# OpenAI GPT-5.5 提示指南：逐步教學

透過本實用教學掌握 OpenAI 官方 GPT-5.5 提示指南。學習簡潔的成果優先提示、新參數、程式碼範例與遷移技巧，以獲得卓越成果。

Canonical URL: https://a2a-mcp.org/blog/openai-gpt-5-5-prompt-guide-tutorial-zh-TW

Language: zh-TW

Published: 2026-04-30

Updated: 2026-04-30

## 前置條件

在開始之前，請確保你具備：

- **OpenAI API 金鑰**，且具有存取 `gpt-5.5` 的權限（如有需要，請至 platform.openai.com 註冊）。
- 已安裝 Python 3.10 或更高版本。
- 最新的 OpenAI Python SDK：執行 `pip install openai`。
- 基本的 API 知識（聊天完成或 Responses API）。

GPT-5.5 已在 API 中提供，支援高達 100 萬以上的上下文詞元（tokens）、結構化輸出，以及新的控制項，如 `reasoning_effort` 和 `text.verbosity`。

## 步驟 1：更新你的模型與環境

切換到 `gpt-5.5` 並設定基礎用戶端。來自 GPT-5 或更早版本的舊有提示（prompts）通常表現不佳，建議重新開始。

```bash
pip install --upgrade openai
```

```python
from openai import OpenAI
client = OpenAI(api_key="your-api-key-here")

response = client.chat.completions.create(
    model="gpt-5.5",
    messages=[{"role": "user", "content": "Test prompt"}]
)
print(response.choices[0].message.content)
```

**預期輸出**：簡潔、直接的回應。沒有冗餘內容。

## 步驟 2：學習核心原則——結果導向的提示工程

當你描述**期望的結果**、成功標準、限制條件以及可用的證據，然後讓模型選擇路徑時，GPT-5.5 表現最佳。拋棄冗長的逐步指示鏈。

**不佳（舊有風格）**：
```
首先閱讀政策，然後檢查帳戶資料，接著比對欄位，最後決定...
```

**良好（GPT-5.5 風格）**：
```
端到端地解決客戶的問題。

成功的標準意味著：
- 資格判定僅使用可用的政策和帳戶資料
- 任何允許的動作在回應前已完成
- 最終答案包含：completed_actions、customer_message、blockers
- 若證據缺失，則詢問所需的最小欄位
```

立即測試此模式——它能減少雜訊並提高準確性。

## 步驟 3：定義個性與協作風格

GPT-5.5 預設為高效且任務導向。對於對話式應用，請加入簡短的個性描述區塊。

```markdown
# 個性
你是一位能幹的協作者：平易近人、沉穩且直接。假設使用者是能勝任的。保持簡潔但不失禮貌。在專業範圍內與使用者的語氣相匹配。
```

將此內容置於你的系統提示（system prompt）開頭。請將其保持在 150 字以內。對於富有表現力的助理，請明確添加溫暖或好奇的特質。

## 步驟 4：添加前導說明以提升使用者體驗

對於多步驟或使用工具（tool-using）的任務，請告知模型先發送一個簡短的可見更新：

```
在為多步驟任務進行任何工具調用（tool calls）之前，先發送一個簡短、使用者可見的更新，該更新需確認請求並陳述第一步驟。請保持在一到兩句話內。
```

這能提升串流應用中的感知速度。可與 Responses API 結合，用於有狀態的工作流程。

## 步驟 5：利用新參數進行控制

在您的 API 調用中使用以下參數：

- `reasoning_effort`: `none`（最快）、`low`、`medium`（預設值）、`high`、`xhigh`。
- `text.verbosity`: `low` 用於簡潔輸出，`medium`（預設值）用於平衡輸出。

**示例代碼**：

```python
from openai import OpenAI
client = OpenAI()

response = client.chat.completions.create(
    model="gpt-5.5",
    messages=[{
        "role": "system",
        "content": "You are a helpful coding assistant."
    }, {
        "role": "user",
        "content": "Implement a fast Fibonacci function in Python."
    }],
    reasoning_effort="low",      # 適用於簡單任務，速度更快
    temperature=0.7,
    max_tokens=500
)
print(response.choices[0].message.content)
```

**預期行為**：除非您設置了更高的詳細程度，否則輸出將是較短、直接的代碼，並帶有最少的解釋。

## 步驟 6：添加停止條件與證據規則

使用明確的停止規則防止過度思考：

```
以最少有用的步驟解決。
在每次工具結果後，詢問：「我現在能否用證據回答核心請求？」如果可以，請立即輸出最終答案。
使用足夠的最少證據；精確引用。
```

這對於代理或長時間運行的任務至關重要。

## 步驟 7：測試、迭代並使用結構化輸出

始終進行基準測試：
1. 使用新舊風格運行 10 個代表性提示。
2. 測量輸出品質、令牌使用量和延遲。
3. 相對於提示中描述的 JSON，更推薦使用 `response_format={ "type": "json_schema", ... }` 以確保結構。

結構化輸出調用示例：

```python
response = client.responses.create(
    model="gpt-5.5",
    input="Extract name and email from this text: ...",
    text_format={"type": "json_schema", "schema": {...}}
)
```

## 常見問題與疑難排解

- **結果比 GPT-5 差？** 您的舊提示過於詳細。刪除過程步驟，僅保留結果要求。
- **過度思考 / 高延遲？** 將 `reasoning_effort` 降低至 `low` 並加強停止條件。
- **回應太短？** 設置 `text.verbosity: "medium"` 或添加「簡要解釋您的推理」。
- **工具調用失敗？** 將指導移至工具描述中，而非主提示。
- **日期感知問題？** 移除任何「當前日期」行 — GPT-5.5 預設知道 UTC。

在投入生產前，先在小型測試集上進行評估。

## 後續步驟

- 在您的 OpenAI 儀表板中探索完整的官方指南。
- 嘗試 Codex 遷移技能：`$openai-docs migrate this project to gpt-5.5`。
- 使用 Responses API 構建一個小型代理，並測試前導指令與個性化設置。
- 監控令牌成本 — GPT-5.5 獎勵簡潔的提示。

立即應用這些模式，您的流程將變得更快、更便宜且更可靠。