你需要知道的 ChatGPT-5 提示的新规则

https://www.youtube.com/watch?v=iRTK-jsfleg

你已升级到 ChatGPT-5，这是来自 OpenAI 的最先进 AI 模型，期待性能有飞跃。然而，你发现情况相反：你信任的旧提示突然产生了更差的结果。你不是一个人。在其发布后，数百万用户报告输出质量令人沮丧地下降，尽管他们没有改变提示方法。但这正是问题所在。

需要明确的是，ChatGPT-5 是一个客观上更强大的模型。那么，为什么这么多人的性能反而下降了？答案在于 OpenAI 实施的一项根本性架构变更，这使得我们许多旧的提示习惯失效。据估计 95% 的用户 unaware 这一转变，并继续获得低于标准的输出，因为他们使用的语言不再是新模型设计为宽松解读的。

好消息是，这是一个可解决的问题。通过理解这些核心变化并采用一些新技术，你不仅可以修复输出，还能解锁以前模型无法达到的精确度和强大功能。本指南将分解 GPT-5 中的本质变化，并提供五个简单而强大的技巧——按从易到难排序——这些技巧将大幅改善你的结果。

ChatGPT-5 到底发生了什么变化？

核心更新与常见误解

感觉 GPT-5 "变笨了" 是一种常见但错误的副作用，由两项重大的底层更新造成。理解这些变化是掌握新模型的第一步。

1. 模型整合与 "隐形路由器"

以前，ChatGPT Plus 用户可以从仪表板中选择不同的专用模型。OpenAI 现在已将这些整合为仅三个核心选项：GPT-5、GPT-5 thinking mini 和 GPT-5 thinking。虽然这看似是为了更好的用户体验而简化，但它引入了一层新的复杂性：一个隐形的 "路由器"。

可以将这个路由器想象成客户服务调度员。当你提交提示时，该系统会自动决定哪个内部模型最适合处理你的请求。然而，这个路由器并不总是完美运行。如果你像以前一样简单地输入提示并按回车，你可能会被路由到最强大的模型，也可能被发送到更快但能力较弱的模型。由于 更高推理能力的模型对 OpenAI 来说运行成本更高，因此只要可能，就有激励将用户默认路由到 "最快但最笨" 的选项。

2. 外科手术般的精确性：一把双刃剑

第二个重大变化是，GPT-5 在遵循指令方面 vastly 更好。这是一个有意的设计选择，因为 OpenAI 专门针对 AI 代理系统训练了该模型——这些系统需要执行精确的命令而无偏差。例如，如果告诉代理在特定电子表格中插入一行，绝对没有创造性解读的余地。

好消息是，GPT-5 现在以极高的精确度遵循我们的提示。坏消息是，与前代模型不同，当我们的提示模糊或构建不佳时，它在猜测我们意图方面明显更差。该模型不再尝试填补空白或推断你的意图。它会按字面意思理解你的话。这就是为什么旧的、结构较少的提示技术现在产生平庸结果的主要原因。

为什么你旧的 ChatGPT-5 提示技术正在失效

隐形路由器与字面指令遵循的结合意味着，懒惰或模糊的提示现在会受到双重惩罚。首先，一个没有复杂性信号的简单查询更有可能被路由器发送到较低级别的模型，立即限制响应的质量。其次，即使你的查询到达了强大的模型，其模糊性也会被字面解读，导致简单或不完整的答案，因为你未能提供足够的细节或结构。

过去，你可以用一个粗略的想法让 AI 自己解决。有了 GPT-5，责任已经转移。用户现在必须更加明确、结构化和有意图。但通过正确的技术，你可以将这些新规则转化为优势。

解锁 GPT-5 的全部潜力：逐步揭秘

经过一个月的广泛测试，出现了五种关键技术，直接针对 GPT-5 的新架构。这些策略让你重新获得控制权，允许你指定模型的推理深度、输出长度和整体质量。

技巧 1：使用 "路由器推动短语" 实现更深入的推理（低 effort）

这是看到立即改善的最简单、最快的方法。为了对抗隐形路由器倾向于选择较弱模型的问题，你可以在提示末尾添加一个简单的四字短语："Think hard about this"。

这个 "推动短语" 会强制路由器选择更高推理能力的模型。当你看到 "thinking" 指示器时，你就知道它正在工作，这表明模型正在花更多时间处理你的请求。结果输出会更加细致入微，并且通常会包含 "二阶效应"——你自己未曾考虑的关键洞见和后果。对于任何高风险任务，遗漏细节可能代价高昂，触发这种更深入的推理是必不可少的。

虽然有些人建议使用 "this is very important" 之类的短语，但测试表明它们效果较差，因为 "important" 一词模糊。GPT-5 对明确命令响应更好。发现最可靠的触发更深入推理的短语是：

Think hard about this
Think deeply about this
Think carefully

技巧 2：掌握冗长度控制以获得完美长度的输出（低 effort）

除了推理深度，路由器还控制冗长度或输出长度。你可以使用特定短语来指导此设置，以获得你需要的简短或全面的答案。

低冗长度： 当你只需要最关键的信息而无冗余时使用。这非常适合起草给高管的快速 Slack 消息或获得直接答案。

强力短语示例：

Give me the bottom line in 100 words or less. 
Use markdown for clarity and structure.

中等冗长度： 当你需要关键要点以及一些支持上下文时效果最佳，例如向团队解释业务趋势。你需要足够的细节来清晰表达，但又不至于过多而失去他们的注意力。

强力短语示例：

Aim for a concise 3 to five paragraph explanation.

高冗长度： 这非常适合生成全面的文档，如项目简报、研究摘要或参考指南。GPT-5 在遵守特定字数方面也比以前的模型好得多。

强力短语示例：

Provide a comprehensive and detailed breakdown, 600 to 800 words.

技巧 3：利用提示优化器获得完美指令（中等 effort）

你知道 OpenAI 有一个官方工具，专门用于为 GPT-5 重写你的提示吗？提示优化器是一个强大的资源，它通过展示其工作过程来教你如何编写更好的提示。在你输入提示后，它会提供一个优化版本，并解释每个更改背后的理由。

对数百个优化提示的分析揭示了该工具进行的三项一致改进：

• 它添加结构： 它将一段文字分解为逻辑上不同的、带标签的部分。

• 它消除模糊性： 它用明确指令替换模棱两可的语言，例如要求论点基于提供的数据。

• 它添加错误处理： 它包含指令，如果提示包含矛盾或缺少信息，AI 应请求澄清。

虽然官方工具需要单独的开发者账户和支付方式，有一个同样有效的免费变通方法。你可以使用一个 "元提示" 让 ChatGPT-5 为你优化提示。由于 GPT-5 非常擅长批评和改进自己的指令，这效果 remarkably 好。

用于自我优化的元提示模板：

You are an expert prompt engineer specializing in creating prompts for the ChatGPT-5 thinking model. Your task is to take my prompt below and rewrite it to be more structured, explicit, and effective for the GPT-5 architecture. Explain the changes you made and why.

Here's my initial prompt:
[Paste your original prompt here]

技巧 4：使用 "XML 三明治" 构建提示（中等 effort）

如果你使用提示优化器，你会注意到它经常用尖括号包装提示的不同部分，如 <task> 和 <context>。鉴于 GPT-5 对精确性的需求，这种结构现在比以往任何时候都更加关键。

将 XML 标签视为信息的标记框。与其将所有内容倾倒在一个段落中并希望 AI 整理，不如明确标记每个组件：这是背景，这是任务，这是期望的输出格式。

之前（模糊）：

Help me prepare for a product manager interview. Here's my resume and the job description.

之后（XML 三明治）：

<task>
Act as a hiring manager for a product manager role. Based on the provided resume and job description, ask me three challenging interview questions I am likely to face.
</task>

<resume>
[Paste your full resume text here]
</resume>

<job_description>
[Paste the full job description text here]
</job_description>

<tone>
User-friendly and conversational.
</tone>

这种结构化格式帮助 GPT-5 更好地理解任务，从而带来 dramatically 更好的结果。

技巧 5：使用 "完美循环" 强制卓越（高 effort）

这是最先进的技术，最适合保留给复杂的、从零到一的任务，如编写生产就绪的代码或从头创建完成的报告。记住 GPT-5 擅长自我批评？"完美循环" 将这种能力发挥到极致。

与其接受第一稿，不如 upfront 指示 AI 创建自己的卓越定义，根据该标准对其工作进行评分，并内部迭代直到产生最高分的结果。这就像雇佣一位设计师，他创建草稿，根据自己的质量清单打 5/10 分，重新设计到 7/10 分，并不断改进直到交付 10/10 的杰作——这一切都在你看到最终版本之前完成。

完美循环示例：

Write a market analysis report on the enterprise AI industry. Before you begin, develop an internal rubric for what constitutes a world-class market analysis report. Internally iterate and refine the draft until it scores top marks against your rubric. Only show me the final, top-scoring output.

你甚至可以创建一个通用的完美循环指令附加到任何提示上，省去每次编写自定义指令的麻烦。

如何在现实生活中应用这些 ChatGPT-5 提示技巧

这五个技巧的力量在于它们并非互斥；它们设计为可以相互叠加。你可以创建一个超级提示，结合多种技术以获得最大效果。

例如，你可以使用 XML 三明治结构构建提示，在 <output> 标签中包含特定的冗长度控制指令，在末尾添加路由器推动短语以确保深入推理，并将整个命令包装在完美循环指令中。

为了使其适合日常使用，考虑将这些复杂提示模板和强力短语保存在文本扩展器应用程序中。这允许你通过简单的键盘快捷键插入一个完全结构化、优化的提示，实际上为你提供了免费的内置提示优化器，适用于任何任务。

ChatGPT-5 提示的未来：从指令到意图

GPT-5 中的架构变化标志着我们与高级 AI 交互方式的更广泛转变。该模型针对 AI agents 的训练暗示着一个未来，即从简单的、一次性的对话查询转向构建健壮、可重复的系统。

有效的提示越来越不是关于询问一个完美的单一问题，而是关于工程化一个工作流，其中多个提示被链接在一起以实现复杂目标。例如，你可能首先让 AI 分析示例以提取模式，然后让它在小批量上测试这些模式，最后才在完整数据集上释放它。这种有条不紊的结构化方法是利用下一代 AI 的关键。

结论：掌握 ChatGPT-5 的关键要点

如果你的 ChatGPT-5 提示感觉不对劲，这不是模型的失败，而是未能适应其新的操作原则。模糊、对话式提示的时代已经结束，取而代之的是一个奖励结构、精确性和明确性的新范式。

关键要点是：

• 承认变化：GPT-5 的新路由器和字面指令遵循能力 是旧提示结果不佳的根本原因。

• 明确表达： 使用 "推动短语" 如 "think hard about this" 来要求模型进行更深入的推理。

• 控制输出： 掌握冗长度短语以获得你所需的确切长度和详细程度的答案。

• 结构为王： 采用 "XML 三明治" 格式，为 AI 清晰分离上下文、任务和其他提示组件。

• 自动化卓越： 对于关键任务，使用 "完美循环" 强制模型自我批评和迭代，直到达到世界级结果。

通过拥抱这些新规则，你可以将 ChatGPT-5 从一个令人沮丧的黑匣子转变为一个可预测、外科手术般精确的工具，持续提供卓越结果。

关于 ChatGPT-5 提示的常见问题 (FAQ)

1. ChatGPT-5 中影响我提示的最大变化是什么？

两个最重要的变化是引入了 "隐形路由器"，它选择一个模型来处理你的请求，以及 模型新的、超字面的指令遵循能力。这意味着模糊的提示可能被发送到较弱的模型，并且不再通过推断意图来解读，往往导致更差的结果。

2. 如何让 ChatGPT-5 给出更详细的答案而不至于太长？

最好的方法是使用中等冗长度控制短语。例如，在提示中添加

Aim for a concise 3 to five paragraph explanation

。这给 AI 一个清晰的目标，提供上下文和关键要点，而不会创建过长的文档。

3. 如果我使用旧提示，ChatGPT-5 是否真的比 GPT-4 差？

是的，即使 GPT-5 是一个更强大的模型，使用旧提示也可能获得更差的结果。这是因为 GPT-5 对模糊或构建不佳的提示不太宽容，并且不太可能 "猜测" 你的意思，而以前的模型在这方面做得更好。现在需要精确性和结构。

4. 今天开始改善我的 ChatGPT-5 提示的最简单方法是什么？

最简单、最低 effort 的技术是在高风险提示的末尾添加一个 "路由器推动短语"。只需附加 "Think hard about this" 就可以强制 AI 使用更高推理能力的模型，并提供更周到、细致的答案。

5. 使用 GPT-5 等模型的提示未来会是什么样子？

未来正在从单一的、一次性的提示转向构建结构化工作流 或提示系统。因为 GPT-5 是针对 AI 代理训练的，新前沿是将多个精确命令链接在一起，以可靠且重复地完成复杂的、多步骤任务。