OpenAI GPT-5 指南：智能体工作流与代码开发新范式

OpenAI 发布了一份针对其最新大型语言模型 GPT-5 的详尽提示工程指南，深入阐述了如何利用其能力进行智能体工作流和高级编码应用。这份指南整合了 Cursor 代码编辑器集成所获得的经验教训，强调了 GPT-5 在复杂工具使用、精确指令遵循以及理解超长上下文方面的基础训练，使其成为构建自主 AI 智能体的理想选择。

对于智能体应用——即 AI 模型主动发起并执行多步骤任务的场景——OpenAI 推荐使用新的 Responses API。该 API 旨在在连续的工具调用之间保留模型的内部推理过程，显著提高效率和输出质量。OpenAI 的数据显示，仅通过从传统聊天补全（Chat Completions）切换到 Responses API 并使用“previous_response_id”参数传递先前的推理，就将交易领域的 Tau 基准分数从 73.9% 提升到了 78.2%。保持这种推理上下文不仅节省了处理令牌，还确保了计划在多次工具交互中得到一致遵循，从而带来更好的性能并减少延迟。

GPT-5 的“智能体主动性”（即其主动采取行动的倾向）可以通过提示工程和一个新的“reasoning_effort”参数进行微调。降低此参数会减少模型的自主性，而设定明确的上下文搜索标准并限制工具调用次数（例如，限制为两次）则能提供更大的控制，包括在存在不确定性时模型仍可继续执行的选项。相反，为了鼓励更大的主动性，指南建议增加推理努力（reasoning effort）并添加明确的持久化指令，以最大程度地减少不必要的澄清问题。它还建议建立明确的停止条件，区分安全和有风险的操作，并定义何时应将任务交还给人类用户的阈值。例如，在购买或支付流程等敏感场景中，建议用户干预的阈值应低于简单的搜索；在编程任务中删除文件应比基本文本搜索需要更多的谨慎。对于更长、多阶段的任务，GPT-5 经过训练，能够在开始时概述其计划，然后提供简洁的进度更新。这些更新的频率、风格和内容可以通过提示完全自定义，从简单的目标转述到结构化计划、顺序状态消息和全面的最终报告。OpenAI 还建议将高度复杂的任务分解为更小、可管理的分任务，分多个智能体轮次进行。

OpenAI 将 GPT-5 定位为软件开发的强大助手，能够处理大型代码库、调试、处理重大代码更改、执行多文件重构、实现重要新功能，甚至从零开始生成整个应用程序。对于新的 Web 应用程序开发，OpenAI 建议采用特定的技术栈，包括 Next.js (TypeScript)、React、HTML、Tailwind CSS、shadcn/ui、Radix Themes、流行的图标集、Motion 动画库以及各种现代字体。对于新的“绿地项目”（greenfield projects），指南提出了一种提示模式，即模型首先建立一套内部质量标准（通常是五到七个类别），然后迭代地完善其输出，直到所有标准完全满足。在进行增量更改或重构现有代码时，GPT-5 的修改旨在无缝集成。指南强调了明确反映代码库现有技术设置的重要性，包括其指导原则、目录结构和 UI/UX 规则。OpenAI 提供了清晰度、复用性、一致性、简洁性和视觉质量等示例原则，以及涵盖排版、颜色、间距、状态指示器和可访问性的技术栈标准和 UI/UX 指南。

通过 Cursor 代码编辑器的早期测试，获得了关于 GPT-5 行为的宝贵实际洞察。Cursor 旨在平衡模型的自主性与长任务中状态消息的简洁性。最初，GPT-5 在工具调用中生成过于详细的状态更新，同时生成过于简洁的代码，有时甚至使用单字母变量名。Cursor 通过将全局“verbosity”API 参数设置为低来解决此问题，同时在代码工具内部专门提示模型提供更详细的信息，指示其“首先为清晰性编写代码……在编写代码和代码工具时使用高详细度（verbosity）。”这种方法实现了简洁的状态和摘要消息，同时确保了高度可读的代码更改。Cursor 团队还观察到 GPT-5 有时会提出不必要的后续问题。提供关于撤销/拒绝功能和用户偏好更精确的上下文有助于减少这些中断，使模型能够主动应用更改并提交审查，而不是寻求事先批准。另一个关键发现是，对早期模型有效的提示有时会在 GPT-5 中触发过多的工具调用。通过减少这些“过度彻底”的指令，GPT-5 更善于辨别何时利用其内部知识以及何时利用外部工具。使用结构化的、类似 XML 的规范进一步改进了指令遵循，用户可配置的 Cursor 规则提供了额外的控制层。

除了“reasoning_effort”之外，GPT-5 还引入了一个新的“verbosity”API 参数，该参数独立控制最终答案的长度。虽然可以设置全局详细度值，但也可以根据需要进行覆盖，从而实现简洁的状态消息和详细的代码输出（如在 Cursor 集成中所示）。GPT-5 还支持“最小推理（minimal reasoning）”模式，该模式旨在实现最大速度，同时保留其底层推理范式的优势。OpenAI 建议此模式的提示以简短的理由开头，在工具调用前包含清晰的状态更新，提供明确且持久的工具指令，并鼓励智能体在交还任务之前完全完成任务。对于从 GPT-4.1 迁移的用户，OpenAI 指出了其先前指南中概述的模式。然而，OpenAI 警告称，GPT-5 在指令遵循方面极其字面化，模糊或矛盾的提示可能会扰乱其推理过程。为了帮助用户避免这些陷阱，OpenAI 提供了对其提示优化器（Prompt Optimizer）的访问权限，该工具旨在标记不一致和不明确的指令。