本文由 莫潇羽@源码七号站（www.fuyuan7.com）撰写，转载请注明出处。
快速摘要
如果你只想看结论，这里是：
GPT-5.5 发布后，官方同步更新了一份提示词指南，核心逻辑只有一句话——"说清楚你要什么，别教它怎么做"。 具体落地到七个层面的变化：
- 不要再规定每一步怎么走，只描述你期望的最终结果；
- 减少"必须""永远""禁止"这类绝对指令，真正的红线才用，判断类操作改用条件句；
- 角色定义回归，但重点从"你是谁"变成"你怎么跟用户协作"；
- 复杂任务要让模型先说一句话，告知用户它接下来要做什么，避免长时间空转；
- 显式写出"停止条件"，防止模型反复搜索、token 无谓消耗；
- 官方推荐七段式结构：角色、人设、目标、成功标准、约束、输出、停止规则；
- 格式控制比以前灵敏，"不要列表不要标题"会被严格遵守；改写类任务先说"保留什么"再说"怎么改"。
这七条变化背后，有一个统一的底层逻辑：新一代模型的推理能力已经强到可以自主规划路径，你给的细节越多，反而限制了它的发挥空间。
想看完整拆解，往下翻。
你精心调教的提示词，可能已经过时了
我折腾提示词有一段时间了。最开始写的那批，格式大概是这样：先列出三个前置条件，再写五步操作流程，每步后面加一条注意事项，最后附上两个示例和一段输出格式说明。写完自我感觉良好，以为这就是"工程化提示词"该有的样子。
用旧提示词换来的，是一种微妙的挫败感——你花了大量时间把提示词调得很细，以为一劳永逸了，结果模型一升级，那些精心设计的步骤反而成了绊脚石。我在源码七号站用的几个工具，之前调好的提示词直接迁移到 GPT-5.5 之后，输出质量反而比之前差了，花了不少时间才排查出来是提示词的问题。所以这篇文章有一半是总结官方指南，还有一半是我自己踩坑之后的真实体会。
后来 GPT-5.5 上线，我把以前调好的提示词直接拿来用，效果不对劲。输出内容虽然没错，但有一种奇怪的机械感——好像模型在严格执行你写的每一条指令，而不是真的在理解你的意图然后解决问题。
出现这个问题，不是偶然。官方在发布 GPT-5.5 的同时，配套更新了一份提示词最佳实践指南。指南里有一段话大意是这样说的：旧式提示词之所以写那么细，是因为老版本模型能力弱，需要手把手引导才能保持正确方向。而对 GPT-5.5 来说，那些过度规定步骤的指令，反而成了噪音——它们缩小了模型自主搜索最优路径的空间，导致回答显得过于机械。
这不是在说你以前的提示词写得差。那个时代，确实需要那么写。但模型变了，写法也该跟着变。
有意思的是，知名开发者 Simon Willison 在看完这份指南后，专门在个人博客上表达了惊讶：OpenAI 居然建议用户从头重写提示词，而不是信任之前精心调好的版本。这句话点出了一个很多人还没意识到的事实——提示词这件事，没有一劳永逸的版本，随着底层模型能力的升级，最佳写法也在持续演进。
这一点不只是 OpenAI 一家的情况。放眼整个大模型领域，每次主力模型迭代，提示词的最佳实践都会有不同程度的调整。只不过这次 GPT-5.5 的变化幅度比较大，而且官方罕见地给出了一份相对系统的指南，有明确的改写建议，不像以前那样只有零散的技巧分享。
所以这篇文章值得认真看一遍，不只是为了 GPT-5.5，更是为了理解提示词设计的底层逻辑在朝哪个方向走——理解了方向，下次模型再升级，你自己就能推断出写法该怎么调，不用等别人总结。
这篇文章，我把这份官方指南里最值得关注的七个变化逐一拆开来讲，既有原理，也有可以直接用的改写对比。不管你是用网页版 ChatGPT，还是在项目里调用 API，都能用得上。莫潇羽@源码七号站，开始。
先搞清楚：GPT-5.5 到底变了什么
要理解为什么提示词写法要变，得先摸清楚模型本身变了什么。不然只知道"要这么写"，不知道"为什么要这么写"，下次遇到新问题还是不会举一反三。
GPT-5.5 最核心的升级，在于推理能力的质变。简单说就是，它处理多步骤、多约束任务时，自主规划路径的能力比以前强了一个量级。之前的模型更像是一个执行力强但判断力弱的助理——你给它精确的指令，它能忠实完成；你给它模糊的目标，它很容易跑偏。所以当时的最佳实践是把每一步都写清楚，给它一个明确的执行路径。
现在这个逻辑反过来了。GPT-5.5 更像是一个有较强自主判断能力的合作者。它能根据你描述的目标，自行拆解任务、选择路径、判断什么时候需要追问用户、什么时候可以直接输出。你规定的路线越细，它反而越难发挥——就好像你让一个有经验的工程师解决一个问题，结果给他一份五十步的操作手册，他反而会觉得束手束脚。
还有一个变化是对"矛盾指令"的处理方式。旧模型在遇到提示词里互相冲突的两条指令时，往往会比较随意地忽略其中一条，或者干脆按字面意思随机选一个执行。GPT-5.5 对这种矛盾异常敏感，它会尝试同时满足两条互相冲突的要求，结果就是在两条路上反复横跳，两头都做不好，耗费大量算力，最终输出一个四不像的答案。
这个特点直接影响到"绝对指令"怎么写——后面会单独讲，这里先有个印象。
另一个值得关注的变化是对"描述结果"的响应方式。新模型在看到你描述的期望结果时，会主动去推断"要达到这个结果，我需要走哪些步骤"，而不是等你告诉它每一步是什么。这让"只描述结果"的提示词写法变得可行，而在旧模型上这样写往往会踩坑——目标写得抽象，模型容易曲解。
理解了这三点变化——推理能力增强、对矛盾敏感、能从结果反推路径——后面七个具体变化的逻辑就很清楚了，不是拍脑袋想出来的新规矩，而是在这个新能力基础上推导出来的最优写法。
还有一个背景因素值得补充进来：上下文窗口变大了。GPT-5.5 支持的上下文长度相比以前有了明显提升，这意味着一次对话里能放入更多信息。你可能会想，既然上下文这么长，那把提示词写得详细一点也没关系吧？
实际上不是这么算的。上下文长，不代表模型对每个 token 的注意力是均匀分配的。研究表明，在超长上下文里，模型对"中间部分"的关注度会系统性地低于"开头和结尾"。这意味着如果你的提示词本体很长，其中的某些约束条款很可能落在"注意力洼地"里，执行效果打折。
这个特点反而强化了"提示词要精炼"的原则——不是说长了不行，而是说每一段、每一句都要值得花注意力，没有干货的内容会稀释真正重要的信息。指南里建议每一段只写能实质性改变模型行为的信息，这条建议的底层逻辑就在这里。
另外，GPT-5.5 在多模态能力上也有提升，但那和提示词写法的关系相对间接，这里就不展开了，有需要的话可以单独写一篇。这篇聚焦在文本提示词的写法变化上，已经够扎实了。
变化一：别手把手教模型干活，说清楚你要什么结果就够了
这是整份指南里改动幅度最大的一条，也是最容易让人不适应的一条。
我们先看一个具体对比。假设你在搭建一个客服对话系统，需要给模型写一段系统提示。旧式写法大概是这样：
收到用户问题后，先检查账户状态字段。如果账户状态为正常，则进入步骤二；如果账户状态为异常，则先处理异常再进入步骤二。步骤二：对比用户描述的问题与已知故障库。如果匹配，按故障库里的解决方案告知用户；如果不匹配，进入步骤三。步骤三：尝试调用工单创建工具……
这套写法在以前是有效的。你把每个判断节点和分支都写出来，模型按图索骥，输出相对可预测。
按照新指南的思路，同样的需求应该改成这样：
你的任务是把用户的问题彻底解决。根据当前账户数据和现行政策来判断该怎么做——能做的事先做完再告诉用户结果，最后说明做了什么、还有什么尚未解决。如果缺少关键信息，在开始处理之前只问那一个最关键的问题。
前者规定了路线，后者描述了终点。前者每一步都在替模型做决策，后者把决策权交给模型，只明确期望的最终状态是什么。
这么改有两个好处。一是模型能自主选择最优路径——它比你更清楚当前上下文下哪个操作序列最合理；二是提示词更短，减少了指令之间潜在的逻辑矛盾，降低了出怪答案的概率。
当然，这里有个边界要注意。"只描述结果"不等于什么约束都不写。有些事情确实需要明确规定：哪些操作绝对不能做（真正的红线）、输出格式要求、用户可见的信息边界等。这些约束不是在规定路径，而是在划定操作空间，两者性质不同，不能混为一谈。莫潇羽@源码七号站 自己在实际操作中总结的区别是：路径类的细节不要写，边界类的约束要明确写。
还有一点，"描述结果"这件事本身也有技巧。你描述的结果要具体到能让模型明确判断"任务完成了"的程度，但不要具体到规定它每步怎么走。比如"给用户一个令他满意的答案"就太模糊，但"用户的账单问题得到解决，如果无法当场解决则告知预计处理时间和后续步骤"就足够清晰，同时没有规定路径。
这个转变需要一点思维方式上的调整。以前写提示词，你想的是"模型应该做什么"；现在要想的是"结果应该是什么样的"。看着差不多，实际写出来差很多。
有一个检验自己有没有写对的方法：把提示词里所有含动词的句子找出来，数一下其中有多少是在描述"模型执行的动作"，有多少是在描述"用户得到的结果"。如果前者明显多于后者，这段提示词大概率还是旧思路。
举一个更贴近日常的例子。假设你在搭一个帮自己整理读书笔记的助手。旧思路的提示词可能是：先读取全文，然后提取关键概念，然后总结每章核心观点，然后找出作者的论证逻辑，最后按照"章节—核心—论证"的格式输出。
新思路的写法：用户发来一本书的读书笔记后，你的任务是给他一份"看完这份笔记能立刻开始使用这本书知识"的总结——最值得记住的几个核心观点是什么、作者的整体逻辑框架是什么、有没有直接可以用于实践的方法。格式清晰，不要罗列所有内容，挑最重要的说。
两种写法给到模型，你会发现新写法的输出更有"人味"——因为模型在自己判断什么重要、什么不重要，而不是机械走你规定的流程。当然，如果你对输出格式有明确要求，该写的还是要写，只是不要规定"走哪条路到达格式"。
还有一个常见的误区是，很多人把"描述结果"理解成"写得越模糊越好"。这是误解。描述结果要清晰，只是不要清晰到规定路径。"给用户一个有帮助的答案"不是清晰的结果描述；"用户能用这个答案直接解决他描述的问题，或者明确知道下一步应该怎么做"才是。清晰的结果 + 不规定路径，这两个要求同时满足，才是新写法的正确理解。
变化二：绝对指令是双刃剑——"必须"和"禁止"该怎么用
"永远用 JSON 格式输出""绝对不要超过 300 字""必须先搜索再回答"——这类绝对指令，是很多人提示词库里出现频率最高的写法。我以前也这么写，写得很爽，感觉牢牢控制住了模型的行为。
GPT-5.5 之后，这个写法要重新审视了。
问题的根源在于前面说的那个特点：新模型对"矛盾指令"异常敏感。当你的提示词里出现两条互相冲突的"必须"或"禁止"时，它不会聪明地帮你决定哪条优先，而是会耗费算力在两条路之间反复权衡，试图同时满足两个相互矛盾的约束，最终输出一个令人困惑的结果。
一个实际的例子：某个系统提示里同时写了"必须在一个回合内解决用户的全部问题"和"禁止在信息不完整时做出任何承诺"。这两条指令在某些场景下逻辑上互相冲突——如果解决问题需要一个当前没有的信息，那到底是先按第一条往下走，还是先按第二条停下来？旧模型可能会随机选一条走，GPT-5.5 会纠结，耗 token，然后给出一个不上不下的答案。
官方指南给出的原则是：绝对指令只留给真正的红线。
什么是真正的红线？大概是这三类：
- 安全性要求，比如某些信息绝对不能告诉用户；
- 合规性要求，比如不得提供某类建议；
- 关键字段要求，比如必须记录某个字段才能后续追溯。
除了这三类，其他都应该用条件句代替绝对指令。
改写方式很直接。把"必须先搜索再回答"改成"如果现有上下文不足以支撑一个可靠的答案，就先搜索"。把"永远用 JSON 输出"改成"如果结果包含多个结构化字段，用 JSON 输出；如果是简短的文字说明，直接回复纯文本"。
你可能会问：这样改，模型会不会太自由，按自己的理解乱走？这个担心是合理的，但解决方法不是把判断权收回来再堆更多绝对指令，而是把"成功标准"写清楚——当结果符合什么条件，算是正确完成了任务。这样模型有明确的判断依据，同时又保留了自主选择路径的空间。
另外有一个小细节值得注意：指南里特别提到，当提示词里"必须"和"禁止"的数量过多时，整体上会产生一种"规则堆叠感"，让模型更容易进入机械执行模式，而不是真正理解意图的协作模式。这不是什么精密的工程原理，更像是模型行为上观察到的经验规律——规则堆越多，输出往往越死板。适当精简，让提示词里真正的红线凸显出来，模型反而更容易识别哪些是真正的约束、哪些是参考建议。
我在自己日常用的提示词里做了一个小实验：把所有"必须"和"禁止"挑出来列成一张表，然后对每条做个判断——如果去掉这条，模型出错的可能性有多大？如果答案是"很低"，这条就可以改成条件句。如果答案是"很高"，保留。这样筛完一遍，通常能去掉三分之一到一半的绝对指令，剩下的每一条都是真正的红线，模型识别起来也更准。
还有一种场景值得单独提：工具调用的约束。很多人会写"必须在调用工具 A 之前先调用工具 B"，这类约束在某些场景下有合理的依赖原因，但更多时候是写的时候想太多了。如果工具 B 的输出不是工具 A 的必要输入，这条约束其实没有必要——模型会根据上下文自行判断调用顺序，规定死了反而可能产生不必要的等待或冗余调用。只有存在硬性依赖关系的工具调用顺序，才值得在提示词里明确写出来。
变化三：角色定义回来了，但重点换了
大概在 GPT-4 时代，"你是一个资深 XX，拥有 XX 年经验，擅长 XX 和 XX"这种角色定义写法非常流行。后来有一段时间，社区里开始流传"角色定义是噪音""新模型不需要这种引导"的说法，
