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.

คู่มือการใช้งานพรอมต์ GPT-5 อย่างเป็นทางการของ OpenAI: เคล็ดลับที่คุณจะได้ใช้จริง

เคยพยายามอธิบายให้เด็กเล็กใส่รองเท้า แต่กลับเห็นพวกเขานำไปใส่เท้าข้างเดียวกันไหม? นั่นคือสิ่งที่เกิดขึ้นกับการป้อนพรอมต์ให้ Large Language Models มาหลายปี: คุณสามารถทำได้ แต่ต้องใช้ความอดทน หายใจลึก ๆ และบางครั้งก็ต้องมีคุกกี้สักชิ้น ด้วย GPT-5 ทาง OpenAI ได้มอบคู่มือการเลี้ยงดูให้เราแล้ว ใช่ มีคู่มือการป้อนพรอมต์ GPT-5 อย่างเป็นทางการ และอัดแน่นไปด้วยเคล็ดลับที่ทำให้โมเดลทั้งฉลาดขึ้นและคาดเดาได้มากขึ้น ฉันอ่านมันให้คุณแล้ว คุณจะได้ไม่ต้องอ่านเอง โอเค ฉันอ่านมันเพราะฉันเป็นพวกเนิร์ด และเพราะเมื่อคุณเห็นสิ่งใหม่ ๆ ที่นี่ พรอมต์ของคุณจะเลิกสะดุดล้มเองและเริ่มวิ่งมาราธอน

นี่คือพาดหัวข่าว: GPT-5 เปลี่ยนวิธีที่คุณคุยกับ AI ไม่ใช่แค่ "เขียนบทกวีเกี่ยวกับสลัดให้ฉันหน่อย" อีกต่อไป แต่เป็นการปรับแต่งการให้เหตุผล บังคับใช้รูปแบบเอาต์พุต และทำให้โมเดลประพฤติตัวเหมือนผู้ช่วยที่พิถีพิถันที่คุณหวังว่าตัวเองในอดีตจะได้จ้างไว้ ก่อนที่คุณจะซื้อแอป to-do อันที่สามโดยไม่ได้คิด

มีอะไรใหม่จริง ๆ ใน GPT-5

การควบคุมความพยายามในการให้เหตุผล: คุณสามารถบอก GPT-5 ได้ว่าจะให้คิดหนักแค่ไหน โดยพื้นฐานแล้วคือจะใช้ความพยายามทางปัญญามากแค่ไหนกับปัญหา ยิ่งต้องใช้ความพยายามมากขึ้นสำหรับเรื่องยาก ๆ และน้อยลงสำหรับเรื่องทั่วไป นี่ไม่ใช่แค่เรื่องของความรู้สึก แต่เป็นตัวหมุนที่คุณสามารถตั้งค่าเพื่อคุณภาพเทียบกับความเร็วได้

รูปแบบเอาต์พุตที่เข้มงวดขึ้น: โหมด JSON และการตรวจสอบ schema หมายความว่าคำขอ "โปรดให้ข้อมูลที่สะอาดแก่ฉัน" ของคุณจะไม่จบลงด้วยการตีความแบบ free-verse ของ AI ไปป์ไลน์ของคุณจะขอบคุณคุณ

ประสิทธิภาพของงานแบบ Agentic: GPT-5 ทำได้ดีกว่าในการแบ่งงานที่ซับซ้อนและทำหน้าที่เหมือนผู้จัดการโครงการจริง ๆ มีช่วงเวลา "อ๊ะ ฉันลืมขั้นตอนที่ 7" น้อยลง

ความช่วยเหลือในการย้ายข้อมูลจากพรอมต์เก่า: มีคำแนะนำสำหรับการอัปเกรดพรอมต์ เพื่อให้ Franken-prompts ในยุค GPT-4 ของคุณสามารถเติบโตขึ้นและหยุดหลอกหลอน repos ของคุณได้

บริบทสั้น ๆ ที่คุณสามารถใช้เพื่อให้ดูฉลาดในการประชุม: OpenAI ได้เริ่มเผยแพร่เอกสารและตัวอย่างสไตล์ตำราอาหารมากขึ้นโดยเฉพาะสำหรับ GPT-5 รวมถึงสูตรอาหารสั้น ๆ ที่ใช้งานได้จริงสำหรับการเพิ่มประสิทธิภาพพรอมต์ การย้ายข้อมูล และกรณีการใช้งานเฉพาะทาง เช่น การสร้างโค้ด คำแปล: เราได้ย้ายจาก "คิดเอาเอง" เป็น "นี่คือ playbook" แล้ว

นี่เหมาะสำหรับใคร (ใช่แล้ว คุณนั่นแหละ)

ผู้จัดการผลิตภัณฑ์ที่ต้องการเอาต์พุตที่สอดคล้องกันสำหรับระบบปลายน้ำ

วิศวกรที่กำลังจัดการกับข้อมูลที่มีโครงสร้างและเวิร์กโฟลว์ LLM

นักเขียนคอนเทนต์ที่พยายามลดวงจร "เขียนใหม่สามครั้ง"

ใครก็ตามที่พิมพ์ว่า "กระชับ" แล้วได้ TED Talk ความยาว 700 คำ

ความคิดแบบใหม่ในการป้อนพรอมต์ GPT-5: พูดเหมือนเจ้านาย ไม่ใช่กวี

GPT-5 สามารถสร้างสรรค์ได้ แต่นั่นไม่ใช่เรื่องใหญ่ เรื่องใหญ่คือการควบคุม คุณไม่ได้แค่ขอให้แก้วที่ฉลาดพูดสิ่งสวย ๆ แต่คุณกำลังกำกับดูแลเด็กฝึกงานที่มีความสามารถที่สามารถคิดได้ ถ้าคุณให้แผนแก่พวกเขา

คิดเป็นบทบาท ขั้นตอน และการตรวจสอบ นี่คือสูตรที่ได้ผล:

บทบาท: คุณคือ X ที่มีเป้าหมาย Y

งาน: ทำ Z ภายใต้ข้อจำกัดเหล่านี้

ขั้นตอน: 1, 2, 3

การให้เหตุผล: คิดที่ระดับความพยายาม N

เอาต์พุต: JSON schema หรือโครงสร้าง markdown

Guardrails: ปฏิเสธถ้า... หรือ ถามถ้าขาด...

ใช่ มันน่าเบื่อ ใช่ มันมีประสิทธิภาพ เหมือนกับการใช้ไหมขัดฟัน

วิธีใช้ "ความพยายามในการให้เหตุผล" จริง ๆ โดยไม่หลับ

ลองจินตนาการว่าคุณกำลังขอแผนการเดินทางช่วงสุดสัปดาห์ คุณไม่จำเป็นต้องมี chain-of-thought 45 ขั้นตอนที่เกี่ยวข้องกับรากศัพท์ของคำว่า "brunch" แต่ถ้าคุณกำลัง debug API failure ที่เกิดขึ้นเป็นระยะ ๆ ล่ะ? เพิ่มความพยายามขึ้น คู่มือของ GPT-5 เน้นการบอกโมเดลว่าเมื่อไหร่ควรเหงื่อออกและเมื่อไหร่ควรวิ่ง ลองใช้สิ่งต่อไปนี้:

สำหรับงานง่าย ๆ: "ใช้การให้เหตุผลน้อยที่สุด ข้ามคำอธิบายเว้นแต่จะสำคัญ"

สำหรับงานที่ซับซ้อน: "ใช้ความพยายามในการให้เหตุผลสูง ประเมินแนวทางอื่น ๆ ให้เหตุผลถึงเส้นทางที่เลือกในส่วนเหตุผลที่กระชับ"

Pro move: แยกเหตุผลออกจากคำตอบ ใส่ความคิดภายใต้คีย์ "rationale" ผลลัพธ์ภายใต้ "answer" จากนั้นคุณสามารถซ่อนเหตุผลจากผู้ใช้และบันทึกไว้สำหรับการตรวจสอบได้

การสนทนาแบบ JSON: ทำให้โมเดลพูดภาษาหุ่นยนต์

GPT-5 รองรับเอาต์พุตที่มีโครงสร้างได้ดีกว่า หากคุณเคยพยายามแยกวิเคราะห์ข้อความที่สร้างโดย AI และรู้สึกเหมือนกำลังขูดเว็บในปี 2004 ยินดีต้อนรับสู่ปี 2025 กำหนด JSON schema ขอให้ GPT-5 ตรวจสอบความถูกต้องกับ schema นั้น และบังคับใช้ strict mode Cookbook แสดงตัวอย่างการจับคู่พรอมต์กับการกำหนด schema เพื่อไม่ให้แอปของคุณสำลักอีโมจิที่หลงเข้ามา

ลองใช้รูปแบบนี้:

System: "คุณคือตัวจัดรูปแบบข้อมูล เอาต์พุตต้องตรงกับ JSON schema นี้ทุกประการ"

ระบุ schema

User: "แปลงเนื้อหาต่อไปนี้เป็น schema"

เพิ่ม: "หากไม่มีฟิลด์ใด ให้ส่งคืนออบเจ็กต์ข้อผิดพลาดพร้อมเหตุผล"

ตอนนี้คุณไม่ได้แค่สร้างข้อความ แต่คุณกำลังสร้างเอาต์พุตที่เชื่อถือได้และเครื่องอ่านได้ ความแตกต่างระหว่าง "neat demo" กับ "production-grade"

งานแบบ Agentic: โมเดลที่จัดการตัวเอง (ส่วนใหญ่)

GPT-5 ทำได้ดีกว่าในการวางแผน จัดลำดับ และตรวจสอบงาน คุณสามารถสั่งให้มัน:

สร้างแผน แล้วดำเนินการ

ดำเนินการทีละขั้นตอน โดยขอการยืนยันในขั้นตอนที่เสี่ยง

ตรวจสอบผลลัพธ์ด้วยตนเองเทียบกับรายการตรวจสอบ

คุณยังสามารถขอให้มันสร้างการทดสอบสำหรับเอาต์พุตของตัวเอง จากนั้นเรียกใช้การทดสอบเหล่านั้นและแสดงสรุปการผ่าน/ไม่ผ่าน นี่หมายความว่าคุณสามารถไล่ QA ออกได้หรือไม่? ไม่แน่นอน แต่มันหมายความว่าคุณสามารถปรับขนาด QA จาก "ความหวังและ vibes" เป็น "กระบวนการที่ทำซ้ำได้" คู่มืออย่างเป็นทางการเน้นที่การวางกรอบ agentic นี้สำหรับงานที่ซับซ้อนและมีหลายขั้นตอน

การย้ายพรอมต์เก่าของคุณโดยไม่ทำให้ทุกอย่างพัง

พรอมต์เก่า ๆ นั้นยาว คุยเก่ง และเปราะบาง GPT-5 ชอบคำแนะนำที่มีโครงสร้าง กระชับ บทบาทที่ชัดเจน และข้อกำหนดเอาต์พุตที่ชัดเจน การย้ายข้อมูล:

ตัดแต่งส่วนเกิน แทนที่ "มาสำรวจโลกมหัศจรรย์ของ..." ด้วย "งาน: สรุปใน 3 บรรทัด"

สลับคำขอแบบนุ่มนวลเป็นข้อจำกัด: "ส่งคืน 3 บรรทัดเท่านั้น ไม่มีคำนำ"

เพิ่ม schema สำหรับเอาต์พุตที่ใช้โดยโค้ด

แนะนำการปรับแต่งความพยายาม: "การให้เหตุผลน้อยที่สุดเว้นแต่จะตรวจพบข้อขัดแย้ง"

ใส่การจัดการข้อผิดพลาด: "หากไม่มีอินพุต ให้ถามคำถามเพื่อความกระจ่างหนึ่งข้อ"

ตำราอาหารการเพิ่มประสิทธิภาพพรอมต์ของ OpenAI แสดงการประเมินซ้ำ ๆ เรียกใช้โมเดลซ้ำ ๆ เปรียบเทียบผลลัพธ์ และค่อย ๆ ปรับปรุงคุณภาพของพรอมต์ด้วยข้อมูล ไม่ใช่ vibes คิดถึงการทดสอบ A/B แต่สำหรับคำพูด

กรณีการใช้งานจริงที่ไม่ทำให้คุณเบ้ปาก

การคัดแยกอีเมลลูกค้า: จัดประเภทน้ำเสียง ความเร่งด่วน และพื้นที่ผลิตภัณฑ์ ส่งคืน JSON พร้อมแท็กการกำหนดเส้นทาง เพิ่มคะแนนความเชื่อมั่นและ boolean "ต้องการมนุษย์" คิวสนับสนุนของคุณเปลี่ยนจากความโกลาหลเป็น "อ่าห์"

บทสรุปการวิเคราะห์: ป้อนเมตริกหนึ่งเดือนให้ GPT-5 ขอการตรวจจับค่าผิดปกติ สมมติฐาน และการทดลองขั้นตอนต่อไป จากนั้นจัดรูปแบบเป็นโครงร่างสไลด์ ความพยายามในการให้เหตุผล: สูง

ผู้ช่วยตรวจสอบโค้ด: ระบุ diff, กฎ lint และรายการตรวจสอบ ขอความคิดเห็นที่จัดหมวดหมู่ ระดับความรุนแรง และคำแนะนำการผสานขั้นสุดท้ายพร้อมเหตุผล หากการทดสอบล้มเหลว ให้บล็อกการผสาน คำแนะนำ GPT-5-Codex ได้รับการปรับแต่งที่นี่ พร้อมคำแนะนำในการป้อนพรอมต์สำหรับนักพัฒนาเป็นอันดับแรก

การสร้างเนื้อหาในวงกว้าง: ระบุหัวข้อ กลุ่มเป้าหมาย คู่มือเสียง และโครงสร้าง SEO กำหนดให้มีเอาต์พุตที่มีโครงสร้าง: ชื่อ dek H2s คำอธิบาย meta หากมีการละเมิดกฎเสียงของแบรนด์ ให้ขอให้ลองอีกครั้งพร้อมบันทึก "การละเมิดสไตล์"

ห้าพรอมต์ที่ฉันใช้ซ้ำอยู่เสมอ (ขโมยไปได้เลย)

The Plan-Then-Do

คุณคือผู้ช่วยโครงการอาวุโส เป้าหมาย: สร้าง X

ขั้นแรก ร่างแผนทีละขั้นตอน จากนั้นดำเนินการ

ใช้ความพยายามในการให้เหตุผลปานกลาง หากมีการละเมิดข้อจำกัด ให้หยุดและถาม

เอาต์พุต: { plan: .

การละเลยระดับความพยายาม: การตั้งค่าเริ่มต้นเป็น "คิดหนักจริง ๆ" จะเปลืองโทเค็น การตั้งค่าเริ่มต้นเป็น "แทบไม่คิด" จะพลาดความแตกต่างเล็กน้อย

คำพูดสั้น ๆ เกี่ยวกับกระแส vs มีประโยชน์

ใช่ อินเทอร์เน็ตกำลังฮือฮาว่า OpenAI "ปล่อย" คู่มือการป้อนพรอมต์อย่างเป็นทางการ "อย่างเงียบ ๆ" เพราะพวกเขาทำจริง ๆ และเทคนิค (ความพยายามในการให้เหตุผล เอาต์พุตที่มีโครงสร้าง) เป็นของจริงและมีประโยชน์ ละเว้นการแสดงออกที่น่าตื่นเต้น มุ่งเน้นไปที่เอกสาร cookbook ซึ่งเป็นแหล่งที่มาที่แท้จริงและแสดงวิธีการ

วิธีที่การป้อนพรอมต์ GPT-5 เปลี่ยนแปลงเวิร์กโฟลว์ของทีม

ผลิตภัณฑ์: กำหนดสัญญาเอาต์พุตตั้งแต่เริ่มต้น ปฏิบัติต่อพรอมต์เหมือนอินเทอร์เฟซที่มีการควบคุมเวอร์ชัน คุณจะจัดส่งได้เร็วขึ้นและทำสิ่งต่างๆ พังน้อยลง

วิศวกรรม: ห่อพรอมต์ในการทดสอบ ตรวจสอบ JSON เพิ่มการลองใหม่ด้วยโหมดที่เข้มงวดกว่าหากการตรวจสอบล้มเหลว

ข้อมูล: ติดตามเวอร์ชันพรอมต์และผลลัพธ์ สร้างแดชบอร์ดสำหรับเมตริกคุณภาพ: ความแม่นยำ ความครอบคลุม เวลาแฝง

ปฏิบัติการ: สร้าง runbook ที่มี "หากโมเดลส่งคืนข้อผิดพลาด ให้ส่งต่อให้มนุษย์พร้อมบริบท"

เมื่อใดควรเพิ่ม "ความพยายามในการให้เหตุผล" ของโมเดล

การตรวจสอบ: การวิเคราะห์สาเหตุที่แท้จริง ความผิดปกติด้านความปลอดภัย รายได้ลดลง

การสังเคราะห์: การวิจัยเอกสารหลายฉบับที่มีข้อขัดแย้ง

การวางแผน: งานระยะยาวที่มีการพึ่งพาและความเสี่ยง

ความคิดสร้างสรรค์ที่มีข้อจำกัด: แคมเปญที่ปลอดภัยต่อแบรนด์ที่ยังคงโดดเด่น

เมื่อไม่ควร

การจัดรูปแบบ การแยก การสร้างเทมเพลต

บทสรุปที่มีแหล่งที่มาเดียว

ทุกสิ่งที่คุณเรียกใช้หลายพันครั้งต่อชั่วโมง

สิ่งที่ควรทราบ: หากคุณต้องการวิธีที่รวดเร็วในการสร้างต้นแบบและตรวจสอบความสมเหตุสมผลของพรอมต์ก่อนที่จะนำไปใช้ในสแต็กของคุณ Sider.AI สามารถช่วยคุณทำซ้ำ เปรียบเทียบเอาต์พุต และล็อกรูปแบบที่มีโครงสร้างได้โดยไม่ต้องสำรวจบันทึก เป็นเหมือนการ speed-dating สำหรับพรอมต์ โดยไม่มีการคุยโม้ และใช่ คุณสามารถนำ JSON schema ของคุณไปเดทได้ ขอแจ้งให้ทราบ: อยู่ที่

รูปแบบพรอมต์สำหรับผลลัพธ์เฉพาะ (บุ๊กมาร์กหน้านี้)

บทสรุปที่กันกระสุน:

บทบาท: นักวิเคราะห์; งาน: 5 บรรทัด; ข้อจำกัด: ไม่มีคำคุณศัพท์เว้นแต่จะวัดปริมาณได้; แหล่งที่มา: รายการ; เอาต์พุต: รายการ JSON

ระดมความคิดที่ปลอดภัย:

บทบาท: ผู้อำนวยการสร้างสรรค์; Guardrails: ไม่มีการละเมิด IP ไม่มีการอ้างสิทธิ์ทางการแพทย์/การเงิน; ความพยายาม: ปานกลาง; เอาต์พุต: 20 ไอเดียพร้อมแท็ก

เอกสารข้อกำหนด:

บทบาท: นักเขียนข้อกำหนดผลิตภัณฑ์; อินพุต: user stories; เอาต์พุต: ส่วน—เป้าหมาย, ไม่ใช่เป้าหมาย, เกณฑ์การยอมรับ (Gherkin), ความเสี่ยง

เครื่องมือสร้างโฆษณาที่สอดคล้องตามข้อกำหนด:

บทบาท: นักการตลาด performance; กฎ: ไฟล์เสียงของแบรนด์; แพลตฟอร์ม: meta/google; ตัวแปร: 10; เอาต์พุต: ฟิลด์ CSV

เครื่องมือสร้างคำถามสัมภาษณ์:

บทบาท: ผู้จัดการการจ้างงาน; ระดับ: กลาง; โฟกัส: การออกแบบระบบ; เอาต์พุต: คำถาม rubrics ธงแดง คำตอบตัวอย่าง

Mini playbook: การจัดส่งคุณสมบัติ LLM ระดับ production ด้วย GPT-5

เขียนสัญญาเป็นอันดับแรก

กำหนด schema ข้อจำกัด และช่วงที่ยอมรับได้ ตัดสินใจว่าจะเกิดอะไรขึ้นเมื่อเกิดความล้มเหลว

ร่างพรอมต์เหมือนข้อกำหนด API

บทบาท งาน ขั้นตอน ความพยายาม เอาต์พุต Guardrails ทำให้มันน่าเบื่อ ชนะที่น่าเบื่อ

ใส่การตรวจสอบ

ขอให้ GPT-5 ตรวจสอบตัวเองเทียบกับรายการตรวจสอบ จากนั้นตรวจสอบความถูกต้องโดยทางโปรแกรม รั้วสองชั้น

ทดสอบในวงกว้าง

พรอมต์แบทช์ด้วยข้อมูลจริง ให้คะแนนความแม่นยำและการปฏิบัติตามรูปแบบ ทำซ้ำโดยใช้รูปแบบ cookbook การเพิ่มประสิทธิภาพ

วัดทุกอย่าง

บันทึกพรอมต์ที่ควบคุมเวอร์ชัน การตั้งค่าความพยายามในการให้เหตุผล เวลาแฝง การใช้โทเค็น และประเภทข้อผิดพลาด

ตั้งค่าเส้นทางการส่งต่อ

หากความเชื่อมั่น < เกณฑ์หรือ schema ล้มเหลวสองครั้ง ให้กำหนดเส้นทางไปยังมนุษย์ แนบเหตุผลสำหรับการคัดแยกที่รวดเร็วขึ้น

จัดการความคาดหวัง

สื่อสารว่า GPT-5 โดดเด่นในด้านใด (การสร้างที่มีโครงสร้าง การวางแผน ความช่วยเหลือด้านโค้ด) และด้านใดที่แค่โอเค (เรียงความแบบเปิดโดยไม่มีข้อจำกัด) ผู้ใช้ให้อภัยข้อจำกัด แต่พวกเขาเกลียดความประหลาดใจ

แล้วการเขียนโค้ดด้วย GPT-5 ล่ะ?

เอกสารของ OpenAI ชี้ไปที่การป้อนพรอมต์เฉพาะสำหรับนักพัฒนาสำหรับ GPT-5-Codex: ระบุสภาพแวดล้อม การพึ่งพา ข้อความแสดงข้อผิดพลาด และลักษณะการทำงานของรันไทม์ที่คาดหวังอย่างชัดเจน ระบุการทดสอบที่ล้มเหลวและขอให้โมเดลทำให้ผ่าน โครงสร้างคำขอเป็น "อธิบาย เสนอ แก้ไข" สิ่งนี้ให้ diff ที่สะอาดกว่าและการนำเข้าที่หลอนน้อยกว่า หากคุณยังคงถามว่า "เขียนสคริปต์ที่ทำ X" คุณกำลังทิ้งประสิทธิภาพไว้บนโต๊ะ

เทมเพลตเริ่มต้น 10 นาที (ใช่ คุณสามารถคัดลอกสิ่งนี้ได้)

System

คุณคือผู้ช่วยอาวุโสที่เชี่ยวชาญด้าน

ตอนนี้ไปเปลี่ยนพรอมต์เก่าของคุณให้สมกับที่ควรจะเป็น ใส่รองเท้าให้ถูกข้าง ซิป JSON ตั้งค่าการให้เหตุผลเป็น "พอดี" และอาจจะมีคุกกี้ติดมือไว้สักชิ้น สำหรับคุณ

คำถามที่พบบ่อย

Q1: มีอะไรใหม่จริง ๆ ในคู่มือการป้อนพรอมต์ GPT-5 ของ OpenAI? ตัวควบคุมสำหรับความพยายามในการให้เหตุผล เอาต์พุตที่มีโครงสร้างที่เข้มงวดขึ้น (รวมถึงโหมด JSON) และรูปแบบงานแบบ agentic คู่มือนี้แสดงวิธีปรับแต่ง GPT-5 เพื่อความน่าเชื่อถือ ไม่ใช่แค่ความคิดสร้างสรรค์ ด้วยตัวอย่างที่เป็นรูปธรรมและเคล็ดลับการย้ายข้อมูล

Q2: ฉันจะทำให้ GPT-5 ส่งคืน JSON ที่สะอาดทุกครั้งได้อย่างไร? กำหนด schema เปิดใช้งานข้อกำหนดเอาต์พุตที่เข้มงวด และเพิ่มเส้นทางออบเจ็กต์ข้อผิดพลาดสำหรับกรณีที่ไม่ถูกต้อง ตรวจสอบความถูกต้องโดยทางโปรแกรมและขอให้โมเดลตรวจสอบตัวเองเทียบกับ schema ก่อนส่งคืน

Q3: ฉันควรเพิ่มความพยายามในการให้เหตุผลของ GPT-5 เมื่อใด เพิ่มขึ้นสำหรับการตรวจสอบ การวางแผนระยะยาว และการสังเคราะห์จากหลายแหล่ง ให้ต่ำไว้สำหรับการจัดรูปแบบ การแยก และงานที่มีความถี่สูง ซึ่งความเร็วและต้นทุนมีความสำคัญมากกว่าการคิดอย่างลึกซึ้ง

Q4: ฉันจะย้ายพรอมต์ GPT-4 เก่าไปยัง GPT-5 ได้อย่างไร ตัดแต่งส่วนเกิน ชี้แจงบทบาทและข้อจำกัด กำหนด schemas เอาต์พุต และเพิ่มขั้นตอนการตรวจสอบ ทดสอบแบทช์โดยใช้เทคนิคการเพิ่มประสิทธิภาพพรอมต์ และทำซ้ำตามการปฏิบัติตามรูปแบบและความแม่นยำ

Q5: GPT-5 ดีกว่าสำหรับการป้อนพรอมต์โค้ดด้วยหรือไม่ ใช่ ใช้การป้อนพรอมต์สไตล์ GPT-5-Codex: ระบุรายละเอียดสภาพแวดล้อม การทดสอบที่ล้มเหลว และลักษณะการทำงานที่คาดหวัง ขอให้อธิบาย-เสนอ-แก้ไข และขอ diff และเหตุผลที่มีโครงสร้างเพื่อลดภาพหลอน