OpenAI 上周更新了 GPT-5.6 Sol 的提示词指南，文档挂在开发者站点，标题很朴素，叫 Prompting guidance for GPT-5.6 Sol。
https://developers.openai.com/api/docs/guides/prompt-guidance-gpt-5p6
看完之后我的感受是，这份指南表面在讲怎么写 prompt，实际在讲一件更大的事：模型变强以后，人应该怎么退后一步。
文档开篇那句话我印象很深，原话大意是希望提示词只交代目标、约束、可用证据和完成标准，然后把路径选择权交给模型，官方原文用的说法是 leave room for the model to choose an efficient path。
精简之后，效果反而更好
文档里给了一组内部测试数据，把冗余的系统提示词精简之后，在编码类 agent 的评测里，效果反而提升了一成左右。
同时token 消耗砍掉了将近一半，成本也跟着降下来。官方也提醒这个数字因任务而异，不能照搬，但方向很清楚：写得多不等于控得住，很多时候是在帮倒忙。
哪些该删，哪些该留
具体怎么精简，文档给了一套挺实用的取舍标准。
先说该删的。同一条规则反复强调、不影响行为的示例、模型已经能稳定完成的步骤说明、跟当前任务无关的工具描述，这些都可以砍。
很多人写 prompt 的习惯是怕模型漏掉什么就多写一句，结果写出一堆自己都记不住的规则，模型反而在这些规则里打架。
该留的东西恰恰相反，是结果长什么样、什么算做完、有哪些不能碰的红线、工具怎么选、输出格式什么样。
换句话说，把终点和边界讲清楚，中间怎么走交给模型自己判断。
一个例子：客服场景的对比
举个例子比较直观。假设要写一个处理客户售后问题的 prompt，老式写法可能是先查订单、再查物流、再判断退款政策、再给出话术，一步一步列清楚。
新的写法更像是：把这个问题解决到底，判断依据要来自订单和政策记录，能执行的操作要在回复前完成，如果关键信息缺失就只问缺的那一项。
步骤没有了，但目标、判断依据和收尾条件都在，模型自己决定先查什么后查什么，通常还更快。
停止条件和自主权分层
文档里还专门提到停止条件和自主权分层，这两点我觉得对做 AI agent 或者写 AGENTS.md 的人特别有用。
以前很多团队写权限规则是每一步都加一句先问我，结果模型该干的活也停下来等确认，体验很差。
更合理的做法是分层说清楚：哪些是只读和排查类的动作可以直接做，哪些是修改和构建类的动作可以直接做完并跑一遍验证，哪些是涉及外部写入、不可逆、超出范围的动作必须停下来确认。
分好层之后，规则只需要写一遍，不用每句话都加一遍先问我。
工具调用与证据处理
工具调用也是同理。文档建议只暴露当前任务真正需要的工具，工具描述要写清楚什么时候用、返回字段是什么、出错了怎么办。
如果几个查询互相不依赖，就应该并行，而不是死板地一个接一个来；如果后一步依赖前一步的结果，才需要顺序执行。
这种判断以前很多时候是靠模型硬猜，现在指南建议直接在 prompt 里把判断逻辑写清楚。
还有一点容易被忽略，就是证据不足不等于答案是否定的。
文档特别强调，检索不到信息的时候，模型应该说明缺了什么、给出能给的部分，而不是想当然地下一个否定结论。这在做知识库问答或者客服场景的时候尤其重要。
一个可以直接拿去用的骨架
文档最后给了一份复杂任务的提示词骨架，思路是每一部分都尽量短，只在真正影响行为的地方才展开。按同样的逻辑整理成中文，大概是这样：
Role: [the model's function and context]
Personality: [tone and collaboration style]
Goal: [user-visible outcome]
Success criteria: [what must be true before the final answer]
Constraints: [policy, safety, business, evidence, and side-effect limits]
Tools: [which tools to use, when, and what not to use]
Output: [sections, length, format, and tone]
Stop rules: [when to retry, fallback, abstain, ask, or stop]
八个部分，每部分一两句话就够，写多了反而稀释重点。手头有复杂一点的 agent 任务时，可以直接套这个框架，再按自己的场景填内容。
写在最后
对做 AI 应用和写 agent 配置的人来说，这份指南背后其实是一个更大的趋势判断：模型越强，过度规定流程反而是一种拖累。
真正值钱的是把任务契约写清楚，包括目标、验收标准、权限边界、验证方式，剩下的路交给模型自己走。
如果你现在手头正好有一份用了很久的系统提示词，可以试着做个小实验：挑一组重复的规则删掉，跑一遍原来的测试用例，看看效果和 token 消耗有没有变化。
往往会有意外的发现。