GPT-6.2 提示词减少追问和过度测试
OpenAI 为 Astra 和 Sol 提供了新提示词模板,针对回答过短、频繁追问和编程时过度测试的问题。通过 API 编辑对话历史可能丢失推理内容,影响后续回答。
AI 深度解读
换到 GPT-6.2 Astra 或 Sol,旧系统提示词里最该先检查的是「回答简洁」和「等用户确认」。OpenAI 观察到 Astra 默认写得更短,而 GPT-6.2 遇到模糊需求时,有时会给出下一步计划,然后停下来等回复。新模板要求把交付标准写清楚,并让模型在授权范围内做可撤回的决定,把工作推进到验证。
对接了 Responses API 的团队还得检查会话逻辑。编辑历史消息可能清掉先前的推理内容,影响回答质量和 token 用量。这个变化需要查请求链路,光改提示词解决不了。
回答已经够短,提示词该约束什么?
按 OpenAI 的描述,Astra 比早期模型写得更短、更直接。如果系统提示词还叠着几条「简洁」「只说重点」,可以把其中一条换成交付要求。比如,代码评审的最终回复要交代改了什么、验证了什么、还有什么没确认。模型仍然可以写得短,读者也能据此判断改动能不能合入。
OpenAI 的模板建议沿用用户和来源材料里的术语,用主动语态,把关键结论放前面。写给外部读者时,要补上他们做判断所需的背景。编辑已有材料时,要保留作者的意思和措辞。这几条分别约束用词、信息顺序和编辑幅度,比笼统地要求「像同事一样说话」更容易检查。
长任务还有一个具体问题。模型有时会把推理、工具调用或子代理消息里的临时简称带进最终回复。界面可能折叠中间进度,用户打开结果时只看到最后一条。模板因此要求最终答复能独立读懂,按读者需要重写。对 AI 编程工具来说,即使中间消息已经报过测试结果,最终交付也应带上影响验收的验证结论。
哪些决定可以交给模型,哪些要留给人?
OpenAI 建议把「什么时候提问」写进系统提示词。任务范围内还有已授权的操作,就继续做。需求缺一个细节,而这个细节可以用可撤回的假设补齐,就说明假设并推进。遇到范围明显扩大、实际阻塞、必须由用户拍板的决定,或不可逆及破坏性操作,再停下来确认。OpenAI 还称,提高推理强度有助于模型在长任务里做完最终检查,报道未给出收益幅度。
落实到代码上,新模板要求优先复用仓库已有的类、方法、数据表示和 API,同时保住调用方依赖的行为。添加新测试有三个触发条件:用户要求、仓库规定,或现有测试漏掉了一个需要捕捉的具体回归。运行已有测试仍可作为交付验证。模板也提醒,压缩行数、缩短变量名和堆单行表达式,可能让代码更难读。引入辅助函数或类之前,先看它是否真的降低了理解成本。
前端任务则适合把图片和字体偏好直接写明。模板默认偏好用生成或搜索获得的写实图片,收到明确要求时才用 SVG。它也要求删掉装饰性编号、凑数的徽章,以及复述界面信息的辅助文案。团队已有设计系统的话,直接指定可用字体、图标和素材,模型就有现成约束可循。
编辑历史消息,为什么会让 API 重做推理?
从 GPT-6.2 开始,Responses API 在编辑会话历史、切换到某些其他模型,或变更终端用户或组织时,会丢弃先前的推理内容。用户在前端改了一条旧消息,界面看起来仍是同一段对话,后端这次请求却可能需要重做一部分推理。OpenAI 提到两种后果:token 用量可能上升,回答质量也可能受影响。报道没有列出哪些模型切换会触发,也没有给出额外开销的量级。
参数也要一起迁移。OpenAI 建议新集成从 medium 推理强度起步,已有配置若用 none 或 minimal,则迁到 low。temperature 和 top_p 已不受支持。GPT-6.2 Astra 和 Sol 于 11 月 17 日发布,Astra 的 API 价格为每百万输入 token 8 美元、每百万输出 token 40 美元。OpenAI 将 Astra 定位于要求最高的任务,将 Sol 定位于成本较低的复杂工作。报道未给出 Sol 的具体报价,也没有给出两者完成同一任务的成本对照。
我的判断
提示词里最有用的是写清楚「做到哪一步算完成」。告诉模型要跑完仓库已有检查,并交代结果,比泛泛要求它主动更容易验收。可撤回的实现选择可以交给模型,前提是团队已经写清楚它能改哪些文件、能调用哪些工具。权限范围含糊时,单靠一句「继续做」很难稳定减少来回确认。
OpenAI 报告了它在两款模型上观察到的行为。关于代码更高效、提高推理强度更容易做完检查等判断,报道没有提供任务样本、对照数据或量化结果,适合当成迁移时待验证的经验。另一方面,少写新测试只是模板默认值。对权限判断、数据迁移等改动,团队原有的回归要求仍应写进仓库规则。原文也回顾了另一种做法:OpenAI 在 GPT-5.5 时建议重写旧提示词栈,从短小、面向结果的指令起步。对已经维护了多层提示词的团队,先用同一批任务比较旧配置和精简配置,比把官方整套模板再叠一层更容易看出哪条指令起了作用。
能拿来做什么
- 从日常 AI 编程任务中挑几条,用同样的输入对比迁移前后的提示词,记录模型中途提问了几次、有没有跑完已有检查,以及最终回复单独读起来能否用于验收。
- 在仓库指令里写明可自行决定的实现细节、必须确认的操作,以及哪些改动需要新增回归测试。前端任务有设计系统时,把素材、字体和图标规则一起交给模型。
- 检查 Node 服务的请求构造,移除传给 GPT-6.2 的
temperature和top_p。分别测正常续聊、编辑旧消息和业务实际支持的切模路径,记录 token 用量和回答质量,再决定默认推理强度和模型。