OpenAI官方GPT-5提示指南：真正能用上的技巧
更新于 2025年9月29日
9 分钟
你有没有试过向一个蹒跚学步的孩子解释如何穿鞋，结果却看到他们把两只鞋都穿在同一只脚上？多年来，我们一直就是这样提示大型语言模型的：你可以达到目的，但需要耐心、深呼吸，偶尔还需要一块饼干。有了 GPT-5，OpenAI 终于给了我们一本育儿手册。是的，这里有一份官方的 GPT-5 提示指南——其中包含大量技巧，可以使模型更智能、更可预测。我读了它，所以你不必读了。好吧，我读它是因为我是个书呆子——而且因为一旦你看到了这里的新内容，你的提示就不会再绊倒自己，而是会开始跑马拉松了。
重点是：GPT-5 改变了你与 AI 的对话方式。它不再只是“给我写一首关于沙拉的诗”。而是关于调整推理、强制执行输出格式以及让模型表现得像你希望过去的自己雇佣的那个一丝不苟的助手——在你冲动购买了第三个待办事项应用程序之前。
GPT-5 中的真正新功能
- 推理努力控制：你可以告诉 GPT-5 思考的强度——本质上是将多少认知力量应用于一个问题。对于困难的事情投入更多精力，对于样板文件投入更少。这不是一种感觉；这是一个可以设置质量与速度的刻度盘。
- 更严格的输出格式：JSON 模式和模式验证现在意味着你的“请给我干净的数据”请求不会以 AI 的自由诗歌解释结束。你的管道会感谢你的。
- Agentic 任务执行：GPT-5 更擅长分解复杂的工作，并且表现得像一个实际的项目经理。更少的“糟糕，我忘记了第 7 步”的时刻。
- 来自旧提示的迁移帮助：这里有升级提示的指南，因此你的 GPT-4 时代的 Franken-prompts 可以成长并停止困扰你的代码仓库。
你可以在会议中用来听起来很聪明的快速背景知识：OpenAI 已经开始发布更多食谱式文档和专门针对 GPT-5 的示例，包括用于提示优化、迁移和专门用例（如代码生成）的简短、实用的方法。翻译：我们已经从“自己想办法”变成了“这是剧本”。
这是为谁准备的（是的，就是你）
- 需要下游系统的一致输出的产品经理。
- 处理结构化数据和 LLM 工作流程的工程师。
- 试图减少“重写三次”循环的内容人员。
- 任何输入过“简洁点”但得到了一篇 700 字 TED 演讲的人。
新的 GPT-5 提示思维模式：像老板一样说话，而不是像诗人一样
听着，GPT-5 可以很有创造力，但这不是重点。重点是控制。你不仅仅是要求一只聪明的鹦鹉说些漂亮话。你是在指导一个有能力的实习生，如果给他一个计划，他就可以思考。
以角色、步骤和检查来思考。这是一个有效的公式：
- 角色：你是具有 Y 目标的 X。
- 任务：在这些约束条件下执行 Z。
- 步骤：1, 2, 3。
- 推理：以 N 努力程度思考。
- 输出：JSON 模式或 markdown 结构。
- 护栏：如果……则拒绝；如果缺少……则询问。
是的，这很无聊。是的，这很有效。就像用牙线一样。
如何在不睡着的情况下实际使用“推理努力”
想象一下，你要求提供周末行程。你不需要一个包含“早午餐”词源的 45 步思维链。但是如果你要调试一个间歇性的 API 故障呢？加大力度。GPT-5 的指南强调告诉模型何时应该努力工作，何时应该冲刺。尝试这样的方式：
- 对于简单的任务：“使用最少的推理。除非至关重要，否则跳过解释。”
- 对于复杂的任务：“使用高推理努力。评估替代方法。在简洁的理由部分中证明所选路径的合理性。”
专业技巧：将理由与答案分开。将思考放在“理由”键下；将结果放在“答案”下。然后你可以向用户隐藏理由，并将其记录下来以进行审计。
JSON 对话：让模型说机器人语言
GPT-5 更好地支持结构化输出。如果你曾经尝试解析 AI 生成的文本，并且感觉就像在 2004 年抓取网页一样，那么欢迎来到 2025 年。定义一个 JSON 模式，要求 GPT-5 针对它进行验证，并强制执行严格模式。该食谱展示了将提示与模式定义配对的示例，因此你的应用程序不会因为一个多余的表情符号而感到不适。
尝试这种模式：
- 系统：“你是一个数据格式化程序。输出必须与此 JSON 模式完全匹配。”
- 提供模式。
- 用户：“将以下内容转换为该模式。”
- 添加：“如果缺少任何字段，则返回一个带有原因的错误对象。”
现在你不仅仅是生成文本——你还在构建可靠的、机器可读的输出。“整洁的演示”和“生产级”之间的区别。
Agentic 任务：自我管理的模型（主要）
GPT-5 更擅长计划、排序和检查工作。你可以指示它：
- 生成一个计划，然后执行。
- 逐步执行，在有风险的步骤上要求确认。
- 根据清单自我验证结果。
你甚至可以要求它为其自己的输出创建测试，然后运行这些测试并显示通过/失败摘要。这是否意味着你可以解雇 QA？绝对不是。但这确实意味着你可以将 QA 从“希望和感觉”扩展到“可重复的过程”。官方指南倾向于使用这种 agentic 框架来处理复杂的、多步骤的任务。
在不破坏任何东西的情况下迁移你的旧提示
旧的提示很长、很健谈并且很脆弱。GPT-5 喜欢结构化的、简洁的指令、明确的角色和清晰的输出规范。迁移策略：
- 修剪掉无用的内容。将“让我们探索……的神奇世界”替换为“任务：总结成 3 个要点”。
- 将软性请求换成约束：“准确返回 3 个要点。没有前言。”
- 为代码使用的输出添加一个模式。
- 引入努力调整：“除非检测到矛盾，否则使用最少的推理。”
- 嵌入错误处理：“如果缺少输入，则提出一个澄清问题。”
OpenAI 的提示优化食谱展示了迭代评估——反复调用模型，比较结果，并根据数据（而不是感觉）逐步提高提示质量。想想 A/B 测试，但用于文字。
不会让你翻白眼的真实世界用例
- 客户电子邮件分类：对语气、紧急程度和产品领域进行分类；返回带有路由标签的 JSON。添加置信度分数和一个“需要人工”的布尔值。你的支持队列从混乱变为“啊哈”。
- 分析摘要：向 GPT-5 提供一个月的指标；要求进行异常值检测、假设和下一步实验——然后将其格式化为幻灯片大纲。推理努力：高。
- 代码审查助手：提供差异、lint 规则和一个清单。要求提供分类评论、严重程度级别以及带有理由的最终合并建议。如果测试失败，则阻止合并。GPT-5-Codex 指导在这里是量身定制的，其中包含以开发者为先的提示建议。
- 大规模的内容生成：提供主题、受众、声音指南和 SEO 结构。需要结构化输出：标题、摘要、H2、meta 描述。如果违反了品牌声音规则，则请求使用“风格违规”注释重试。
我一直重复使用的五个提示（偷走它们）
- 先计划后执行
- 你是一名高级项目助理。目标：产生 X。
- 首先，起草一个逐步计划。然后执行。
- 使用适度的推理努力。如果违反了约束，则暂停并询问。
- 输出：{ plan: 。
- 忽略努力程度：默认为“非常努力地思考”会浪费 tokens；默认为“几乎不思考”会错过细微差别。
关于炒作与有用的简短说明
是的，互联网上都在热议 OpenAI“悄悄发布”了官方提示指南——因为他们确实这样做了，而且这些技术（推理努力、结构化输出）是真实且有用的。忽略那些令人喘不过气的说法；关注食谱文档，这是实际来源，并向你展示了操作方法。
GPT-5 提示如何改变团队工作流程
- 产品：预先定义输出协议。将提示视为带有版本控制的接口。你将更快地交付，并减少出错。
- 工程：将提示包装在测试中。验证 JSON。如果验证失败，则添加具有更严格模式的重试。
- 数据：跟踪提示版本和结果。构建质量指标的仪表板：准确性、覆盖率、延迟。
- 运维：创建运行手册，其中包括“如果模型返回错误，则将上下文升级到人工”。
何时提高模型的“推理努力”
- 调查：根本原因分析、安全异常、收入下降。
- 综合：具有相互矛盾主张的多文档研究。
- 计划：具有依赖关系和风险的长期任务。
- 具有约束的创造力：仍然流行的品牌安全活动。
何时不应该
- 格式化、提取、模板化。
- 只有一个来源的摘要。
- 你每小时运行数千次的任何东西。
值得注意的是：如果你想在将提示投入到你的堆栈之前，快速地对其进行原型设计和健全性检查，Sider.AI 可以帮助你迭代、比较输出并锁定结构化格式，而无需在日志中进行 spelunking。这就像提示的快速约会，减去闲聊——是的，你可以带上你的 JSON 模式去约会。请注意：它在
针对特定结果的提示模式（将此添加为书签）
- 万无一失的摘要：
- 角色：分析师；任务：5 个要点；约束：除非量化，否则没有形容词；来源：列表；输出：JSON 列表。
- 安全头脑风暴：
- 角色：创意总监；护栏：没有 IP 违规，没有医疗/财务声明；努力：中等；输出：20 个带有标签的想法。
- 需求文档：
- 角色：产品规范编写者；输入：用户故事；输出：部分——目标、非目标、验收标准 (Gherkin)、风险。
- 具有合规性的广告生成器：
- 角色：效果营销人员；规则：品牌声音文件；平台：meta/google；变体：10；输出：CSV 字段。
- 面试问题构建器：
- 角色：招聘经理；资历：中级；重点：系统设计；输出：问题、rubrics、危险信号、示例答案。
迷你剧本：使用 GPT-5 交付生产级 LLM 功能
- 首先编写合同
- 定义模式、约束和可接受的范围。确定失败时会发生什么。
- 像 API 规范一样起草提示
- 角色、任务、步骤、努力、输出、护栏。让它变得无聊。无聊获胜。
- 嵌入验证
- 要求 GPT-5 根据清单进行自我检查。然后以编程方式验证。双重防护。
- 大规模测试
- 使用真实数据批量提示。对准确性和格式合规性进行评分。使用优化食谱模式进行迭代。
- 记录一切
- 记录版本化的提示、推理努力设置、延迟、token 使用情况和错误类型。
- 设置升级路径
- 如果置信度 < 阈值或模式失败两次，则将路由到人工。附加理由以加快分类。
- 管理期望
- 沟通 GPT-5 的优势（结构化生成、计划、代码辅助）以及它只是还可以的地方（没有约束的开放式文章）。用户原谅限制；他们讨厌意外。
那么使用 GPT-5 进行编码呢？
OpenAI 的材料指向针对 GPT-5-Codex 的特定于开发人员的提示：明确说明环境、依赖项、错误消息和预期的运行时行为。提供失败的测试并要求模型通过它们。将请求构建为“解释、提出、修补”。这会产生更干净的差异和更少的幻觉导入。如果你仍然问“编写一个执行 X 的脚本”，那么你就会失去性能。
10 分钟入门模板（是的，你可以复制它）
系统
- 你是一位专门从事……的高级助手。
现在去给你旧的提示进行它们应得的改造。鞋子穿在正确的脚上。JSON 已压缩。推理设置为“恰到好处”。也许手边留一块饼干——给自己。
常见问题解答
Q1：OpenAI 的 GPT-5 提示指南中实际的新内容是什么？
推理努力的控制、更严格的结构化输出（包括 JSON 模式）和 agentic 任务模式。该指南展示了如何调整 GPT-5 的可靠性，而不仅仅是创造力，并提供具体的示例和迁移技巧。
Q2：如何使 GPT-5 每次都返回干净的 JSON？
定义一个模式，启用严格的输出要求，并为无效情况添加一个错误对象路径。以编程方式验证并要求模型在返回之前根据模式进行自我检查。
Q3：我应该何时增加 GPT-5 的推理努力？
对于调查、长期计划和多来源综合，请将其调高。对于格式化、提取和速度和成本比深入思考更重要的高频任务，请保持较低水平。
Q4：如何将旧的 GPT-4 提示迁移到 GPT-5？
修剪掉无用的内容，阐明角色和约束，定义输出模式，并添加验证步骤。使用提示优化技术进行批量测试，并根据格式合规性和准确性进行迭代。
Q5：GPT-5 是否更适合用于编码提示？
是的——使用 GPT-5-Codex 样式的提示：提供环境详细信息、失败的测试和预期的行为。要求进行 explain-propose-patch，并请求结构化的差异和理由以减少幻觉。
