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.

Panduan Prompt GPT-5 Rasmi OpenAI: Tips yang Anda Akan Gunakan

Pernah tak anda cuba menerangkan kepada seorang kanak-kanak bagaimana memakai kasut, hanya untuk melihat mereka memakai kedua-duanya pada kaki yang sama? Begitulah cara penggunaan model bahasa yang besar selama bertahun-tahun: anda boleh sampai ke sana, tetapi ia memerlukan kesabaran, menarik nafas dalam-dalam, dan kadang-kadang, sekeping biskut. Dengan GPT-5, OpenAI akhirnya memberikan kita manual keibubapaan. Ya, terdapat panduan GPT-5 rasmi—dan ia penuh dengan trik yang menjadikan model ini lebih bijak dan lebih mudah diramal. Saya membacanya supaya anda tidak perlu. OK, saya membacanya kerana saya seorang yang gemar belajar—dan kerana sebaik sahaja anda melihat apa yang baharu di sini, anda akan berhenti tersandung dan mula berlari maraton.

Inilah tajuk utamanya: GPT-5 mengubah cara anda bercakap dengan AI. Ia bukan lagi sekadar “tuliskan saya sebuah puisi tentang salad”. Ia mengenai menala penaakulan, menguatkuasakan format output, dan membuatkan model ini berkelakuan seperti pembantu yang teliti yang anda harapkan agar diri anda yang lalu telah mengupahnya—sebelum anda membeli aplikasi senarai tugasan yang ketiga secara terburu-buru.

Apa yang benar-benar baharu dalam GPT-5

Kawalan usaha penaakulan: Anda boleh memberitahu GPT-5 betapa kuatnya untuk berfikir—pada dasarnya, berapa banyak 'minyak siku' kognitif yang perlu digunakan untuk sesuatu masalah. Lebih banyak usaha untuk perkara yang sukar, kurang untuk kerja-kerja rutin. Ini bukan perkara 'gerak hati'; ia adalah dail yang anda boleh tetapkan untuk kualiti berbanding kelajuan.

Format output yang lebih ketat: Mod JSON dan pengesahan skema kini bermakna permintaan anda “tolong berikan saya data yang bersih” tidak berakhir dengan interpretasi 'ayat bebas' AI. Saluran paip anda akan berterima kasih kepada anda.

Prestasi tugas beragens: GPT-5 lebih baik dalam memecahkan tugas yang kompleks dan bertindak seperti pengurus projek sebenar. Kurang saat-saat “oops, saya terlupa langkah 7”.

Bantuan migrasi daripada yang lebih lama: Terdapat panduan untuk menaik taraf supaya era GPT-4 anda boleh membesar dan berhenti menghantui repositori anda.

Konteks pantas yang boleh anda gunakan untuk kelihatan bijak dalam mesyuarat: OpenAI telah mula menerbitkan lebih banyak dokumen dan contoh gaya buku masakan khusus untuk GPT-5, termasuk resipi pendek dan praktikal untuk pengoptimuman , migrasi, dan kes penggunaan khusus seperti penjanaan kod. Terjemahan: kita telah beralih daripada “selesaikan sendiri” kepada “inilah buku panduannya.”

Untuk siapa ini (ya, anda)

Pengurus produk yang memerlukan output yang konsisten untuk sistem hiliran.

Jurutera yang bergelut dengan data berstruktur dan aliran kerja LLM.

Individu yang menghasilkan kandungan yang cuba mengurangkan gelung “tulis semula tiga kali”.

Sesiapa sahaja yang telah menaip “ringkaskan” dan mendapat ucapan TED selama 700 patah perkataan.

Pola fikir GPT-5 yang baharu: bercakap seperti bos, bukan penyair

Dengar, GPT-5 boleh menjadi kreatif, tetapi itu bukan cerita besarnya. Cerita besarnya ialah kawalan. Anda bukan sekadar meminta burung kakak tua yang bijak untuk mengatakan perkara yang cantik. Anda mengarahkan seorang pelatih yang berkebolehan yang boleh berfikir—jika anda memberi mereka pelan.

Fikirkan dalam peranan, langkah dan semakan. Inilah formula yang berkesan:

Peranan: Anda ialah X dengan matlamat Y.

Tugas: Lakukan Z dengan kekangan ini.

Langkah: 1, 2, 3.

Penaakulan: Berfikir pada tahap usaha N.

Output: Skema JSON atau struktur .

Langkah berjaga-jaga: Tolak jika… atau Tanya jika hilang…

Ya, ia membosankan. Ya, ia berkesan. Seperti memberus gigi.

Cara untuk benar-benar menggunakan “usaha penaakulan” tanpa tertidur

Bayangkan anda meminta jadual perjalanan hujung minggu. Anda tidak memerlukan rantaian pemikiran 45 langkah yang melibatkan etimologi “”. Tetapi jika anda menyahpepijat kegagalan API yang berselang-seli? Tingkatkan usaha. Panduan GPT-5 menekankan untuk memberitahu model bila perlu 'berpeluh' dan bila perlu 'pecut'. Cuba sesuatu seperti:

Untuk tugas mudah: “Gunakan penaakulan minimum. Langkau penjelasan kecuali kritikal.”

Untuk tugas kompleks: “Gunakan usaha penaakulan yang tinggi. Nilaikan pendekatan alternatif. Wajarkan laluan yang dipilih dalam bahagian rasional yang ringkas.”

Langkah pro: Asingkan rasional daripada jawapan. Letakkan pemikiran di bawah kunci “rasional”; hasil di bawah “jawapan”. Kemudian anda boleh menyembunyikan rasional daripada pengguna dan merekodkannya untuk audit.

Perbualan JSON: Buat model bercakap seperti robot

GPT-5 mempunyai sokongan yang lebih baik untuk output berstruktur. Jika anda pernah cuba menghuraikan teks yang dijana AI dan berasa seperti anda sedang 'mengikis' web pada tahun 2004, selamat datang ke tahun 2025. Tentukan skema JSON, minta GPT-5 mengesahkan terhadapnya, dan kuatkan mod ketat. Buku masakan menunjukkan contoh gandingan dengan definisi skema supaya aplikasi anda tidak tersedak dengan emoji yang sesat.

Cuba corak ini:

Sistem: “Anda ialah pemformat data. Output mesti sepadan dengan skema JSON ini dengan tepat.”

Sediakan skema.

Pengguna: “Ubah kandungan berikut ke dalam skema.”

Tambahkan: “Jika mana-mana medan hilang, kembalikan objek ralat dengan sebab.”

Kini anda bukan sahaja menjana teks—anda sedang membina output yang boleh dipercayai dan boleh dibaca mesin. Perbezaan antara “demo yang kemas” dan “gred pengeluaran”.

Tugas beragens: Model yang menguruskan dirinya sendiri (kebanyakannya)

GPT-5 lebih baik dalam merancang, mengatur dan menyemak kerja. Anda boleh mengarahkannya untuk:

Hasilkan pelan, kemudian laksanakan.

Laksanakan langkah demi langkah, meminta pengesahan pada langkah yang berisiko.

Sahkan sendiri hasil terhadap senarai semak.

Anda juga boleh memintanya untuk membuat ujian untuk outputnya sendiri, kemudian jalankan ujian tersebut dan tunjukkan ringkasan lulus/gagal. Adakah ini bermakna anda boleh memecat QA? Semestinya tidak. Tetapi ia bermakna anda boleh meningkatkan QA daripada “harapan dan gerak hati” kepada “proses yang boleh diulang”. Panduan rasmi bergantung pada pembingkaian beragens ini untuk tugas kompleks berbilang langkah.

Migrasikan lama anda tanpa merosakkan segala-galanya

lama panjang, mesra dan rapuh. GPT-5 menyukai arahan yang berstruktur dan ringkas, peranan yang eksplisit, dan spesifikasi output yang jelas. Strategi migrasi:

Pangkas 'bulu'. Gantikan “mari kita terokai dunia ajaib…” dengan “Tugas: Ringkaskan dalam 3 mata”.

Tukar permintaan lembut dengan kekangan: “Kembalikan tepat 3 mata. Tiada mukadimah.”

Tambahkan skema untuk output yang digunakan oleh kod.

Perkenalkan penalaan usaha: “Penaakulan minimum kecuali percanggahan dikesan.”

Sertakan pengendalian ralat: “Jika input hilang, tanya satu soalan penjelasan.”

Buku masakan pengoptimuman OpenAI menunjukkan penilaian berulang—gunakan model berulang kali, bandingkan hasil dan tingkatkan kualiti secara beransur-ansur dengan data, bukan gerak hati. Fikirkan ujian A/B, tetapi untuk perkataan.

Kes penggunaan dunia sebenar yang tidak membuatkan anda menjulingkan mata

Triage e-mel pelanggan: Klasifikasikan nada, kesegeraan dan kawasan produk; kembalikan JSON dengan tag penghalaan. Tambahkan skor keyakinan dan boolean “memerlukan-manusia”. Barisan sokongan anda bertukar daripada 'kucar-kacir' kepada 'ahh'.

Ringkasan analitik: Berikan GPT-5 metrik sebulan; minta pengesanan 'pencilan', hipotesis dan eksperimen langkah seterusnya—kemudian formatkannya ke dalam rangka slaid. Usaha penaakulan: tinggi.

Pembantu semakan kod: Sediakan perbezaan, peraturan 'lint' dan senarai semak. Minta komen yang dikategorikan, tahap keterukan dan cadangan gabungan akhir dengan rasional. Jika ujian gagal, sekat gabungan. Bimbingan GPT-5-Codex disesuaikan di sini, dengan cadangan 'pengutamakan pembangun'.

Penjanaan kandungan pada skala: Berikan topik, khalayak, panduan suara dan struktur SEO. Perlukan output berstruktur: tajuk, 'dek', H2, perihalan meta. Jika peraturan suara jenama dilanggar, minta percubaan semula dengan nota “pelanggaran gaya”.

Lima yang saya terus gunakan semula (curi ini)

Rancang-Kemudian-Lakukan

Anda ialah pembantu projek kanan. Matlamat: Hasilkan X.

Mula-mula, rangka pelan langkah demi langkah. Kemudian laksanakan.

Gunakan usaha penaakulan sederhana. Jika kekangan dilanggar, berhenti seketika dan tanya.

Output: { plan: .

Mengabaikan tahap usaha: Lalai kepada “berfikir sangat keras” membazirkan token; lalai kepada “berfikir sedikit sahaja” terlepas nuansa.

Sepatah kata tentang gembar-gembur berbanding membantu

Ya, internet sibuk mengatakan bahawa OpenAI “secara senyap-senyap mengeluarkan” panduan rasmi—kerana mereka melakukannya, dan teknik (usaha penaakulan, output berstruktur) adalah nyata dan berguna. Abaikan pendapat yang 'bernafas', fokus pada dokumen buku masakan, yang merupakan sumber sebenar dan menunjukkan kepada anda cara melakukannya.

Bagaimana GPT-5 mengubah aliran kerja pasukan

Produk: Tentukan kontrak output di hadapan. Anggap seperti antara muka dengan peragaan versi. Anda akan menghantar dengan lebih cepat dan merosakkan lebih sedikit perkara.

Kejuruteraan: Bungkus dalam ujian. Sahkan JSON. Tambahkan percubaan semula dengan mod yang lebih ketat jika pengesahan gagal.

Data: Jejaki versi dan hasil. Bina papan pemuka untuk metrik kualiti: ketepatan, liputan, kependaman.

Operasi: Buat buku panduan yang menyertakan “Jika model mengembalikan ralat, tingkatkan kepada manusia dengan konteks.”

Bila hendak meningkatkan “usaha penaakulan” model

Penyiasatan: analisis punca, anomali keselamatan, penurunan hasil.

Sintesis: penyelidikan berbilang dokumen dengan dakwaan yang bercanggah.

Perancangan: tugas ufuk panjang dengan kebergantungan dan risiko.

Kreativiti dengan kekangan: kempen selamat jenama yang masih 'meletup'.

Bila tidak

Memformat, mengekstrak, membuat templat.

Ringkasan dengan satu sumber.

Apa-apa sahaja yang anda jalankan beribu-ribu kali sejam.

Perlu diingatkan: Jika anda mahukan cara yang pantas untuk membuat prototaip dan menyemak kewarasan sebelum memasukkannya ke dalam tindanan anda, Sider.AI boleh membantu anda membuat lelaran, membandingkan output dan mengunci format berstruktur tanpa 'menyelam' melalui log. Ia seperti 'berdating pantas' untuk , tolak 'sembang kosong'—dan ya, anda boleh membawa skema JSON anda ke 'tarikh' tersebut. Perhatian: ia berada di

Corak untuk hasil tertentu (tanda buku ini)

Ringkasan kalis peluru:

Peranan: penganalisis; Tugas: 5 mata; Kekangan: tiada kata sifat kecuali dikuantifikasikan; Sumber: senarai; Output: senarai JSON.

Sesi sumbang saran yang selamat:

Peranan: pengarah kreatif; Langkah berjaga-jaga: tiada pelanggaran IP, tiada tuntutan perubatan/kewangan; Usaha: sederhana; Output: 20 idea dengan tag.

Dokumen keperluan:

Peranan: penulis spesifikasi produk; Input: cerita pengguna; Output: bahagian—Matlamat, Bukan matlamat, Kriteria penerimaan (Gherkin), Risiko.

Penjana iklan dengan pematuhan:

Peranan: pemasar prestasi; Peraturan: fail nada jenama; Platform: meta/google; Varian: 10; Output: medan CSV.

Pembina soalan temu duga:

Peranan: pengurus pengambilan pekerja; Kesenioran: pertengahan; Fokus: reka bentuk sistem; Output: soalan, rubrik, 'bendera merah', contoh jawapan.

Buku panduan mini: menghantar ciri LLM gred pengeluaran dengan GPT-5

Tulis kontrak dahulu

Tentukan skema, kekangan dan julat yang boleh diterima. Tentukan apa yang berlaku apabila berlaku kegagalan.

Rangka seperti spesifikasi API

Peranan, tugas, langkah, usaha, output, langkah berjaga-jaga. Jadikan ia membosankan. Kebosanan menang.

Sertakan pengesahan

Minta GPT-5 menyemak sendiri terhadap senarai semak. Kemudian sahkan secara pemrograman. Pagar berganda.

Uji pada skala

Kumpulkan dengan data sebenar. Skor untuk ketepatan dan pematuhan format. Ulang menggunakan corak buku masakan pengoptimuman.

Instrumenkan segala-galanya

Log versi, tetapan usaha penaakulan, kependaman, penggunaan token dan jenis ralat.

Tetapkan laluan peningkatan

Jika keyakinan < ambang atau skema gagal dua kali, halakan kepada manusia. Lampirkan rasional untuk triage yang lebih pantas.

Urus jangkaan

Komunikasikan di mana GPT-5 bersinar (penjanaan berstruktur, perancangan, bantuan kod) dan di mana ia hanya OK (esei 'hujung terbuka' tanpa kekangan). Pengguna memaafkan had; mereka benci kejutan.

Bagaimana pula dengan pengekodan dengan GPT-5?

Bahan OpenAI menunjuk kepada khusus pembangun untuk GPT-5-Codex: berterus terang dengan persekitaran, kebergantungan, mesej ralat dan gelagat masa jalan yang dijangkakan. Sediakan ujian yang gagal dan minta model untuk membuatnya lulus. Strukturkan permintaan sebagai “jelaskan, cadangkan, tampal”. Ini menghasilkan perbezaan yang lebih bersih dan lebih sedikit import yang dihalusinasi. Jika anda masih bertanya, “Tuliskan saya skrip yang melakukan X,” anda meninggalkan prestasi di atas meja.

Templat permulaan 10 minit (ya, anda boleh menyalin ini)

Sistem

Anda ialah pembantu kanan yang pakar dalam .

Sekarang pergi berikan lama anda perubahan yang sewajarnya. Kasut di kaki kanan. JSON dizip. Penaakulan ditetapkan kepada “cukup sahaja”. Dan mungkin sediakan satu biskut—untuk anda.

Soalan Lazim

S1: Apa yang sebenarnya baharu dalam panduan GPT-5 OpenAI? Kawalan untuk usaha penaakulan, output berstruktur yang lebih ketat (termasuk mod JSON) dan corak tugas beragens. Panduan ini menunjukkan cara untuk menala GPT-5 untuk kebolehpercayaan, bukan hanya kreativiti, dengan contoh konkrit dan petua migrasi.

S2: Bagaimanakah cara saya membuat GPT-5 mengembalikan JSON yang bersih setiap masa? Tentukan skema, dayakan keperluan output yang ketat dan tambahkan laluan objek ralat untuk kes yang tidak sah. Sahkan secara pemrograman dan minta model untuk menyemak sendiri terhadap skema sebelum mengembalikan.

S3: Bilakah saya perlu meningkatkan usaha penaakulan GPT-5? Tingkatkannya untuk penyiasatan, perancangan ufuk panjang dan sintesis berbilang sumber. Kekalkan ia rendah untuk pemformatan, pengekstrakan dan tugas frekuensi tinggi di mana kelajuan dan kos lebih penting daripada pemikiran yang mendalam.

S4: Bagaimanakah cara saya memigrasikan GPT-4 lama ke GPT-5? Pangkas 'bulu', jelaskan peranan dan kekangan, tentukan skema output dan tambahkan langkah pengesahan. Uji secara kelompok menggunakan teknik pengoptimuman dan ulang berdasarkan pematuhan format dan ketepatan.

S5: Adakah GPT-5 lebih baik untuk pengekodan juga? Ya—gunakan gaya GPT-5-Codex: sediakan butiran persekitaran, ujian yang gagal dan gelagat yang dijangkakan. Minta jelaskan-cadangkan-tampal dan minta perbezaan berstruktur dan rasional untuk mengurangkan halusinasi.