Augmenta'l per a investigacions, planificació a llarg termini i síntesi de fonts múltiples. Mantén-lo baix per al format, l'extracció i les tasques d'alta freqüència on la velocitat i el cost importen més que el pensament profund.

P4: Com migro els antics de GPT-4 a GPT-5? Retalla el farciment, aclareix els rols i les restriccions, defineix els esquemes de sortida i afegeix passos de verificació. Prova per lots utilitzant tècniques d'optimització de i itera basant-te en el compliment del format i la precisió.

P5: GPT-5 també és millor per als de codificació? Sí: utilitza el d'estil GPT-5-Codex: proporciona detalls de l'entorn, proves que fallen i el comportament esperat. Demana explica-proposa-parxea i sol·licita diffs i raonaments estructurats per reduir les al·lucinacions.