往期热门文章：
1、工作六年，看到这样的代码，内心五味杂陈...
2、聊聊Mybatis-Plus中的10个坑！
3、为什么 Claude Code 没有一句废话？扒光它的底层提示词，我悟了！
4、面试官尬笑：你说半天就能读完一个开源项目源码，不就是用 AI 吗？我说：是用 DeepWiki，而且是 Codemap 模式！
5、Claude Code、Cursor 和 Codex，到底选哪个？

Prompt 已死，GPT-5.5 官方新的提示词指南发布！

最近流行这样一句话，只要你学的慢，就什么都不用学了。因为，知识落后的太快了。

回想一下 AI 发展初期的盛况，Prompt 提示词盛行，还有不少大佬站台，现在已经很少再听到提示词的声音了。

最近，GPT-5.5 发布后，官方还发布了一个提示词指南https://developers.openai.com/api/docs/guides/prompt-guidance。这份指南的核心信息非常明确：GPT-5.5 不是 GPT-5.4 的“更强版本”，而是一个需要重新调优的“新模型家族”。

下面，我们就来一起看看这份指南透露着哪些秘密。

强调从零开始，反对直接迁移

OpenAI 在指南开头就给出了一个强烈警告。

To get the most out of GPT-5.5, treat it as a new model family to tune for, not a drop-in replacement for gpt-5.2 or gpt-5.4. Begin migration with a fresh baseline instead of carrying over every instruction from an older prompt stack.

这意味着，以前你花几个月精心调优的 prompt，直接搬到 GPT-5.5 上可能表现更差。

结果导向，而非过程导向

告诉它要什么而不是怎么做。过去用 AI 模型，很多人习惯写一长串步骤，手把手教模型该先查什么、再比什么、最后怎么输出。OpenAI 在指南里直接说了，这套玩法过时了。GPT-5.5 的推理能力够强，你只需要描述清楚想要的结果、成功的标准和限制条件，剩下的让它自己规划路径。

指南原话的意思是：以前的模型比较笨，需要你教它每一步怎么走，但对 GPT-5.5 来说，这些啰嗦的指令反而成了干扰，会缩小它的搜索空间，让输出变得死板。

对开发者来说，这意味着需要重新审视手头积攒的提示词模板。以前管用的“保姆式”写法，现在可能适得其反。

旧 prompt 常写“第一步做 X，第二步做 Y”，新指南建议改为描述目标状态、成功标准、约束条件和可用证据，让模型自己选择路径。

旧风格：First inspect A, then inspect B, then compare every field...
新风格：Resolve the customer's issue end to end. Success means: [标准]. Constraints: [限制].

推崇最小有效提示

指南还建议从能维持产品功能的最短 prompt 开始，然后逐步调优。旧模型需要 500+ 字的系统提示来“引导”行为，而 GPT-5.5 的推理能力更强，过长的提示反而会成为噪音，限制模型的搜索空间。

明确的停止规则和检索预算

指南强调要给模型设定何时停止搜索、何时放弃、何时询问用户的规则，避免过度推理和无限工具调用。

Use the minimum evidence sufficient to answer correctly, cite it precisely, then stop.

这相当于给 AI 装上性格和刹车，指南中也花了不少篇幅讲这两件事。

• 一是怎么给模型设定性格（语气、态度、合作方式）

• 二是怎么让它知道什么时候该停

性格设定分两层。一层是“听起来像什么人”，比如热情还是干练、直接还是委婉。另一层是“怎么干活”，比如什么时候该主动提问、什么时候可以自己做主。OpenAI 建议两层都写短，几句话就够。

停止条件可能更实用。指南建议给搜索行为设定“检索预算”，明确告诉模型：搜到什么程度就收手。比如第一次搜索如果已经能回答问题，就别再搜了。只有在核心问题没被回答、缺少关键事实、或用户要求穷尽所有情况时，才允许发起下一次搜索。

这对做客服、做知识问答产品的团队很有参考价值。搜索次数直接关联 Token 消耗和成本，设好预算能省不少钱。

引入新的可控参数

• reasoning_effort：控制推理深度（low/medium/high/xhigh），这是迁移中最关键的调优点。多数场景下 low 配合精简 prompt 效果最好。

• text.verbosity：控制输出冗长度，设为 low 可获得比 GPT-5.4 更简洁的回复。

流式响应的前置更新模式

对于多步骤或工具密集型任务，指南建议在调用工具前先发送 1-2 句话的用户可见更新，说明已收到请求并告知第一步做什么。这能显著改善“模型是不是卡住了”的感知体验。

说白了，GPT-5.5 在开始输出文字之前，可能会在后台默默花时间推理和规划。用户盯着空白屏幕等待的体验很差。指南建议让模型在正式干活之前，先输出一两句话，告诉用户“收到了，我先做这个”。

这不会让任务真的变快，但能让用户觉得响应快了。做过产品的人都知道，感知速度有时候比实际速度更重要。

Prompt 正在贬值

这份指南透露了什么信息？看下面这个表格吧。

信号	解读
模型行为发生质变	GPT-5.5 的推理引擎更激进，对提示词的响应机制与旧模型有本质不同，不是简单的"更大更强"
Prompt Engineering 正在贬值	旧时代的技巧（角色扮演、重复强调、一步步思考、few-shot 示例）不再有效，甚至有害。模型不再需要哄骗和引导
OpenAI 在推自动驾驶范式	指南鼓励用户描述目的地而非画路线图，配合 reasoning_effort 参数，说明 OpenAI 希望模型承担更多自主决策
Agentic 工作流成为核心场景	大量篇幅讨论工具调用、多轮状态管理、phase 值、长运行工作流，说明 GPT-5.5 的设计重心是 Agent 而非聊天
Codex 是官方推荐的迁移工具	OpenAI 提供了 $openai-docs migrate this project to gpt-5.5 命令，让 AI 自动帮你重写 prompt，这本身就说明了迁移的复杂性和必要性

旧 prompt 已死

现在回想一下，我开头提到的那句话。如果我们没学过提示词，那现在也不需要再学了。模型的推理已经足够智能。

这样带来的好处是，我们不需要再写复杂的“咒语”了。直接说清你要什么、给谁看、什么格式，模型就能给出稳定、一致的结果。

需要注意的是，模型对模糊指令的处理变了，以前它会“猜”，现在更可能直接问你。想要创意空间，需要明确授权。

但是，如果你是API 开发者用户，指南建议你必须重新评估所有生产环境的 prompt。最高风险的是那些依赖“越狱式框架”、过度角色扮演、链式思维引导或重复约束的 prompt。

指南给出的迁移 checklist 如下所示。

• 删除冗余目标陈述，只写一次

• 删除 think step by step 等链式思维引导

• 删除重复约束，每个约束只说一次

• 将语气/人格指令移到 system prompt

• 用 Structured Outputs 代替 prompt 里的输出格式定义

• 用 reasoning_effort 和 verbosity 参数替代 prompt 里的行为控制

如果你是Prompt Engineer，指南也给出了如下建议。

• 职业内涵在转变：从“写更复杂的 prompt 来补偿模型缺陷”转向“写更精简的 prompt 来定义目标和约束”。Prompt Engineering 正在从“技巧”变成“工程规范”。

• 新核心能力：设计清晰的成功标准、约束边界、停止规则和检索预算，而不是堆砌示例和角色设定。

如果你管理AI 产品/团队，指南建议关注下面两点。

• 成本结构会变：GPT-5.5 的 token 效率更高（更少重试），但 API 价格更高（输入  30/1M）。精简 prompt + 合理设置 reasoning_effort 是控制成本的关键。

• 需要建立新的评估基线：旧模型的 eval 数据不能直接套用，需要针对 GPT-5.5 重新跑基准测试。

总结

这份指南释放了一个清晰的信号，大模型正在从“需要手把手教的实习生”变成“可以托付任务的高级同事”。你的 prompt 应该从操作手册变成“项目 brief”，定义目标、标准和边界，然后让模型自己找路径。

对于我们使用者来说，这既是好消息（更简单、更稳定），也是挑战（旧经验可能失效，需要重新学习）。最务实的做法是，听 OpenAI 的建议，从最小 prompt 开始，用 Codex 自动迁移工具辅助，针对代表性样本重新调优。

总之，这一切的一切看起来是，有了 Harness Engineering 之后，AI 迎来了全新范式。

往期热门文章：
1、GitHub 榜首竟是个 Markdown 文件，还狂揽 4.5 万 Star

2、强烈建议大家使用 Linux 做开发？

3、Cursor被扒底裤！Claude Code套壳实锤，500亿估值全靠Ctrl+H？

4、Git 诞生 21 周年，1000+ 命令的它是如何变臃肿的？

5、一张图带你搞懂AI圈的那些“黑话”

6、开源 10 天就飙到 4 万星，这个项目收集了 58 个知名网站样式。

7、面试中被嘲笑Token放在Redis里，怎么应对？

8、2小时5万Star！敲10句话去睡觉，AI连夜干出51万行代码霸榜GitHub

9、线上问题定位神器：Arthas，已接入MCP
10、Txt、Word 等用了 30 年，AI 为什么首选 Markdown？