# OpenAI GPT-5.5 提示指南：分步教程

通过本实用教程，掌握 OpenAI 官方的 GPT-5.5 提示指南。学习精简的结果导向提示、新参数设置、代码示例及迁移技巧，获得卓越效果。

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

Language: zh

Published: 2026-04-30

Updated: 2026-04-30

## 准备工作

在开始之前，请确保您具备：

- **OpenAI API 密钥**，并拥有 `gpt-5.5` 的访问权限（如需注册，请访问 platform.openai.com）。
- 已安装 Python 3.10 或更高版本。
- 已安装最新的 OpenAI Python SDK：运行 `pip install openai`。
- 具备基本的 API 知识（聊天补全或响应 API）。

GPT-5.5 已在 API 中提供，支持高达 100 万以上的上下文 token、结构化输出以及 `reasoning_effort` 和 `text.verbosity` 等新控件。

## 第一步：更新您的模型和环境

切换到 `gpt-5.5` 并设置一个基本客户端。来自 GPT-5 或更早版本的旧提示往往表现不佳——请从新开始。

```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)
```

**预期输出**：简洁、直接的响应。没有冗余内容。

## 第二步：学习核心原则——结果导向提示

GPT-5.5 在您描述**期望结果**、成功标准、约束条件和可用证据时表现最佳——然后让模型选择路径。放弃冗长的分步指令链。

**不佳（旧式风格）**：
```
首先阅读政策，然后检查账户数据，接着比较字段，再决定...
```

**良好（GPT-5.5 风格）**：
```
端到端地解决客户问题。

成功意味着：
- 资格决定仅使用可用政策和账户数据
- 任何允许的操作在响应前完成
- 最终答案包括：completed_actions、customer_message、blockers
- 如果证据缺失，请求提供所需的最小字段
```

立即测试此模式——它能减少干扰并提高准确性。

## 第三步：定义个性和协作风格

GPT-5.5 默认风格是高效且任务导向的。对于对话式应用，添加简短的性格描述块。

```markdown
# 性格
您是一位能干的协作者：亲和、稳重、直接。假设用户是专业的。保持简洁但不生硬。在专业范围内匹配用户的语气。
```

将此内容添加到您的系统提示开头。保持在 150 词以内。对于表达性强的助手，可明确添加温暖或好奇特质。

## 第四步：添加前言以获得更好的用户体验

对于多步骤或使用工具的任务，告诉模型先发送一个简短的可见更新：

```
在为多步骤任务进行任何工具调用之前，发送一个简短的用户可见更新，确认请求并说明第一步。保持在一两句话以内。
```

这能提升流式应用中的感知速度。可结合响应 API 用于有状态的工作流。

## 步骤五：利用新参数实现控制

在 API 调用中使用以下参数：

- `reasoning_effort`：可选 `none`（最快）、`low`、`medium`（默认）、`high`、`xhigh`
- `text.verbosity`：`low` 用于简洁输出，`medium`（默认）用于平衡输出

**示例代码**：

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

response = client.chat.completions.create(
    model="gpt-5.5",
    messages=[{
        "role": "system",
        "content": "你是一个有用的编程助手。"
    }, {
        "role": "user",
        "content": "用 Python 实现一个快速斐波那契函数。"
    }],
    reasoning_effort="low",      # 处理简单任务时更快速
    temperature=0.7,
    max_tokens=500
)
print(response.choices[0].message.content)
```

**预期效果**：输出简短直接的代码，除非设置更高详细度，否则解释说明会降到最低。

## 步骤六：添加停止条件和证据规则

通过显式停止规则防止过度思考：

```
以最少的有用步骤解决问题。
每个工具调用后自问：“我现在能否基于已有证据回答核心问题？”如果是，立即输出最终答案。
使用最少但充分的证据；精确引用来源。
```

这对智能体或长时间运行的任务至关重要。

## 步骤七：测试、迭代并使用结构化输出

务必进行基准测试：
1. 用新旧两种风格分别运行10个代表性提示
2. 评估输出质量、token用量和延迟时间
3. 优先使用 `response_format={ "type": "json_schema", ... }` 而非提示中描述的JSON格式，确保结构一致性

结构化输出调用示例：

```python
response = client.responses.create(
    model="gpt-5.5",
    input="从这段文本中提取姓名和邮箱：...",
    text_format={"type": "json_schema", "schema": {...}}
)
```

## 常见问题与故障排除

- **效果不如 GPT-5？** 原有提示过于详细。请精简过程步骤，只保留结果要求。
- **过度思考/延迟过高？** 将 `reasoning_effort` 降至 `low` 并强化停止条件。
- **响应过短？** 设置 `text.verbosity: "medium"` 或添加“简要解释你的推理过程”。
- **工具调用失败？** 将引导说明移至工具描述中，而非主提示。
- **日期识别问题？** 删除所有“当前日期”行——GPT-5.5 默认知晓 UTC 时间。

在生产环境部署前，请务必在小规模测试集上运行评估。

## 后续步骤

- 在 OpenAI 控制台中查阅完整官方指南
- 尝试 Codex 迁移技能：`$openai-docs migrate this project to gpt-5.5`
- 使用 Responses API 构建小型智能体，测试前置提示和个性设置
- 监控 token 成本——GPT-5.5 鼓励使用最简提示

立即应用这些模式，你将见证工作流程变得更快速、更经济、更可靠。