OpenAI发布GPT-5官方提示工程指南

作为OpenAI最新发布的旗舰模型技术指南，这份文档为开发者提供了GPT-5在代理任务、编程和智能交互等领域的完整优化方案。

GPT-5代表了代理任务性能、编码能力、原始智能和可控性方面的重大飞跃。虽然它在大多数领域都能提供出色的开箱即用表现，但本指南将分享如何通过提示优化来最大化模型输出质量。

1. 代理工作流可预测性

GPT-5专为开发者设计，重点改进了工具调用、指令遵循和长上下文理解能力。我们建议在使用代理和工具调用流程时升级到Responses API，该API可在工具调用间保持推理连续性，从而产生更高效和智能的输出。

1. 控制代理积极性

GPT-5经过训练可以在控制频谱的任何位置运行，从在模糊情况下做出高层决策到处理专注、明确定义的任务。本节介绍如何最好地校准GPT-5的代理积极性。

1. 降低积极性提示

默认情况下，GPT-5在代理环境中会彻底全面地收集上下文以确保答案正确。要减少其代理行为范围，可以尝试以下方法：

1. 切换到较低的reasoning_effort
2. 在提示中定义明确的标准

目标: 快速获取足够的上下文。并行进行发现，并尽快停止以便采取行动。
方法:
- 从广处着手，然后分散到集中的子查询。
- 并行启动不同的查询；阅读每个查询的最佳结果。
- 避免过度搜索上下文。

1. 提高积极性提示

若要鼓励模型自主性，增加工具调用的持久性，建议提高reasoning_effort，并使用如下提示：

 
- 你是一个代理——请持续工作直到用户的查询完全解决。
- 仅在确定问题已解决时终止你的回合。 
- 遇到不确定性时切勿停止或交还用户。

1. 工具前言

GPT-5经过训练可以提供清晰的预先计划和一致的进度更新。您可以引导工具前言的频率、样式和内容，从每个工具调用的详细解释到简要的前期计划等。

1. 推理努力

我们提供reasoning_effort参数来控制模型的思考深度和工具调用意愿。对于复杂的多步骤任务，我们建议更高的推理努力以确保最佳输出。

1. 使用Responses API重用推理上下文

我们强烈建议使用Responses API来解锁改进的代理流程、降低成本和更高效的token使用。

1. 最大化编码性能

GPT-5在前沿模型的编码能力方面处于领先地位。它可以处理大型代码库、修复错误、处理大差异并实现多文件重构或大型新功能。

1. 前端应用开发

GPT-5在基线审美品味和严格实现能力方面都表现出色。我们推荐使用以下框架和包：

1. 框架：Next.js (TypeScript), React, HTML
2. 样式/UI：Tailwind CSS, shadcn/ui, Radix Themes
3. 图标：Material Symbols, Heroicons, Lucide
4. 动画：Motion
5. 字体：San Serif, Inter, Geist, Mona Sans

1. 从零到一的应用生成

GPT-5擅长一次性构建应用程序。用户发现，要求模型根据自建优秀标准迭代执行的提示可以显著提高输出质量。

1. 匹配代码库设计标准

在现有应用中实现增量更改和重构时，模型编写的代码应遵守现有的样式和设计标准。

1. 生产环境中的协作编码

我们很荣幸拥有AI代码编辑器Cursor作为GPT-5的信任alpha测试者。Cursor的系统提示专注于可靠的工具调用，平衡详细程度和自主行为。

1. 系统提示和参数调优

Cursor团队最初发现模型产生了冗长的输出，同时工具调用输出的代码质量很高，但有时由于简洁性而难以阅读。

1. 优化智能和指令遵循

作为迄今为止最具可操控性的模型，GPT-5对提示指令表现出非凡的接受度。

1. 详细程度

在GPT-5中，我们引入了一个新的API参数verbosity，它影响模型最终答案的长度。

1. 指令遵循

像GPT-4.1一样，GPT-5以手术精度遵循提示指令。然而，其谨慎的指令遵循行为意味着构建不良的提示可能会对GPT-5造成更大损害。

1. 最小推理

在GPT-5中，我们首次引入了最小推理努力，这是我们最快的选项，同时仍能获得推理模型范式的优势。

1. Markdown格式化

默认情况下，API中的GPT-5不会将其最终答案格式化为Markdown。

1. 元提示

最后，早期测试者发现使用GPT-5作为自身的元提示器取得了巨大成功。

1. 附录

包括SWE-Bench验证的开发人员指令、代理编码工具定义、Taubench-Retail最小推理指令和Terminal-Bench提示等实用资源。

这份指南系统性地呈现了GPT-5的核心技术特性与应用方法，为开发者提供了从基础使用到高级调优的完整解决方案。