GPT-5.2's Structured Outputs and Ambiguity Self-Check Prompt

一句话结论

把输出边界、歧义处理、长上下文复核和高风险自检写成明确区块，可让 GPT-5.2 Chat 在低推理档位下更稳定地遵守格式并减少无依据断言。

适用场景

• 适合的任务：资料抽取、客服/研究问答、长文档定位、需要固定 Markdown 或 JSON 形状的工作流。

• 不适合的任务：需要服务端强制 schema、权限或事实验证的场景；提示词不能替代校验和安全策略。

• 适用的模型版本：GPT-5.2 家族；gpt-5.2-chat-latest 是 ChatGPT 对齐的快照，官方文档同时将 gpt-5.2 定位于更复杂的推理任务。

• 适用的客户端、Agent 或 API：Chat Completions 可复用提示区块；Responses API 更适合保留多轮推理上下文。

• 推荐的推理档位和参数：Chat 快速交互优先 reasoning.effort=none（仅适用于支持该参数的接口）；输出长度用 text.verbosity=low|medium|high，实际支持以当前 API 为准。

可直接使用的内容

下面是 OpenAI 指南中可直接复用、按研究/抽取场景拼接的原始提示区块；其中字段值可按任务替换。

<output_verbosity_spec>
- Default: 3–6 sentences or ≤5 bullets for typical answers.
- For simple “yes/no + short explanation” questions: ≤2 sentences.
- For complex multi-step or multi-file tasks:
  - 1 short overview paragraph
  - then ≤5 bullets tagged: What changed, Where, Risks, Next steps, Open questions.
- Provide clear and structured responses; use lists, paragraphs and tables when helpful.
- Avoid long narrative paragraphs; prefer compact bullets and short sections.
- Do not rephrase the user’s request unless it changes semantics.
</output_verbosity_spec>

<long_context_handling>
- For inputs longer than ~10k tokens:
  - First, produce a short internal outline of the key sections relevant to the request.
  - Re-state the user’s constraints explicitly before answering.
  - Anchor claims to source sections rather than speaking generically.
- If the answer depends on fine details, quote or paraphrase those details.
</long_context_handling>

<uncertainty_and_ambiguity>
- If the question is ambiguous or underspecified, call this out and:
  - Ask up to 1–3 precise clarifying questions, OR
  - Present 2–3 plausible interpretations with clearly labeled assumptions.
- When external facts may have changed recently and no tools are available, answer generally and state that details may have changed.
- Never fabricate exact figures, line numbers, or external references.
- When unsure, prefer “Based on the provided context…” instead of absolute claims.
</uncertainty_and_ambiguity>

<high_risk_self_check>
Before finalizing an answer in legal, financial, compliance, or safety-sensitive contexts:
- Re-scan for unstated assumptions.
- Re-scan for numbers or claims not grounded in context.
- Re-scan for overly strong language such as “always” or “guaranteed”.
- Qualify any problem found and state assumptions explicitly.
</high_risk_self_check>

测试/工作流步骤

1. 将区块放在系统或开发者消息中，把用户输入作为独立任务内容。

2. 用同一份长文档和同一组缺失字段问题，分别测试 none 与 medium（若接口支持）。

3. 记录格式合规率、缺失字段是否为 null/未找到、引用能否回指原文，以及总输出 token。

4. 在高风险任务中，服务端对 JSON/schema、权限、引用和数值再做独立校验。

原始证据与数据

• 官方指南把 GPT-5.2 描述为更强的结构化推理、工具 grounding 和多模态模型，并指出它仍对输出形状、语气和详细程度敏感。

• 官方给出的输出约束示例为普通回答 3–6 句或不超过 5 个 bullet；长上下文阈值示例约为 10k tokens。

• 官方给出的迁移建议是先保持提示不变建立 baseline，再固定 reasoning_effort，每次只改一个提示因素并重跑 eval。

• 上述阈值和参数是指南中的建议，不是对所有客户端的硬保证。

适用边界

• 该文档来自 GPT-5.2 家族指南，不能据此断言每个 gpt-5.2-chat-latest 快照都具备同样的推理/Responses 行为。

• Chat 版本官方模型页标记为 deprecated；生产系统应先核对当前可用 snapshot 和迁移建议。

• “内部测试/客户反馈”没有公开完整数据集、样本数和方差，不能当作独立 benchmark。

• “内部 outline”仅是行为要求，不应要求模型泄露隐藏 chain-of-thought；只要求可核验的简短结论、引用和假设。

来源摘录或观察（仅做合规短引）

官方指南的核心要求是“Never fabricate exact figures, line numbers, or external references when you are uncertain.”（原文短引，14 词以内）。