GPT-5.4: Result Contracts and Verification Loop Prompt

一句话结论

GPT-5.4 的可靠性优先靠明确的结果契约、工具持久性和验证闭环获得，reasoning effort 应作为最后的调节旋钮，而不是用高档位掩盖模糊需求。

适用场景

• 适合的任务：多步编码、研究综合、工具调用、跨文件修改、长程 Agent 和需要明确验收的专业工作。

• 不适合的任务：无需思考的短结构化转换却默认使用 xhigh；高成本/低延迟场景应先测 none/low。

• 适用的模型版本：gpt-5.4；gpt-5.4-pro 可用于更难问题，但本模板以普通 GPT-5.4 为准。

• 适用的客户端、Agent 或 API：OpenAI Responses API、Codex、带自定义工具的 Agent。

• 推荐的推理档位和参数：行动/提取先 none 或 low；研究/多文档综合从 medium；长程 Agent 试 medium/high；xhigh 只有在 eval 证明有收益时启用。输出 verbosity 单独设 low/medium/high。

可直接使用的内容

下面是根据 OpenAI 官方 GPT-5.4 提示指导组合的模板（不是官方逐字 system prompt）：

<task_contract>
目标：<一句话说明最终要交付什么>
成功标准：
- <可观察的功能/事实/文件结果>
- <必须通过的测试或检查>
- <输出格式、范围和截止条件>
允许副作用：<可修改的文件、工具、外部动作>
禁止事项：<不可改动、不可外发、不可猜测的内容>
</task_contract>

<tool_persistence_rules>
- 任务未达到成功标准前持续推进，不要停在分析、计划或半成品。
- 工具失败时诊断并选择安全的替代路径；不要假装工具已成功。
- 将关键工具结果写回当前上下文，并在下一步引用真实结果。
</tool_persistence_rules>

<verification_loop>
每个主要阶段都执行：实施 → 运行测试/检查 → 读取结果 → 修复 → 再验证。
最终回答前逐项核对成功标准；对未验证的假设明确标注，不用占位结果替代。
</verification_loop>

<user_updates_spec>
只在开始主要阶段或计划发生变化时更新用户；每次用一句结果和一句下一步，
不要逐条叙述常规工具调用。
</user_updates_spec>

如果希望工具调用前显示短理由，可把下面的开发者指令加入：

调用工具前，用一句话说明调用原因和它如何推进成功标准；不要暴露内部思维过程。

测试/工作流步骤

1. 先用 none/low 跑动作型任务，记录任务成功、工具错误和耗时。

2. 若出现隐含要求遗漏、取消工具后无法恢复或早停，先补齐结果契约和验证循环。

3. 再把同一任务提升到 medium/high，比较质量、token、工具调用数和延迟。

4. 长程任务在主要里程碑进行 compaction，并保持契约、工具规则和验收标准不变。

5. 只有业务 eval 证明 xhigh 带来足够质量增益时才使用；记录完整费用和上下文长度。

原始证据与数据

• OpenAI 指导把 reasoning.effort 定义为推理 token 数控制，建议把 reasoning 当作最后的调优旋钮，并先改进结果契约、验证循环和工具持久规则。

• 官方建议：none 适合执行/提取/支持分流；medium/更高适合研究、多文档综合、冲突解决；xhigh 适合长程、推理密集 Agent，但不应默认使用。

• 官方给出的 GPT-5.4 autonomy/persistence 模板要求在当前 turn 尽可能持续到实现、验证和结果解释，而不是只输出计划。

• GPT-5.4 的工具前置 preamble 可用一句开发者指令开启；官方说明这有助于工具准确性和调试，但不是思维链输出。

适用边界

• 模板中的 XML 标签、任务契约和验证流程是基于官方指导的重组，不是 OpenAI 保证的唯一格式。

• reasoning effort 更高并不自动等于更好，可能带来更多工具调用、延迟和过度思考；必须按任务类型评测。

• 验证循环需要真实测试/工具权限；没有外部证据时，模型不能凭提示自证事实。

• 高影响动作仍应由工具权限、人工确认和服务器端校验保护，不能只依赖 prompt。

来源摘录或观察（仅做合规短引）

官方建议 “Treat reasoning effort as a last-mile knob”，并要求用明确的结果契约和验证循环改善质量；模板保留了这两个核心原则。