随着 GPT-5 的推出，开发者在代码编写和工具使用中可以获得更强大的支持。然而，和以往的模型相比，GPT-5 在提示词设计（prompting）上也有一些新的特点与最佳实践。本文将系统总结如何在编程场景中更好地使用 GPT-5，帮助你提升效率与产出质量。
1. 明确表达，避免矛盾信息
GPT-5 在指令跟随方面有显著提升，但如果提示词中出现模糊或相互冲突的要求，它可能会陷入困境。尤其是在 .cursor/rules 或 AGENTS.md 这类规则文件中，应尽量保持指令一致、清晰，避免含糊或冲突的表达。
2. 使用合适的推理力度
无论多么简单的任务，GPT-5 都会进行一定程度的推理。为了获得最佳结果，应当根据任务复杂度选择合适的推理力度：
-
• 复杂问题：提高推理力度，让模型更深入思考。 -
• 简单问题：降低推理力度，或使用 medium、low 等较低水平，避免模型“想得太多”。
3. 用类 XML 语法组织提示词
实践表明，GPT-5 在结合 Cursor 使用时，如果采用 XML 风格的结构化语法，能更好地理解上下文。例如：
<code_editing_rules>
<guiding_principles>
– 每个组件应具备模块化与可复用性
– ...
</guiding_principles>
<frontend_stack_defaults>
– 样式：TailwindCSS
</frontend_stack_defaults>
</code_editing_rules>
这种方式能让模型明确区分不同的指导规则，减少歧义。
4. 避免过于强硬的语言
在旧模型中，我们常常会写类似这样的提示：
Be THOROUGH when gathering information. Make sure you have the FULL picture before replying.
在 GPT-5 中，这种过于强硬的语气可能导致模型过度执行，反而降低效果。比如，它可能在调用工具时过度追求全面，增加不必要的复杂性。建议保持语气明确，但不要“命令式”。
5. 给模型留出规划与自我反思空间
如果你在构建从零到一的应用，可以先让模型进行自我反思（self-reflection），再进入方案生成阶段。例如：
<self_reflection>
– 首先，创建一个理想的评估标准，包含 5-7 个关键类别。
– 然后，基于该标准进行深度思考与迭代，直到答案能够覆盖全部关键点。
– 最终，利用反思过程优化方案，而不必向用户显式展示这一过程。
</self_reflection>
这种方法能帮助 GPT-5 输出更全面、合理的解决方案。
6. 控制模型的“过度积极”
GPT-5 默认在信息收集时非常积极，会倾向于全面覆盖。但在实际应用中，开发者可以通过提示来约束其行为：
-
• 设定工具调用的“预算”（调用频率与范围）； -
• 指定哪些场景下需要更彻底的信息收集； -
• 规定何时应当回报进度，何时可以自行假设并执行。
例如：
<persistence>
– 不要让用户反复确认或澄清，必要时可自行假设。
– 做出合理假设后，先执行，再在结果中备注假设条件。
</persistence>
通过这种方式，可以在“周全”与“高效”之间取得平衡。
总结
GPT-5 的强大不仅体现在推理和生成能力上，更体现在它如何理解并执行开发者的提示。若能在提示词中做到：
-
1. 明确、无矛盾； -
2. 合理设定推理力度； -
3. 使用结构化语法； -
4. 避免过于强硬的语气； -
5. 留出规划与反思空间； -
6. 控制其积极程度。
那么，你就能充分发挥 GPT-5 在编程中的潜力。
在实际工作中，这些方法不仅能提高模型产出的准确性，还能帮助团队在自动化开发、Agent 构建等复杂任务中大幅提升效率。