OpenAI 的新提示词指南：关注结果，而非分步脚本

OpenAI 发布了一套全新的提示词框架，挑战了传统的“思维链”（chain-of-thought）执念，敦促用户优先考虑结果而非僵化的指令。这一转变标志着向更直观、更侧重推理的交互方式迈进，在这种方式下，模型被赋予了自主权，而不是遵循严格的脚本。

有效提示词的四大基石

OpenAI 并没有提供复杂的 API 参数手册或详尽的架构图，而是将提示词架构简化为四个可选组件：目标 (Goal)、上下文 (Context)、输出格式 (Output Format) 和边界 (Boundaries)。 至关重要的是，这些都不是强制性的。对于简单的查询，简短的提示词往往比过度设计的指令集效果更好。

该指南的核心理念是“从小处着手”。OpenAI 建议用户应以期望的结果为导向，而不是提供一系列细粒度的步骤。通过描述最终目标而非过程，你可以让 GPT-4o 等模型自主地搜索、比较信息并调整其方法。只有当特定的方法论与最终输出同样重要时，才应使用详细的过程描述。

约束重于脚本

对于开发者和高级用户来说，一个主要的启示是：约束比分步脚本更有效。OpenAI 建议不要试图微观管理 AI 的每一个动作，而是实施一两个“硬规则”来防止不当行为。例如，“保持批准的预算数字不变”或“将其作为草稿准备；不要发送”之类的指令。

这种“少即是多”的方法也延伸到了上下文管理。指南建议仅附加那些真正会影响答案的文件——例如 PDF、电子表格或图像。对于高风险的专业工作，OpenAI 建议使用“自我验证”循环，即明确要求模型检查其输出是否存在特定错误，例如确保每个行动事项都有指定的负责人和截止日期。

区分“聊天”与“工作”并增强 Codex

OpenAI 还在正式区分“聊天 (Chat)”与“工作 (Work)”。“聊天”旨在进行快速查询和改写，而“工作”则指代需要从多个来源（如 Gmail、Slack 或 GitHub）提取信息以生成大型交付成果的重型任务。虽然“工作”任务消耗更多的额度，但它们旨在实现复杂、重复工作流的自动化。

对于使用 Codex 的开发者，该指南引入了先进的引导 (steering) 和沙箱 (sandboxing) 功能。用户现在可以使用 "Steer" 命令重定向当前的运行，或使用 "Queue" 命令排队下一个指令。为了管理复杂的编程项目，OpenAI 引入了特定的斜杠命令：

• /plan：在执行前分析代码并提出方案。
• /goal：设定一个高层级目标，模型会在多个步骤中持续跟踪该目标。
• /review：支持本地或集成 GitHub 的安全与逻辑审计。

核心要点

• 优先考虑结果： 从期望的结果开始；只有当特定步骤对任务至关重要时，才定义过程。
• 使用约束而非脚本： 使用硬性边界来防止错误，而不是试图为模型的每一个细微动作编写脚本。
• 利用专用命令： 利用 Codex 的斜杠命令（如 /plan 和 /goal）来管理复杂的多步骤技术工作流。