GPT-5.6 Sol Prompt怎么写？别再拿5.5那套“遥控”它

前面我们在《Prompt Engineering不是“写提示词”》里讲过，生产环境的Prompt不是灵感文案，而是有角色、数据、约束和输出格式的工程资产。

OpenAI 搞 Codex 的大佬已经提醒大家了，之前用 GPT-5.5 的提示词，不再适用于 GPT 5.6 ，同时他也给出官方 Prompt 指南

很多录友把模型换到GPT-5.6 Sol之后，Prompt一个字没动。

甚至还在继续加：

“请一步一步思考。”

“一定要全面。”

“不要遗漏任何细节。”

“每一步都先向我确认。”

最后Prompt越来越长，模型却更容易啰嗦、频繁停下来请示，或者被互相打架的规则困住。

这不是5.6 Sol不够强。

是你还在用5.5时期“手把手遥控模型”的方式，去指挥一个更擅长理解意图、自主规划和持续完成任务的模型。

GPT-5.6 Sol确实比前代更深入、更全面，但这不等于Prompt也要写得更厚。

OpenAI官方给出的方向恰好相反：把结果、关键约束、可用证据和完成标准说清楚，然后给模型选择高效路径的空间。

这张图回答的是：为什么5.6 Sol不需要你拿着一卷步骤清单遥控。旧写法把模型困在过程里；新写法把终点、护栏和验收标准交代清楚，让模型自己选择路径。

简要回答

面试官问：“GPT-5.6 Sol的Prompt和GPT-5.5有什么不同？”

你可以直接这样回答：

• 先写结果，不要先写流程：明确最终要交付什么、什么叫完成，再让模型决定怎么做。
• 删重复，不删硬约束：重复规则、无效示例和无关工具可以删；安全边界、权限边界、证据要求和输出格式必须留。
• 把自治范围说清楚：哪些本地动作可以直接做，哪些外部写入、破坏性操作或扩展范围必须先确认。
• 把工具路由和停止条件写清楚：什么时候查资料、什么时候调用工具、什么证据够用、失败后重试几次。
• 先保留原reasoning effort做基线：迁移后先跑同一套评测，再测试同档和低一档，不要上来就全局开max。

一句话：5.5式Prompt在教模型“每一步怎么走”，5.6式Prompt在定义“要到哪里、不能越过什么、怎样才算真的到了”。

一、第一处变化：从“过程优先”改成“结果优先”

很多旧Prompt长这样：

先阅读所有文件。
然后列出目录结构。
然后逐个分析模块。
然后写一个详细计划。
等我确认后再修改。
每修改一个文件都要解释原因。
最后再运行测试。

这段话的问题不是步骤错了。

而是你把一种可能的执行路径，写成了模型必须服从的唯一流程。

真实任务一变，这套流程就容易出问题：

• 有些任务只读两个文件就能定位，非要扫描全仓库，浪费时间和Token；
• 有些修改必须先跑测试复现，Prompt却规定最后才测试；
• “每一步都等确认”会让安全的本地工作也被频繁打断；
• 模型只顾完成你列出的步骤，反而忘了最终结果有没有真的达标。

5.6 Sol更适合这样写：

目标：修复支付回调重复记账的问题，并保持现有接口行为不变。

成功标准：
- 能用现有测试或最小复现证明问题原因；
- 修复后同一回调重复到达不会重复记账；
- 正常支付和退款流程不受影响；
- 相关测试、类型检查和构建通过。

约束：
- 可以读取和修改当前仓库、运行非破坏性测试；
- 不修改无关模块，不删除现有行为来让测试通过；
- 外部写入、破坏性操作或扩大需求范围前先确认。

输出：
- 先给结论；
- 列出改动文件、验证证据和仍存在的风险。

注意，这段Prompt并不短到只剩一句“帮我修Bug”。

它只是把篇幅花在了目标、验收、边界和证据上，而不是替模型预演每一个动作。

这就是OpenAI官方所说的outcome-first：描述目的地，不要把每一步路都焊死。

二、第二处变化：精简Prompt，不等于少交代

OpenAI在内部编码Agent评测中观察到，更精简的系统Prompt让评测分数提升约10%—15%，同时减少了41%—66%的总Token和33%—67%的成本。

但官方也特意提醒：这些数字只代表那组内部样本的方向，你的业务必须用自己的代表性任务验证。

很多录友看到“精简”两个字，马上把Prompt砍成：

你是一个专业的编程助手，帮我把任务做好。

这不叫精简。

这叫把需求删没了。

真正该删的是：

• 同一条规则换三种说法重复强调；
• 模型已经能稳定做到、又不影响产品要求的过程指令；
• 从未改变模型行为的示例；
• 当前任务根本用不到的工具和工具说明；
• “务必认真”“深度思考”“尽可能全面”这类无法验收的形容词。

真正要保留的是：

• 用户最终看得见的结果；
• 成功标准和停止条件；
• 安全、业务、权限和证据约束；
• 会影响工具选择的路由规则；
• 必需的输出结构和验证要求。

精简的标准不是字数少，而是每句话都改变行为。

如果删掉一句话，跑同一组评测完全没有变化，这句话才有资格继续被删。

这张图回答的是：精简Prompt到底在删什么。左边不是“信息更完整”，而是重复纸卷把人和机器人一起困住；右边保留目标、护栏、证据和验收这些关键装备，反而走得更稳。

三、第三处变化：把“允许做什么”一次讲清楚

GPT-5.6可以更主动、更持续地完成多步任务。

这会带来效率，也会带来一个新问题：它到底可以自主推进到哪一步？

如果Prompt里没有边界，模型可能在该继续的时候停下来问，也可能在该停的时候继续扩大范围。

官方建议用一段紧凑的自治策略，把请求类型和授权范围分开：

回答、解释、评审、诊断或规划类请求：
可以读取相关材料并报告结果，不要自动实施修改。

修改、构建或修复类请求：
可以直接完成范围内的本地改动，并运行相关的非破坏性验证。

以下动作必须先确认：
外部写入、破坏性操作、付费行为，或实质性扩大任务范围。

这段策略比在Prompt各处重复十遍“先问我”更有效。

因为重复的“先确认”很容易把正常的读文件、改本地代码、跑测试也拦住。

边界要集中写一次，安全动作和高风险动作要分清楚。

这张图回答的是：自治不等于没有边界。护栏内的读文件、修改和测试可以连续推进；真正走到红色闸门，也就是外部写入、重要权限或扩大范围时，再由人明确放行。

四、第四处变化：工具不是越多越好，路由要有判断条件

给Agent挂了搜索、数据库、浏览器、代码执行、文件系统几十个工具，不代表它就会自动选对。

5.6 Sol虽然工具使用能力更强，但官方仍然建议：

• 只暴露当前任务相关的工具；
• 工具描述写清楚用途、使用时机、返回字段和错误行为；
• 正确性依赖查询时，明确“必须先查再做”；
• 独立读取可以并行，有依赖关系的步骤保持顺序；
• 结果为空或可疑时，尝试一两个有意义的备选，再判断没有结果。

比如不要只写：

高效使用工具完成调研。

而要写：

涉及当前价格、版本、政策或发布时间时，先查官方来源。
普通问答先做一次范围合适的检索。
只有缺少核心事实、日期、负责人或直接证据时，才追加检索。
引用必须贴在它支持的结论后；证据冲突时明确指出，不要猜。

这不是把过程写死。

它是在告诉模型：什么条件触发什么工具，拿到什么证据可以停。

至于GPT-5.6新增的Programmatic Tool Calling，也不要因为新就全开。

它适合过滤、去重、排序、聚合这类边界明确的批处理。一次工具调用就够、每个结果都会改变下一步判断、涉及审批或必须保留原生引用时，直接工具调用反而更合适。

这张图回答的是：工具路由为什么要由任务条件决定。机器人不是把所有工具一股脑搬上车，而是先看任务，再扳动道岔，把请求送到资料、执行或验证那条真正需要的轨道。

五、第五处变化：别再用一句“简洁”控制所有回答

GPT-5.6默认比GPT-5.5更简洁。

如果旧Prompt里到处都是“Be concise”“保持简短”，迁移后可能把必要证据、风险和下一步也一起压没。

更稳的做法是分两层：

第一层，用API的text.verbosity设置默认详细程度：

{
  "model": "gpt-5.6-sol",
  "text": {
    "verbosity": "medium"
  }
}

第二层，在Prompt里写清楚这次任务必须保留什么：

先给结论。
必须保留支持结论的证据、重要限制和下一步动作。
优先删掉开场白、重复解释、泛泛安慰和非必要背景。

语气也是一样。

“友好”“有同理心”太抽象。你真正想要的是直接回答、什么时候承认问题、要不要安慰、是否需要结束语，就把这些可观察的写作选择说出来。

六、reasoning effort怎么设？先别急着拉满

GPT-5.6支持none、low、medium、high、xhigh和max。

OpenAI给出的迁移方法很明确：

1. 先保留GPT-5.5或GPT-5.4当前使用的reasoning effort；
2. 用原Prompt跑一组代表性任务，建立5.6基线；
3. 再测试同一档和低一档；
4. 只有评测证明质量明显提升，才使用high、xhigh或max；
5. max只留给最难、质量优先的任务，不要全局默认。

为什么要先测低一档？

因为GPT-5.6的Token效率更高，可能在更低推理档位保持甚至提升质量。

如果Prompt缺的是成功标准、工具依赖或验证闭环，你把reasoning effort拉到max，只会让模型更努力地执行一个没说清楚的任务。

Pro mode也不是一句“请深度思考”。

它是Responses API里的执行模式，适合复杂优化、高价值代码审查和困难分析。它会增加延迟和模型工作量，应该和标准模式在同一批任务上比较质量、完整性、Token、延迟和成本，而不是凭感觉常开。

这张图回答的是：reasoning effort为什么不能全局拉满。平路、山路和雪山需要的动力不同；在日常任务上背着整套登山装备，只会增加负担，不会自动让结果更好。

七、给5.6 Sol一份能直接复用的Prompt骨架

OpenAI官方建议的复杂Prompt结构，可以整理成下面这版：

角色：
[模型在当前业务里的职责和上下文]

协作方式：
[语气；什么时候主动推进，什么时候提问；如何处理不确定性]

目标：
[用户最终要拿到的结果]

成功标准：
- [必须满足的结果1]
- [必须满足的结果2]
- [完成前必须验证的证据]

约束：
- [业务、安全、权限和副作用边界]
- [必须保留的行为或用户提供的值]

工具：
- [什么条件下用哪个工具]
- [哪些前置查询不能跳过]
- [失败后的备选和重试上限]

输出：
[结构、长度、语言、必须包含的字段]

停止条件：
[何时完成；何时继续；何时提问；何时明确说证据不足]

不是每个Prompt都要把八段写满。

简单任务，三四段就够。

复杂Agent任务，再把工具、自治和停止条件补上。

判断标准只有一个：这段信息会不会改变模型的行为或验收结果？不会，就别为了“看起来专业”硬塞。

八、从5.5迁移到5.6，正确顺序是什么？

最容易翻车的做法，是换模型、改Prompt、调reasoning effort、加新工具、改输出格式一次全做。

结果变好了，你不知道是哪项生效。

结果变差了，你也不知道该回滚哪项。

官方建议的小步迁移顺序是：

1. 只切换模型，保留当前reasoning effort和Prompt；
2. 先跑代表性评测，记录任务成功率、格式通过率、工具选择、Token、延迟和成本；
3. 一次删一组冗余，比如重复规则、无效示例或无关工具；
4. 只针对真实失败补一句话，不要凭想象重写整个Prompt栈；
5. 每改一次重跑同一组任务；
6. 新增Pro、持久化推理、显式缓存或Programmatic Tool Calling时，单独做实验，不要混进基础迁移。

如果出现回归，拿几条真实失败记录看：

• 是目标没说清？
• 是两条指令互相矛盾？
• 是工具返回字段没定义？
• 是停止条件太早？
• 是输出格式缺了必填项？
• 还是推理档位真的不够？

先定位失败模式，再做最小修改。

这比重新写一份“史上最强Prompt”靠谱得多。

知识拓展

Q1：5.6 Sol能力更强，是不是Prompt越短越好？

不是。官方建议的是leaner prompts，也就是删掉重复和无效脚手架。目标、成功标准、安全边界、证据要求、输出格式不能为了短而删。短不是目的，信息密度高、没有冲突才是目的。

Q2：还需要Few-shot吗？

需要，但只在示例确实编码了产品要求或修复了可测量的偏差时保留。输出格式特殊、标签边界模糊、品牌语气严格时，少量高质量示例仍然有价值。相关区别可以继续看《Few-shot、CoT与自我反思》。

Q3：还要写“请一步一步思考”吗？

不要把它当万能开关。复杂任务更应该给成功标准、可验证的中间结果和真实检查工具；推理强度用API参数控制。用户真正需要的是证据和正确结果，不是一大段看起来很努力的“思考过程”。

Q4：什么时候应该让模型提问？

当缺失信息会实质改变结果，而且无法从现有上下文、文件、工具或安全默认值中得到时，要求它只问最小的缺失字段。无关紧要的偏好可以做合理假设，并明确说明。

Q5：怎么判断Prompt真的优化了？

不要看单条Demo顺不顺眼。至少比较任务成功率、关键字段完整率、工具选对率、验证通过率、总Token、端到端延迟和单次成功任务成本。资源用得少，只有在最终结果仍然过线时才算优化。

官方资料

• OpenAI：Using GPT-5.6：https://developers.openai.com/api/docs/guides/latest-model?model=gpt-5.6
• OpenAI：Prompting guidance for GPT-5.6 Sol：https://developers.openai.com/api/docs/guides/prompt-guidance-gpt-5p6