OpenAI 發布 GPT-5.6 提示詞指南，Token 省逾 40%

OpenAI 官方發布 GPT-5.6 提示詞指南，內部測試顯示：把一份冗長的 system prompt 大幅精簡後，分數不但沒有掉，反而上升 10% 至 15%，同時 Token 用量省下 41% 至 66%。指南核心建議為：開發者只需告訴模型結果和紅線，不需要規定每一步該怎麼走；模型會自行選擇效率路徑。

精簡 system prompt 的測試數據

（來源：OpenAI 官網）

根據 OpenAI GPT-5.6 指南，工程團隊實測發現，system prompt 中以下四類內容可以刪除，且刪除後模型表現反而更佳：

重複規則：反覆強調同一限制的段落

對行為沒有實質影響的風格叮嚀：如「請專業地回答」、「請簡短回答」等（GPT-5.6 預設已較精簡）

多餘範例：不增加有效資訊的示範

模型本來就做得到的流程指導：步驟式說明過多

建議的精簡方法為「從能跑的版本開始逐步刪」：先留有效的 prompt，一段一段移除可疑部分，同時追蹤 eval（量化評估分數）；若分數沒有下降即可確認刪除。真正應保留的內容：可見的結果定義、成功與停止判斷標準、安全與商業限制，以及工具選用規則和輸出格式。

新寫法核心：只寫結果與紅線

根據 OpenAI GPT-5.6 指南，最核心的提示詞原則是：「定義結果、重要限制、可用證據、完成標準，然後留空間讓模型自己選有效率的路徑。」OpenAI 給出的範例政策為：「用最少的有用工具迴圈解決請求，但不能讓減少迴圈次數犧牲正確性、必要證據或引用」——這是一條決策規則，而非死命令。

引數使用方面，text.verbosity（low/medium/high）專門控制回答長度，語氣與正式度應另外描述；reasoning effort（low/medium/high/xhigh/max）管理模型思考強度，但調高之前，OpenAI 建議先確認 prompt 本身是否已清楚定義成功標準與驗證迴圈——「把話講清楚往往比加碼思考更有效」。

工具描述同樣屬於 prompt 的一部分，工具應只保留任務相關的；每個工具描述都要說明做什麼、何時用、出錯時怎麼表現。

常見問題

為什麼精簡 system prompt 反而讓 GPT-5.6 的分數上升？

根據 OpenAI 的指南說明，過度詳細的 system prompt 會為模型增加不必要的解析負擔，且重複、冗餘的指令可能干擾模型判斷真正的優先順序；GPT-5.6 本身具有強大的推理能力，提供目標和限制後可自行選擇有效路徑，多餘的步驟規定反而束縛其表現。

text.verbosity 和 reasoning effort 引數應如何設定？

根據 OpenAI 指南，text.verbosity 分三檔（low/medium/high），專門控制回答長度；reasoning effort 分五級（low/medium/high/xhigh/max），管理模型思考強度；兩者應分別設定，不依賴在 system prompt 中堆疊文字。調高 reasoning effort 前，應先確認 prompt 清楚定義了成功標準，因為很多時候「把話講清楚比多想更有效」。

Prompt 遷移工作流的正確順序是什麼？

根據 OpenAI 指南，正確的遷移順序為：先換模型（保留原推理設定）→跑 eval 當基準→移除過時的鷹架與重複指令→只針對 eval 顯示真的退步的地方做最小修正→重新測量。關鍵原則是每次只改一個變因，不同時修改模型、推理設定、prompt 和工具集，否則無法判斷是哪一項造成行為變化。