OpenAI 官方 Prompt 指南 · 跨平台 Agent 提示词工程技能（含国内大模型适配）

> 主要来源：OpenAI 官方文档《Prompting guidance for GPT-5.6 Sol》（中文完整版）。
> 本技能在忠实还原官方方法的基础上，新增「十四、国内大模型适配指南」，把 OpenAI 专有 API 参数翻译成国内模型可用的自然语言写法，让同一套工程方法在 DeepSeek / 通义千问 / 智谱 GLM / 豆包 / Kimi / 文心一言 等平台上同样有效。

核心理念

当提示词明确定义了结果（outcome）、重要约束（constraints）、可用证据（evidence） 和完成标准（completion bar），并留出让模型自主选择高效路径的空间时，模型表现最佳。

OpenAI 内部编码 Agent 评测：更精简的 System Prompt 让评分提高约 10–15%，总 Token 减少 41–66%，成本降低 33–67%。（结果因负载而异，请在自己的代表性任务上验证。）

一、先精简 Prompt

从一套已经能正常工作的 Prompt 和工具集开始。每次只删除一组指令、示例或工具，然后用同一批评测检查结果——不要一次性重写，否则无法判断变化来自模型还是提示词。

该删除的（Trim）

• 同一规则的重复陈述
• 不改变行为的重复风格或过程指令
• 不改变行为的示例
• 模型已能可靠执行的行为的过程指令（模型已经做对的事不需要再教）
• 与任务无关的工具和工具描述

该保留的（Keep）

• 用户可见的最终结果
• 成功标准和停止条件
• 安全、业务、证据和权限约束
• 路由取决于上下文时的工具路由规则
• 必需的输出形状和验证要求

检查矛盾

审查剩余指令是否存在冲突。GPT-5 级模型会严格遵守 Prompt 契约，因此相互冲突的规则比缺失细节更容易造成不稳定。 例如「详尽回答」与「保持简洁」并存会让模型行为不可预测。

二、结果导向的 Prompt 和停止条件

描述目的地，而不是规定每一步。当 Prompt 说明了「好的结果长什么样」时，模型通常能选择高效的搜索、工具或推理路径。

推荐写法（Outcome-first）

Resolve the customer's issue end to end.

Success means:
- make the eligibility decision from available policy and account evidence
- complete any allowed action before responding
- return completed_actions, customer_message, and blockers
- if required evidence is missing, ask for the smallest missing field

绝对规则 vs 决策规则

• ALWAYS、NEVER、must、only 仅用于真正的恒定条件：安全规则、必填字段、绝不应发生的动作
• 判断类调用（何时搜索、何时追问、何时用工具、何时继续迭代）→ 使用决策规则（条件式描述），不要用绝对禁令

保留显式用户值

当正确值是隐含的时，提供决策标准，让模型从上下文或 schema 推理。避免通用默认值、关键词映射和宽泛语义捷径。

添加停止条件

Resolve the request in the fewest useful tool loops, but do not let loop
minimization outrank correctness, required evidence, calculations, or
required citations.

After each result, ask whether the core request can now be answered with
useful evidence. If yes, answer. If required evidence is still missing,
name the missing fact and use the smallest useful fallback.

> 关键细节：循环最小化不能凌驾于正确性、必需证据、计算或必需引用之上。

三、Personality、协作风格和响应长度

GPT-5.6 默认更简洁

迁移时检查「Be concise」「Keep it short」等宽泛简洁指令是否仍必要；对某些任务可能已多余，甚至让响应过短。仅在确实能产生所需输出时保留。

控制详细程度（text.verbosity）

用 text.verbosity 设置默认详细程度（low/medium/high），再在 Prompt 中指定任务特定的长度/结构/内容。国内模型无此参数，用「响应长度优先级」自然语言写法替代（见第三节末尾及第十四章）。

拆分 Personality 和 Collaboration Style

面向用户的助手和协作产品，两者都需定义：
- Personality（个性）：语气、温暖度、直接程度、正式度、幽默、同理心、润色程度
- Collaboration style（协作风格）：何时提问、何时做假设、何时主动、何时解释权衡、何时检查工作、如何处理不确定性

两者都要简短。Personality 塑造用户体验；协作指令塑造任务行为。两者都不应替代清晰的目标、成功标准、工具规则或停止条件。

响应长度：保留与裁剪的优先级

当任务需要更短回答时，明确模型必须保留什么、可以省略什么：

Lead with the conclusion. Include the evidence needed to support it, any material
caveat, and the next action. Omit secondary detail and repetition.

Keep all required facts, decisions, caveats, and next steps. Trim introductions,
repetition, generic reassurance, and optional background first.

这给模型一个清晰优先级：先保留完成任务所需内容，再移除低价值细节。

语气：具体描述而非宽泛标签

「friendly」「empathetic」等宽泛标签可能歧义。用写作选择来定义语气：

State the answer directly. If the user reports a problem, acknowledge the
specific issue before giving the next step. Use reassurance only when relevant.
Omit generic praise and unnecessary sign-offs.

语言规则

避免「始终用用户语言回复」等一刀切语言规则，除非确属产品需求。明确指定预期输出语言及其切换时机。

编辑、改写、摘要、面向用户的草稿

告诉模型要保留什么：

Preserve the requested artifact, length, structure, genre, and factual claims
first. Improve clarity, flow, and correctness without adding new claims,
sections, or a more promotional tone unless requested.

四、定义自主权和审批边界

模型在执行多步骤任务时可以主动且持续。定义每个请求授权的行动级别，使模型能继续安全、范围内的操作而不必不必要地暂停，同时在外部、破坏性、昂贵或扩大范围的操作前停止。

紧凑策略通常足够

For requests to answer, explain, review, diagnose, or plan, inspect the
relevant materials and report the result. Do not implement changes unless
the request also asks for them.

For requests to change, build, or fix, make the requested in-scope local
changes and run relevant non-destructive validation without asking first.

Require confirmation for external writes, destructive actions, purchases,
or a material expansion of scope.

明确命名安全的本地操作

如读取文件、检查日志、编辑范围内代码、运行测试。把策略集中在一处，每条规则只说一次。

不要重复审批指令

重复「先问一下」「不要修改」「等待批准」等指令，会导致对安全、预期的操作产生不必要的审批请求。

长任务：定义当前工作层级

区分研究、设计、实现、审查、外部协调，使模型不会在不被注意的情况下从一个层级滑到另一个层级。

五、工具路由

只暴露任务相关的工具

工具描述应说明：工具做什么、何时使用、重要返回字段、错误行为。

前置检索

当正确性依赖前置检索或查找时，明确说明：

Before taking an action, resolve required discovery, retrieval, and
validation steps. Do not skip a prerequisite because the intended final
state seems obvious.

并行 vs 串行

• 多个读取操作相互独立 → 并行化
• 一个结果决定下一步操作 → 保持串行
• 并行检索后 → 先综合再行动

降级回退

如果工具返回空、部分或可疑地狭窄的结果，在断定无结果之前尝试一两次有意义的降级方案。

六、程序化工具调用（Programmatic Tool Calling, PTC）

PTC 适用于有界工作流，即代码可处理多个工具结果或大量中间输出，并返回小得多的结构化结果。

适用场景

• 过滤、连接、排序、排名、去重、聚合
• 跨多条相似记录批处理
• 重复的确定性验证
• 可缩减为紧凑 schema 的大型结构化结果

应优先使用直接工具调用的场景

• 一次调用就足够 / 中间输出已很小
• 每个结果可能改变下一个决策
• 操作需要审批
• 最终答案必须保留引用或原始工件
• 工作流需要在调用之间进行语义判断

使用规则

不要依赖「高效使用 PTC」等通用指令。明确说明：有界阶段、可用工具、输出 schema、重试限制、停止条件、交回直接模型判断的时机。明确一个交接点，并告诉模型不要切换路径或重复已完成的工作。

> program_output 与最终 message 是分开的输出——务必分别测试两者。理论上工具返回了正确记录，而正文却遗漏了必填字段、引用或警告。在代表性任务上对比直接调用与 PTC 的总 Token、延迟、成本、轮次；仅当回复仍通过你的评测时，才把资源消耗降低视为改进。

七、接地、引用与检索预算

基于证据的回答，引用行为应作为提示词的一部分。

研究与综合

• 仅引用检索到的来源
• 将引用附加到它们所支持的主张上
• 将推论与直接支持的事实分开标注
• 说明来源之间的冲突
• 缩小回答范围或报告缺失证据，而不是猜测

> 缺失证据不应自动变成事实上的「否定」答案。「没搜到」≠「不存在」。

创意性起草

区分来源支持的事实与创意措辞。不要为增强说服力而编造名称、指标、日期、路线图状态、客户成果或产品能力。

八、长任务工作流与状态管理

工具前导更新（Tool preamble）

多步骤任务中，在首次工具调用前发送一句简短的可见前言；重大阶段变更时提供稀疏的、基于结果的更新。不要要求模型叙述常规工具调用。

状态重放

重放历史时保留助手阶段值，使模型区分评论与最终答案。用 previous_response_id 时状态自动保留；手动重放历史时保持每个原始阶段值不变。

阶段精简与持久推理

• 在重要里程碑之后精简，而非每轮都精简；精简后保持功能一致，把精简项视为不透明状态
• 当目标、假设、优先级在多轮中稳定时，持久推理有用；早期推理失效时用当前轮次行为
• 不要将持久推理视为始终有效的优化：过时推理增加 Token、增加延迟，并把模型锚定在过时方法上

提示词缓存

保持可重用前缀稳定，避免大型系统提示词中不必要的变动；仅当明确改善缓存行为与成本时才用显式缓存断点。

九、推理力度（Reasoning effort）

更改前先以当前推理力度建立基线。
- 保留当前模型的推理力度作为基线
- 在代表性任务上测试相同设置与低一级设置
- 延迟敏感型工作在能保质量前提下用 low
- 以 medium 作为平衡起点
- 仅当评测显示有实质收益时用 high/xhigh
- 把 max 留给最困难的质量优先负载；不建议全局使用

> 提高推理力度前，先检查提示词是否缺少成功标准、依赖规则、工具路由规则或验证循环。 很多问题靠把 Prompt 写清楚就能解决，不必一味加推理力度。

十、前端与视觉任务

模型具备更强的布局、视觉层次和设计判断力，但仍需提供产品上下文、保留设计系统、明确重要状态与约束。

增量式前端更改

• 检查并保留现有设计标记、组件、模式
• 除非要求，否则不添加额外功能或装饰性 UI
• 保留响应式行为与预期状态
• 最终确定前渲染并检查结果

空间精度任务（视觉/OCR/计算机使用/本地化）

有意识地选择图像细节；在成本与延迟合理时，对大型、密集或坐标敏感的图像使用原始细节。

十一、完成前验证

给模型可验证输出的工具，并说明哪些验证重要。

编码

运行测试、类型检查、Lint、构建检查、冒烟测试；前端还要查看实际渲染结果。

实施计划

包含：需求、命名的资源或文件、状态转换或数据流、验证检查、失败行为、隐私/安全考虑、对实施有实质影响的未解决问题。

无法验证时

说明原因 + 给出下一步检查方法，不表述为「已完成」。

十二、建议的提示词结构（复杂 Prompt 起点）

保持每个部分简短，仅在会改变行为处增加细节：
1. Outcome — 最终结果是什么（可验收）
2. Constraints — 真正的恒定约束（安全/业务/证据/权限）
3. Evidence — 可用材料、工具、检索范围
4. Completion bar — 什么算「做完了」
5. Personality / Collaboration — 语气与协作方式（简短）
6. Autonomy & approval — 可自主/需确认/禁止
7. Tool routing — 前置/并行/串行/降级
8. Stopping conditions — 完成/追问/补充检索
9. Verification — 完成前如何验证

十三、Prompt 迁移工作流

1. 切换模型并保持当前推理设置作为基线
2. 更改提示词前，在代表性任务上运行评测
3. 移除过时的辅助结构、重复指令、不相关工具
4. 仅添加最小且有针对性、能修复测量到回归的指令
5. 每次提示词或推理更改后重新运行评测

> 不要一次性重写可用的提示词栈，否则无法判断行为变化来自模型、推理、提示词、工具还是运行时。出现回退时，用一小批真实轨迹调试：识别失败模式 → 找到可疑指令或矛盾 → 精准编辑 → 重跑相同用例。

十四、国内大模型适配指南（核心优化）

本技能的方法论（精简、结果导向、决策规则、停止条件、工具路由、验证）对国内模型通用有效。但 OpenAI 指南中的部分 API 专有参数在国内平台无直接对应，需用自然语言写法替代。下表为映射。

14.1 OpenAI 专有概念 → 国内等效写法

14.2 国内模型专属注意事项

• 中文长上下文 ≠ 会用长上下文：国内模型普遍 128K–1M+ 上下文，但仍需精简、仍需停止条件；超长 Prompt 易稀释重点。
• 指令遵循强度差异：有的模型更「听话」（严格遵循约束，适合强约束场景），有的更易「自由发挥/编造」。对易编造模型，证据约束、引用要求、禁止幻觉指令权重更高。
• 安全护栏不可对抗：国内模型有内置内容安全（涉政、违法等强约束无法被 Prompt 关闭）。提示词应顺应护栏而非对抗——把敏感任务改写成合规表达。
• 推理模型 vs 普通模型：DeepSeek-R1 / Kimi 思考 / 通义 thinking 属推理模型，适合复杂任务但慢、贵；普通模型快但需更详细拆解。按任务选模型，别用推理模型跑简单分类。
• 工具调用成熟度：国产 Function Calling 能力不一。工具描述要更具体、返回字段显式、失败处理写清；复杂多工具编排优先 PTC 思路（代码聚合），减少轮次出错。
• 中文表达偏好：明确「用简体中文」「专业但不刻板」「结论先行」等语言与风格约束，避免含糊的「友好」。

14.3 国内平台落地清单

• [ ] 用自然语言长度指令替代 text.verbosity
• [ ] 按任务复杂度选择/关闭「思考」开关
• [ ] 工具描述显式写清：用途、时机、返回字段、失败处理
• [ ] 证据类任务强制引用 + 标注推论与事实
• [ ] 敏感任务改写成合规表达，顺应安全护栏
• [ ] 长任务保留阶段值，避免每轮重申系统提示

参考文件索引

来源说明

• 主要来源：OpenAI 官方文档《Prompting guidance for GPT-5.6 Sol》（中文完整版）
• 辅助参考（已标注）：第三方解读文章的框架性总结（如「七条法则」「四组件」），有助于理解但非原文结构，使用时请注意区分
• 国内适配层：由本技能基于各国内平台公开能力整理，非 OpenAI 原文内容，请以各平台最新文档为准