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.

OpenAI's officielle GPT-5 Prompting Guide: De tips, du rent faktisk vil bruge

Har du nogensinde prøvet at forklare en tumling, hvordan man tager sko på, for kun at se dem tage begge på samme fod? Sådan har det været med prompting af store sprogmodeller i årevis: Man kunne nå dertil, men det krævede tålmodighed, dybe indåndinger og lejlighedsvis en småkage. Med GPT-5 har OpenAI endelig givet os en forældrevejledning. Ja, der er en officiel GPT-5 prompting guide—og den er fyldt med tricks, der gør modellen både smartere og mere forudsigelig. Jeg har læst den, så du slipper for det. OK, jeg læste den, fordi jeg er en nørd—og fordi, når du ser, hvad der er nyt her, vil dine prompts stoppe med at snuble over sig selv og begynde at løbe maraton.

Her er overskriften: GPT-5 ændrer, hvordan du taler til AI. Det er ikke længere bare “skriv et digt om salat”. Det handler om at finjustere ræsonnement, håndhæve outputformater og få modellen til at opføre sig som den omhyggelige assistent, du ville ønske, dit tidligere jeg havde ansat—før du impulsivt købte den tredje to-do app.

Hvad er virkelig nyt i GPT-5

Kontrol af ræsonnementindsats: Du kan fortælle GPT-5, hvor hårdt den skal tænke—i bund og grund, hvor meget kognitivt knofedt den skal anvende på et problem. Mere indsats til svære ting, mindre til standardtekst. Dette er ikke en stemningssag; det er en knap, du kan indstille for kvalitet versus hastighed.

Strammere outputformater: JSON-tilstand og skemavalidering betyder nu, at din anmodning om “giv mig venligst rene data” ikke ender med en AI-fri fortolkning. Dine pipelines vil takke dig.

Agentisk opgaveudførelse: GPT-5 er bedre til at nedbryde komplekse opgaver og opføre sig som en faktisk projektleder. Færre “hov, jeg glemte trin 7” øjeblikke.

Hjælp til migrering fra ældre prompts: Der er vejledning til opgradering af prompts, så dine GPT-4-æra Franken-prompts kan vokse op og stoppe med at hjemsøge dine repos.

Hurtig kontekst, du kan bruge til at lyde smart i møder: OpenAI er begyndt at udgive flere kogebogs-stil dokumenter og eksempler specifikt til GPT-5, herunder korte, praktiske opskrifter til promptoptimering, migrering og specialiserede use cases som kodegenerering. Oversættelse: Vi er gået fra “find ud af det” til “her er playbooken”.

Hvem dette er til (ja, dig)

Produkt managers, der har brug for konsistente outputs til downstream systemer.

Ingeniører, der kæmper med strukturerede data og LLM workflows.

Content folk, der forsøger at reducere “omskriv det tre gange” loopet.

Enhver, der har skrevet “vær præcis” og fået en 700-ords TED Talk.

Det nye GPT-5 prompting mindset: Tal som en chef, ikke en digter

Se, GPT-5 kan være kreativ, men det er ikke den store historie. Den store historie er kontrol. Du beder ikke bare en smart papegøje om at sige smukke ting. Du dirigerer en dygtig praktikant, der kan tænke—hvis du giver dem en plan.

Tænk i roller, trin og checks. Her er den formel, der virker:

Rolle: Du er X med Y mål.

Opgave: Gør Z med disse begrænsninger.

Trin: 1, 2, 3.

Ræsonnement: Tænk på indsatsniveau N.

Output: JSON-skema eller markdown-struktur.

Sikkerhedsforanstaltninger: Afvis hvis… eller Spørg hvis mangler…

Ja, det er kedeligt. Ja, det er effektivt. Ligesom tandtråd.

Sådan bruger du faktisk “ræsonnementindsats” uden at falde i søvn

Forestil dig, at du beder om en weekendplan. Du har ikke brug for en 45-trins kæde af tanker, der involverer etymologien af “brunch”. Men hvis du debugger en periodisk API-fejl? Skru op for indsatsen. GPT-5’s guide understreger at fortælle modellen, hvornår den skal svede, og hvornår den skal sprinte. Prøv noget som:

For simple opgaver: “Brug minimal ræsonnement. Spring forklaringer over, medmindre det er kritisk.”

For komplekse opgaver: “Brug høj ræsonnementindsats. Evaluer alternative tilgange. Begrund den valgte vej i et kortfattet begrundelsesafsnit.”

Pro tip: Adskil begrundelse fra svar. Læg tænkning under en “begrundelse” nøgle; resultater under “svar”. Så kan du skjule begrundelsen for brugerne og logge den til audits.

JSON-samtalen: Få modellen til at tale robot

GPT-5 har bedre support til strukturerede outputs. Hvis du nogensinde har prøvet at parse AI-genereret tekst og følt, at du skrabte nettet i 2004, velkommen til 2025. Definer et JSON-skema, bed GPT-5 om at validere mod det, og håndhæv strict mode. Kogebogen viser eksempler på parring af prompts med skemadefinition, så din app ikke kaster op over en vildfaren emoji.

Prøv dette mønster:

System: “Du er en dataformatter. Output skal matche dette JSON-skema nøjagtigt.”

Angiv skemaet.

Bruger: “Transformer følgende indhold til skemaet.”

Tilføj: “Hvis et felt mangler, returner et fejlobjekt med begrundelse.”

Nu genererer du ikke bare tekst—du bygger pålidelige, maskinlæsbare outputs. Forskellen mellem “pæn demo” og “produktionsklar”.

Agentiske opgaver: Modellen, der styrer sig selv (for det meste)

GPT-5 er bedre til at planlægge, sekvensere og tjekke arbejde. Du kan instruere den til at:

Generere en plan, og derefter udføre.

Udføre trin-for-trin og bede om bekræftelse på risikable trin.

Selv-verificere resultater mod en tjekliste.

Du kan endda bede den om at oprette tests for sit eget output, derefter køre disse tests og vise pass/fail-resumeet. Betyder det, at du kan fyre QA? Absolut ikke. Men det betyder, at du kan skalere QA fra “håb og vibes” til “gentagelig proces”. Den officielle guide læner sig op ad denne agentiske framing for komplekse, multi-trins opgaver.

Migrering af dine gamle prompts uden at ødelægge alt

Gamle prompts var lange, snakkesalige og skrøbelige. GPT-5 kan lide strukturerede, præcise instruktioner, eksplicitte roller og klare output specs. Migreringsstrategien:

Fjern fyld. Erstat “lad os udforske den magiske verden af…” med “Opgave: Opsummer i 3 punkter.”

Byt bløde anmodninger ud med begrænsninger: “Returner præcis 3 punkter. Ingen præambel.”

Tilføj et skema for outputs, der bruges af kode.

Introducer indsatsjustering: “Minimal ræsonnement, medmindre der opdages modsætninger.”

Indbyg fejlhåndtering: “Hvis der mangler input, stilles et afklarende spørgsmål.”

OpenAI's promptoptimeringskogebog viser iterativ evaluering—invoker modellen gentagne gange, sammenlign resultater, og forbedre gradvist promptkvaliteten med data, ikke vibes. Tænk A/B-testning, men for ord.

Real-world use cases, der ikke får dig til at rulle med øjnene

Kundemail triage: Klassificer tone, hastighed og produktområde; returner JSON med routing tags. Tilføj en tillidsscore og en “har-brug-for-menneske” boolean. Din supportkø går fra kaos til “ahh.”

Analysesammendrag: Fodre GPT-5 med en måneds metrics; bed om outlier detektion, hypoteser og næste-trin eksperimenter—og format det derefter til en slide outline. Ræsonnementindsats: høj.

Kodegennemgangsassistent: Angiv diff, lint regler og en tjekliste. Bed om kategoriserede kommentarer, sværhedsgrader og en endelig merge anbefaling med begrundelse. Hvis tests fejler, bloker merge. GPT-5-Codex vejledning er skræddersyet her, med developer-first prompting forslag.

Content generering i stor skala: Giv et emne, målgruppe, voice guide og SEO struktur. Kræv strukturerede outputs: titel, dek, H2s, meta description. Hvis brand voice reglerne overtrædes, anmodes om et nyt forsøg med en “stilovertrædelse” note.

De fem prompts, jeg bliver ved med at genbruge (stjæl disse)

Plan-Derefter-Gør

Du er en senior projektassistent. Mål: Producer X.

Først udarbejdes en trin-for-trin plan. Udfør derefter.

Brug moderat ræsonnementindsats. Hvis en begrænsning overtrædes, pauses og spørges.

Output: { plan: .

Ignorering af indsatsniveauer: Standard til “tænk rigtig hårdt” spilder tokens; standard til “tænk knapt” går glip af nuance.

En hurtig bemærkning om hype versus hjælpsom

Ja, internettet summer af, at OpenAI “stille og roligt udgav” den officielle prompting guide—fordi de gjorde det, og teknikkerne (ræsonnementindsats, strukturerede outputs) er reelle og nyttige. Ignorer de åndeløse takes; fokuser på kogebogsdokumenterne, som er den faktiske kilde og viser dig how-to.

Hvordan GPT-5 prompting ændrer team workflows

Produkt: Definer output kontrakter på forhånd. Behandle prompts som interfaces med versionsstyring. Du vil sende hurtigere og ødelægge færre ting.

Engineering: Wrap prompts i tests. Valider JSON. Tilføj retries med strengere modes, hvis valideringen mislykkes.

Data: Spor prompt versioner og resultater. Byg dashboards for kvalitetsmetrics: nøjagtighed, dækning, latens.

Ops: Opret runbooks, der inkluderer “Hvis modellen returnerer en fejl, eskaler til et menneske med kontekst.”

Hvornår skal du skrue op for modellens “ræsonnementindsats”

Undersøgelser: root-cause analyse, sikkerhedsanomalier, omsætningsfald.

Syntese: multi-dokument research med modstridende påstande.

Planlægning: langsigtede opgaver med afhængigheder og risici.

Kreativitet med begrænsninger: brand-sikre kampagner, der stadig popper.

Hvornår ikke

Formatering, ekstraktion, templating.

Sammendrag med én kilde.

Alt, hvad du kører tusindvis af gange i timen.

Værd at bemærke: Hvis du vil have en hurtig måde at prototype og sanity-check prompts på, før du ruller dem ind i din stack, kan Sider.AI hjælpe dig med at iterere, sammenligne outputs og låse strukturerede formater uden at udforske logs. Det er som speed-dating for prompts, minus small talk—og ja, du kan medbringe dit JSON-skema til daten. Heads up: det er på

Promptmønstre for specifikke resultater (bookmark denne)

Skudsikkert sammendrag:

Rolle: analytiker; Opgave: 5 punkter; Begrænsninger: ingen adjektiver, medmindre kvantificeret; Kilder: liste; Output: JSON-liste.

Sikker brainstorm:

Rolle: creative director; Sikkerhedsforanstaltninger: ingen IP-krænkelser, ingen medicinske/finansielle påstande; Indsats: medium; Output: 20 ideer med tags.

Kravdokument:

Rolle: product spec writer; Inputs: user stories; Output: sektioner—Mål, Ikke-mål, Acceptkriterier (Gherkin), Risici.

Annoncegenerator med compliance:

Rolle: performance marketer; Regler: brand tone fil; Platform: meta/google; Varianter: 10; Output: CSV-felter.

Interviewspørgsmålsbygger:

Rolle: hiring manager; Senioritet: mid; Fokus: system design; Output: spørgsmål, rubrikker, røde flag, eksempel svar.

Mini playbooken: shipping production-grade LLM features med GPT-5

Skriv kontrakten først

Definer skemaet, begrænsningerne og acceptable intervaller. Beslut, hvad der sker ved fejl.

Udarbejd prompten som en API spec

Rolle, opgave, trin, indsats, outputs, sikkerhedsforanstaltninger. Gør det kedeligt. Kedeligt vinder.

Indbyg verifikation

Bed GPT-5 om selv at tjekke mod en tjekliste. Valider derefter programmatisk. Dobbelt hegn.

Test i stor skala

Batch prompts med reelle data. Score for nøjagtighed og format overholdelse. Iterer ved hjælp af optimeringskogebogens mønstre.

Instrumenter alt

Log versionerede prompts, ræsonnement indsatsindstillinger, latens, token brug og fejltyper.

Indstil eskaleringsstier

Hvis tillid < tærskel eller skema mislykkes to gange, rutes til et menneske. Vedhæft begrundelse for hurtigere triage.

Styr forventningerne

Kommuniker, hvor GPT-5 skinner (struktureret generering, planlægning, kodeassistance), og hvor den bare er OK (åbne essays uden begrænsninger). Brugere tilgiver grænser; de hader overraskelser.

Hvad med kodning med GPT-5?

OpenAI’s materialer peger på developerspecifik prompting for GPT-5-Codex: vær eksplicit med miljø, afhængigheder, fejlmeddelelser og forventet runtime adfærd. Angiv mislykkede tests, og bed modellen om at få dem til at bestå. Strukturér anmodninger som “forklar, foreslå, patch.” Dette giver renere diffs og færre hallucinerede imports. Hvis du stadig spørger: “Skriv mig et script, der gør X,” efterlader du ydeevne på bordet.

En 10-minutters startskabelon (ja, du kan kopiere dette)

System

Du er en senior assistent specialiseret i .

Giv nu dine gamle prompts den makeover, de fortjener. Sko på de rigtige fødder. JSON zipped. Ræsonnement indstillet til “lige nok.” Og måske have en småkage ved hånden—til dig.

FAQ

Q1:Hvad er egentlig nyt i OpenAI's GPT-5 prompting guide? Kontroller for ræsonnementindsats, strammere strukturerede outputs (inklusive JSON-tilstand) og agentiske opgavemønstre. Guiden viser, hvordan man tuner GPT-5 for pålidelighed, ikke kun kreativitet, med konkrete eksempler og migreringstips.

Q2:Hvordan får jeg GPT-5 til at returnere ren JSON hver gang? Definer et skema, aktiver strenge outputkrav, og tilføj en fejlmeddelelsessti for ugyldige tilfælde. Valider programmatisk, og bed modellen om at selvkontrol mod skemaet, før den returnerer.

Q3:Hvornår skal jeg øge GPT-5's ræsonnementindsats? Skru op for den til undersøgelser, langsigtede planlægning og multisource syntese. Hold den lav for formatering, ekstraktion og højfrekvente opgaver, hvor hastighed og pris betyder mere end dyb tænkning.

Q4:Hvordan migrerer jeg gamle GPT-4 prompts til GPT-5? Trim fyld, afklar roller og begrænsninger, definer outputskemaer, og tilføj verifikationstrin. Batch-test ved hjælp af promptoptimeringsteknikker, og iterer baseret på formatoverholdelse og nøjagtighed.

Q5:Er GPT-5 også bedre til kodningsprompts? Ja—brug GPT-5-Codex-stil prompting: angiv miljødetaljer, mislykkede tests og forventet adfærd. Bed om forklar-foreslå-patch, og anmod om strukturerede diffs og begrundelser for at reducere hallucinationer.