# 策展 · X (Twitter) 🔥🔥

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 作者：CodeAlpha (@RealCodedAlpha) · 平台：X (Twitter) · 日期：2026-07-13

> 原始來源：https://x.com/RealCodedAlpha/status/2075912530988536301

## 中文摘要

OpenAI 發布 GPT-5.6 官方指南，建議使用者簡化 Prompt 並聚焦於任務目標與完成標準。

OpenAI 透過官方指南指出，GPT-5.6 在理解上下文、判斷任務目標及所需工作量上已有顯著提升。過去常見的「角色扮演」或「多輪思考」等繁瑣過程控制已不再必要，過長的 Prompt 反而會降低模型表現。根據內部針對 Coding Agent 的測試，精簡指令後 Eval 分數可提升約 10%—15%，同時能減少 41%—66% 的 token 用量及 33%—67% 的成本。

**Prompt 優化策略**
OpenAI 建議使用者應刪除無法驗證的形容詞（如「深入」、「專業」）、重複的規則、不必要的思考流程以及無實質影響的角色設定。核心原則為：減少過程控制，轉而明確定義背景、硬性限制、權限邊界與完成標準。

**推薦的 Prompt 結構框架**
為了提升效率，建議採用以下五個維度的結構來組織 Prompt：
- **Context**：完成任務必須知道的資訊（如目標讀者、輸入資料、時間範圍）。
- **Request**：最終目標、具體任務與完成標準。
- **Output Format**：交付格式（如 Markdown、字數限制、引用規範）。
- **Constraints**：事實範圍、權限邊界與禁止事項。
- **Checkpoint**：定義何時繼續執行，以及何時因風險或資訊不足而停止。

**模型選擇與推理設定**
針對不同應用場景，OpenAI 提供了三種模型選擇與推理參數建議：
- **模型選擇**：
    - `GPT-5.6 Sol`：旗艦能力，適用於困難且錯誤代價高的任務。
    - `GPT-5.6 Terra`：平衡智慧與成本，適用於大多數日常任務。
    - `GPT-5.6 Luna`：高效、高併發，適用於簡單且數量龐大的任務。
- **推理強度（Reasoning Effort）**：
    - `none` / `low`：適用於簡單問答、翻譯或延遲敏感任務。
    - `medium`：作為大多數 Coding、研究與 Agent 任務的平衡起點。
    - `high` / `xhigh`：適用於複雜除錯與多約束分析。
    - `max`：僅用於最困難且品質優先的任務。

**Pro Mode 使用時機**
Pro Mode 會讓模型在返回答案前投入更多整體工作，僅建議在困難優化、高價值程式碼審查或有明確 Eval 標準的任務中使用。使用者應透過比較 Standard 與 Pro 在真實任務中的表現，評估其對完成率、證據準確度及成本的邊際效益，而非將其作為預設選項。

## 標籤

Skills, GPT, 功能更新, OpenAI