OpenAI 在推出 GPT-5.6 模型後，官方隨即在開發者文件中新增了一篇專門針對 GPT-5.6 Sol 的提示詞指南，內容不是介紹模型的新功能，而是教開發者「怎麼跟這個模型講話」才能發揮最好效果。對經常用 API 串接 ChatGPT 或打造 AI 應用的人來說，這篇文件其實比單純的模型更新公告更實用，因為它直接點出了一件容易被忽略的事：提示詞寫得太多，有時候反而會讓模型表現變差。
官方在文件開頭就丟出一組頗有說服力的數字。在內部一批「程式碼代理」（coding agent）的測試中，把系統提示詞精簡過的版本，評分反而提升了約一成到一成五，而總 token 用量減少了四成到六成六，成本更是省下三成三到六成七。換句話說，把冗長的規則、重複的範例、用不到的工具說明統統拿掉之後，模型不但沒有變笨，反而變得更準、更省錢。當然官方也提醒，這個數字會因任務而異，實際導入時還是要用自己的測試案例驗證，不能直接套用。
為什麼「精簡」比「詳細」更重要？
GPT-5.6 對提示詞的理解方式，是先抓住結果、限制條件、可用證據跟完成標準，再自己找出有效率的路徑，而不是被動照著每一步指令走。對熟悉 GPT-5 系列的人來說，這個特性其實不算新，但官方這次特別強調，很多團隊的提示詞是從舊模型一路疊加上來的，裡面塞滿了重複規則跟已經失效的範例，對現在的模型來說反而是雜訊。
🔔 不錯過任何精彩內容
立即訂閱我們的 LINE 或將本站設為 Google 偏好來源，掌握最新資訊！
官方建議的做法很直接：先找一組現在還算堪用的提示詞跟工具設定，然後每次只拿掉一組指令、範例或工具，再重新跑一次評測。可以拿掉的東西包括重複陳述同一條規則、不會改變行為的範例、模型本來就做得很好的流程指示，以及跟任務無關的工具說明。但有幾樣東西一定要留著：使用者真正在意的結果、成功標準跟停止條件、安全與商業限制、需要依情境判斷的工具路由規則，還有輸出格式跟驗證要求。拿掉之後也要檢查剩下的指令有沒有互相矛盾，因為 GPT-5 這個世代的模型會非常認真地照著提示詞的「合約」去執行，規則互相打架反而比缺少細節更容易讓輸出不穩定。
該寫「結果」還是寫「步驟」？
與其一步一步教模型怎麼做，不如直接描述任務完成後應該長什麼樣子，讓模型自己選擇怎麼走到那裡。官方在文件裡舉了一個客服情境的範例，大意是這樣：任務是「end to end 解決客戶的問題」，成功的定義包含根據現有的政策與帳戶資訊做出資格判斷、在回覆前先完成所有允許的動作、回傳已完成的動作與客戶訊息與待解決事項，如果關鍵證據缺失，就詢問缺少的最小欄位即可，不需要一次要齊所有資訊。
官方也特別提醒，「絕對規則」要省著用。像 ALWAYS、NEVER、must、only 這類強制字眼，應該留給真正不能違反的情況，例如安全規則、必填欄位或絕不該發生的動作。至於什麼時候該搜尋、該提問、該用哪個工具、該不該繼續嘗試，這類需要臨場判斷的情境，用「決策規則」取代死板的絕對命令會更有效。另外一個容易被忽略的細節是，如果使用者已經明確給出某個數值或答案，就直接保留，不要讓模型自己套用一套通用預設值或關鍵字對照表去猜測。
官方也給了一個停止條件的寫法參考：任務要在最少但有用的工具呼叫回合內解決，但迴圈次數的最小化不能凌駕於正確性、必要證據、計算結果或引用來源之上；每次拿到結果後，都要自問最重要的問題是否已經能用現有證據回答，可以就直接回答，如果關鍵證據還缺，就明確講出缺了什麼，並使用最小可行的替代方案。
個性跟協作風格，要拆開來設定
官方把「個性」跟「協作風格」明確分成兩件事，個性管的是語氣、溫度、直接程度、正式感、幽默感跟同理心，協作風格管的是模型什麼時候該提問、什麼時候該自己做假設、什麼時候該主動出手、要不要解釋取捨、要不要自己檢查工作。對做客服機器人或協作型產品的團隊來說，這兩件事分開寫會比混在一起更清楚，而且兩者都應該保持簡短，不能取代明確的目標、成功標準、工具規則跟停止條件。
對於需要精簡回覆的情境，官方建議先想清楚哪些資訊一定要保留、哪些可以省略。範例寫法是這樣：先講結論，再補上支撐結論所需的證據、任何重要的但書，以及下一步動作，次要細節與重複內容可以省略；保留所有必要的事實、決定、但書跟下一步，優先刪掉的是開場白、重複內容、通用安慰話語跟可省略的背景資訊。這種寫法等於是給模型一份清楚的優先順序，先確保任務所需的內容完整，再去刪減價值較低的部分。
官方也提醒，像「友善」或「有同理心」這種籠統標籤其實很容易模糊解讀，不如直接描述你的產品語氣具體該怎麼呈現，比如該多直接講出答案、什麼時候該先承認問題再給下一步、什麼時候才適合安慰的話語。同樣地，「永遠用使用者的語言回覆」這種一刀切的規則也該避免，除非那真的是產品需求，否則應該明確指定輸出語言以及什麼情況下該改變。
什麼動作可以自己做，什麼要先問過你？
GPT-5.6 在執行多步驟任務時會相對主動且有毅力，所以官方建議每個請求都要先定義清楚授權範圍到哪裡，模型才能安心完成範圍內的安全工作，同時在牽涉外部、破壞性、高成本或超出範圍的動作前先停下來確認。官方給的範例政策大致是：如果請求是回答、解釋、審查、診斷或規劃，模型應該檢視相關資料並回報結果，除非請求同時要求修改，否則不主動實作變更；如果請求是修改、建置或修復，模型可以直接做出請求範圍內的在地變更，並跑相關的非破壞性驗證，不需要事先詢問;至於外部寫入、破壞性動作、涉及金流的操作，或是明顯擴大任務範圍的動作，則一定要先取得確認。
官方也建議把哪些「安全的在地動作」講清楚，例如讀取檔案、檢查日誌、修改範圍內的程式碼、跑測試等等，而且這條政策最好只放在一個地方講一次，因為重複強調「先問過我」「不要修改」「等我核准」，反而容易讓模型對本來就該放行的安全動作也停下來要求核准，變得綁手綁腳。對於長時間執行的任務，官方也建議明確區分現在是研究、設計、實作、審查還是外部協調的哪一個階段，避免模型在不同階段之間悄悄切換而沒有告知。
工具太多會讓模型迷路嗎？
官方建議只提供跟任務真正相關的工具，工具描述本身也要講清楚這個工具做什麼、什麼時候該用、會回傳哪些欄位、出錯時會怎麼樣。如果正確性依賴某個前置的檢索或查詢步驟，就要在提示詞裡明講，例如在採取行動前，先完成必要的探索、檢索與驗證步驟，不要因為看起來已經知道最終結果就跳過這個前置步驟。
當有多個查詢彼此獨立時，應該讓模型平行處理；如果某個結果會決定下一步該做什麼，就該保持循序執行，而平行檢索完成之後，要先整合資訊再採取行動。如果工具回傳的結果是空的、不完整，或明顯範圍過窄，官方建議先嘗試一到兩個合理的備援方案，不要太快下結論說「查不到」。
文件裡也特別談到「Programmatic Tool Calling」，也就是讓模型直接寫程式去處理多個工具呼叫結果，再回傳一個精簡的結構化結果，這種做法比較適合篩選、合併、排序、去重、彙總這類大量記錄的處理，或是需要重複進行的確定性驗證。但官方也提醒，光是「呼叫次數多」「呼叫是平行的」或「呼叫之間有依賴關係」本身並不足以構成使用它的理由。如果只需要一次呼叫、中間結果本來就很小、每個結果都可能改變下一步決策、動作需要人工核准，或最終答案必須保留引用來源，那麼直接呼叫工具反而比較合適。
h2>回答要有憑有據，該怎麼設計檢索規則？
對需要有根據的回答來說，引用行為本身就該寫進提示詞裡，包括什麼樣的內容需要證據支撐、多少證據才算足夠、證據不足時該怎麼辦，而且證據不足不代表就該直接判定「沒有」這個事實答案。官方給的範例是這樣：一般問答先用簡短且有鑑別力的關鍵字做一次廣泛搜尋，如果最上面的結果已經足以支撐這個問題，就直接用這些結果回答；只有在關鍵事實、負責人、日期、編號或來源缺失，使用者要求詳盡涵蓋或比較，需要讀取特定文件，或某個重要主張目前沒有支撐時，才需要再檢索一次，單純為了調整措辭、補充範例或支撐非必要細節，不需要再搜尋一次。
對於研究與整合類的任務，官方列出幾個原則：只引用實際檢索到的來源、把引用連結到它支撐的主張上、把推論跟直接證據明確分開標示、指出來源之間的衝突，如果證據不足，就縮小回答範圍或直接說明證據缺失，而不是用猜測填補。對於創意類的草稿內容，也要把「有來源支撐的事實」跟「創作性的用字」分開處理，不能為了讓草稿聽起來更有說服力，就自己捏造名稱、數字、日期、產品進度或客戶成果。
長任務要怎麼管理進度與狀態？
對於多步驟或大量使用工具的任務，官方建議在第一次呼叫工具之前，先給使用者一段簡短的可見前言，之後只在進入重要階段或發現改變原計畫的資訊時才更新，不需要每個例行工具呼叫都拿出來報告。如果使用 previous_response_id，先前的助手狀態會自動保留；如果是手動重播對話紀錄，就必須保持每個原始階段的值不變，模型才能分辨哪些是過程中的評論、哪些才是最終答案。
官方也建議在重要的里程碑之後才做壓縮（compaction），而不是每一輪都壓縮，壓縮後的內容應該當作不透明的狀態來處理，同時提示詞本身也要保持功能上的一致。至於「持續保留推理過程」這件事，只有在目標、假設跟優先順序在多輪之間維持穩定時才有幫助，一旦先前的推理已經不再適用，就該改用當前這一輪重新思考，不要把保留推理當成永遠有益的預設選項，因為過時的推理反而會增加 token 用量、拖慢速度，還可能讓模型固守在一個已經過時的做法上。
Reasoning Effort 該怎麼調整？
官方建議先把現有的 GPT-5.5 或 GPT-5.4 使用的 reasoning effort 設定當成基準，再用同樣的任務去測試同一個等級跟低一級的表現。對延遲敏感、只要能維持品質的任務，可以用 low；medium 是一個平衡的起點；high 或 xhigh 只有在評測結果真的顯示有明顯提升時才建議使用；至於 max，官方把它保留給最看重品質、難度最高的任務，並不建議全面套用。文件裡也提醒，在調高 reasoning effort 之前，應該先檢查提示詞本身是不是少了成功標準、依賴關係規則、工具路由規則或驗證迴圈，因為很多時候問題不是模型想得不夠深，而是提示詞根本沒把任務講清楚。
升級到 GPT-5.6，該怎麼一步步來？
官方給的遷移流程很保守，強調不要一次把整套提示詞重寫，否則之後根本無法判斷行為改變是來自模型本身、reasoning 設定、提示詞內容、工具組合，還是執行環境。建議的順序是：先換模型並保留現有的 reasoning effort，在改動提示詞之前先跑一次代表性的評測，接著移除過時的架構、重複指令跟不相關的工具，只針對測出來的問題加上最小幅度的目標性修正，每次調整提示詞或 reasoning 設定後都重新跑一次評測。如果提示詞出現退步，官方建議用少量的真實對話紀錄來除錯，找出具體的失敗模式，鎖定可能造成問題的指令或矛盾之處，做出精準的修改後再重新測試同一批案例。
整篇指南在講什麼？一張表看懂改版方向
把這篇官方指南攤開來看，其實貫穿全文的邏輯只有一個：不要什麼都用「規則」去綁住模型，而是把目標、限制條件跟停止時機講清楚，剩下的交給模型自己判斷。以下用幾個常見情境，整理舊做法跟官方建議的新做法差異。
| 情境 |
常見的舊做法 |
官方建議的 GPT-5.6 寫法 |
| 任務指示 |
逐步條列每個操作步驟 |
描述完成後的結果與成功標準，讓模型自己選路徑 |
| 規則用詞 |
大量使用「必須」「絕不」等強制字眼 |
只在真正不可違反的情況用強制字眼，其餘用決策規則 |
| 語氣設定 |
用「友善」「有同理心」等籠統標籤 |
具體描述什麼時候該直接、什麼時候該安慰 |
| 授權範圍 |
反覆提醒「先問過我」「不要修改」 |
把授權政策集中寫在一處，明確劃分自動執行與需核可的動作 |
| 遷移方式 |
一次重寫整套提示詞 |
換模型、保留基準設定、逐項移除後分批測試 |
這篇指南適合哪些人參考？
對正在用 OpenAI API 打造客服機器人、程式碼代理、內容生成工具或多步驟自動化流程的開發者來說，這篇指南其實比單純的模型規格表更有實際幫助，因為它談的不是「這個模型能做什麼」，而是「你的提示詞該怎麼寫才能讓模型表現到位」。對還在用舊版 GPT-5.5 或 GPT-5.4 提示詞架構、還沒針對 GPT-5.6 做調整的團隊來說，這份文件等於是一份現成的檢查清單，值得對照自己現有的系統提示詞逐項檢視。
常見問題
Q1：把提示詞精簡之後，模型會不會因為資訊不夠而表現變差？
官方測試顯示反而相反，適度精簡後評分還提升了一成到一成五，但前提是要保留成功標準、限制條件跟工具路由規則這些真正影響行為的部分，刪掉的是重複規則跟不影響行為的範例。
Q2：ALWAYS、NEVER 這類強制字眼是不是完全不能用？
不是完全不能用，而是建議只保留給安全規則、必填欄位這類真正不可違反的情境，至於該不該搜尋、該不該再嘗試這類需要臨場判斷的情況，改用決策規則會更有彈性。
Q3：什麼時候該用 Programmatic Tool Calling？
比較適合篩選、去重、排序、彙總這類可以大量處理再回傳精簡結果的任務，如果只需要一次呼叫、每個結果都會影響下一步決策，或最終答案需要保留引用來源，直接呼叫工具會更合適。
Q4：從 GPT-5.5 升級到 GPT-5.6，reasoning effort 需要重新設定嗎？
官方建議先保留原本的設定當基準，再用同一批任務測試同等級跟低一級的表現，不要一開始就調高，因為很多時候問題出在提示詞本身缺了成功標準或驗證迴圈，而不是推理強度不夠。
Q5：這份指南只適合開發者看嗎？
內容確實偏向 API 開發與提示詞工程，但如果你平常有在用 ChatGPT 處理比較複雜的多步驟任務，裡面關於「描述目標而非步驟」跟「明確授權範圍」的觀念，同樣可以套用在一般的對話提示詞上。
Q6：升級模型時可以同時改提示詞又調 reasoning effort 嗎？
官方建議不要一次改太多變數，先換模型並保留原本設定跑一次評測，再逐項移除過時內容，每次調整後都重新測試，這樣才能判斷是哪個變動造成了行為改變。
提示詞的價值不在於寫得多詳細，而在於讓模型清楚知道什麼是「做完了」。當規則少而準，模型反而能走出比你想像中更聰明的路。