GPT-5.6
一句话定义
GPT-5.6 是 OpenAI 在其 Prompt 指南中覆盖的模型家族；对使用者而言，最重要的迁移原则不是把提示词继续堆长，而是把目标、证据、边界、输出与验证写成简短而可评测的执行契约。
摘要
本文档只整理官方《Prompting guidance for GPT-5.6 Sol》明确给出的提示词与迁移方法，不把该指南未列出的模型能力、上下文长度、价格或可用性推断为事实。指南的基本判断是：当提示词定义清楚用户可见结果、重要约束、可用证据与完成门槛时，模型可以自行选择更高效的搜索、工具调用和推理路径。提示词价值不等于流程指令数量；重复规则、无行为差异的示例、无关工具与相互冲突的约束，都会增加 token 成本并让行为不稳定。
这是一种从“规定每一步怎么做”转向“定义什么算做成”的工程方式。它并不意味着放弃过程控制：安全、业务、证据、权限、工具路由、输出形状和验证要求仍是不可删的契约。区别在于，只有真正不可违反的事项才应使用绝对措辞；面对检索、追问、重试等依赖上下文的判断，应该提供决策规则和最小回退路径。这样既保留 Agent 的自主性，也让越界和提前结束有清楚的判断标准。
详情
起源与背景
随着 Agent 接入越来越多工具，系统提示词常演变成把组织规范、历史补丁、示例、流程、权限和工具细节都塞进同一个前缀。这种做法的风险不只是成本：同一规则在不同段落以略有差异的措辞重复，或“始终”“只能”等绝对指令覆盖了需要现场判断的条件时，模型会把相互冲突的规则都当作硬约束。官方指南因此建议从一个已经能工作的提示词和工具集开始，用同一组代表性评测逐组删除，而不是一次性重写。
指南报告的内部 coding-agent 评测样本显示，较精简的系统提示词配置在不同工作负载中可能同时改善质量与 token、成本；这些区间是方向性证据，不能替代产品自己的评测。这个限定很重要：提示词简化不是固定配方，删除一条规则后是否仍保留安全、正确性、引用与交付质量，必须由真实任务验证。若没有测量，所谓“更短”可能只是少做了本该做的检查。
核心机制 / 工作原理
可以把 GPT-5.6 的提示词契约拆为五块：
- 目标与完成门槛：先描述用户看得见的最终结果，再列出成功条件，例如要完成的动作、必须使用的证据、输出字段和无法继续时所需的最小信息。它让模型知道何时可结束，也避免只有“回答问题”而没有行动完成定义。
- 约束与权限：安全、业务规则、证据标准、数据/外部写入权限、破坏性行为和范围扩张边界应当清楚且集中。安全的本地检查、读取材料、在请求范围内修改和运行非破坏性验证可明确授权；外部写入、购买、删除或重大扩范围则要求确认。
- 工具路由：工具描述应说清用途、适用条件、重要返回字段与失败语义。先决检索或核验是正确性前提时，要显式写出，不能因为最终状态看似明显就跳过。互不依赖的读取可以并行，下一步依赖上一步结果时保持顺序。
- 停止与回退：最少工具循环不是最高优先级；正确性、必要证据、计算和引用不能为减少循环让步。每次结果返回后判断核心请求是否已有足够证据；若缺失，指出具体事实并采用最小有效回退。
- 验证与迭代：代码工作要按风险运行针对性测试、类型检查、lint、构建或最小 smoke test；无法运行时说明原因与下一项检查。提示词迁移则以当前 reasoning effort 为基线，每次只改一个可归因因素，再重跑同一批 eval。
PTC 与直接工具调用的分界
Programmatic Tool Calling 适合程序能够把大量中间结果做过滤、连接、排序、聚合、去重、批量或确定性验证，并输出更小结构化结果的有界阶段。它不等价于“调用次数多”，也不应被用于隐去需要人类语义判断的步骤。直接工具调用更适合单次已足够的读取、会改变下一步决策的结果、需要审批的外部动作、必须保留原生工件或引用的最终答案，以及需要在每一步解释语义和风险的任务。
二者混用时应定义清楚交接点：程序化阶段只缩减可机械处理的记录，回到模型负责审批、语义判断、引用绑定与最终验证。这个分界能防止 Agent 为了“效率”反复切换路线或丢失重要证据。
迁移与评测方法
迁移的推荐次序是先换模型但保留现有 reasoning effort，使用代表性任务建立质量、token、延迟、成本、调用次数和重试次数的基线，然后去掉已无效的脚手架、重复指令和无关工具。若某个真实回归出现，只添加能修正该回归的最小定向指令，并对同一批样本复测。不要将模型、提示词、工具集和推理强度同时大改，否则无法判断变化原因。
在推理强度上，指南建议先检查是不是提示词缺少成功条件、依赖规则、工具路由或验证环，再考虑上调 reasoning effort。高强度推理是质量实验中可能的变量，而不是所有任务的默认解。对需要事实依据的研究类输出，引用行为也应该成为契约：仅引用已检索材料，把引用贴到其支持的主张，区分推断与事实，并在证据不足时缩窄回答而非补写猜测。
应用 / 使用场景
- 将已有 Agent 系统从长而重复的 system prompt 迁移到以成果、约束和验证为中心的规范。
- 为客服、编码、分析或研究 Agent 定义局部自主性：哪些本地检查可直接做，哪些副作用需要停下来确认。
- 为多工具检索流程区分可并行读取、依赖顺序、机械汇总与最终语义判断，减少无效调用。
- 为既有提示词改动建立可复现的 A/B 或回归评测，而不是凭单个示例判断模型是否更好。
局限与注意事项
- 该指南给出的精简收益来自内部样本，工作负载、工具定义和评测口径不同，不能承诺在所有系统复现相同幅度。
- 轻量提示词不能成为删除安全边界、证据要求和验证门槛的理由；被删掉的若是有效约束，质量可能退化。
- 如果业务的真正规则没有被写成可判断的标准，只写“自主”“高效”不会产生可靠行为，反而会放大隐含假设。
text.verbosity用于默认细节层次，仍要用任务提示词说明必须包含的事实、结构和语言；不能把输出长度控制误当作事实约束。
与其他实体的关系
- Prompt分层组合架构 —— 该架构管理稳定与易变提示内容的组织方式；GPT-5.6 指南补充了如何删减冗余并保持契约完整的评测方法。
- Harness-Engineering —— 成功条件、工具路由、权限边界、停止规则和验证循环是 Harness 在模型交互层的具体表达。
- Context-Engineering —— 可用证据、检索预算和上下文加载决定模型依据什么判断；本指南要求把这些前提写成可执行路由，而非泛化描述。
参考来源
- Prompting guidance for GPT-5.6 Sol —— 官方提示词、工具、权限、检索、验证与迁移指导。