GPT-5.5 结果导向与验证式 Agent 提示

一句话结论

GPT-5.5 的官方建议是先写清目标、成功标准、允许的副作用、证据规则和输出契约，再让模型自行决定中间步骤，并在结束前执行针对性验证。

适用场景

• 适合的任务：工具型客服、代码修改、检索增强问答、长流程 Agent、需要交付物和验证结果的研究任务。

• 不适合的任务：只需要极低延迟的简单分类或短答；这类任务应先评估更低 reasoning effort 或更小模型。

• 适用的模型版本：GPT-5.5（页面也给出 GPT-5.5 家族的通用指导，不应直接推断其他版本完全相同）。

• 适用的客户端、Agent 或 API：OpenAI Responses API；可迁移到 Codex 或自建工具 Agent，但工具副作用和输出字段必须按客户端重写。

• 推荐的推理档位和参数：从 reasoning.effort=medium 开始；只有代表性评测显示收益时再提高到 high/xhigh。使用 Responses API，并明确工具描述、重试和错误处理。

可直接使用的内容

下面是基于 OpenAI 官方模板整理的可复制版本；保留了官方的目标/成功标准结构，业务字段需要替换。它不是要求模型暴露隐藏思维，而是要求交付可核验的结果。

Resolve the customer's issue end to end.

Success means:
- the eligibility decision is made from the available policy and account data
- any allowed action is completed before responding
- the final answer includes completed_actions, customer_message, and blockers
- if evidence is missing, ask for the smallest missing field

对代码或研究 Agent，可继续套用官方的计划模板：

Role: You are a careful implementation and verification agent.

# Goal
<the concrete outcome to deliver>

# Success criteria
- <observable acceptance criterion 1>
- <observable acceptance criterion 2>

# Constraints
- State allowed side effects and files/services that may be changed.
- Do not claim completion without evidence from the available tools.

# Output
- completed_actions: <what was actually done>
- evidence: <tests, source links, or retrieved records>
- blockers: <missing inputs or failed checks>

# Stop rules
- Stop when the success criteria are verified.
- If evidence is missing, ask only for the smallest missing field.

测试/工作流步骤

1. 将目标、成功标准、约束、允许副作用和最终字段填入模板。

2. 在 Responses API 中先以 reasoning.effort=medium 运行代表性样本；工具描述写清何时使用、输入、副作用、错误和是否可安全重试。

3. 若任务需要多轮工具调用，让 Agent 先发简短进度说明，再调用工具；完成后运行针对性测试、类型检查、lint、构建或 smoke test。

4. 用 completed_actions、evidence 和 blockers 对照验收，不把计划或模型声称当成已完成事实。

5. 比较 low、medium、high 的质量、延迟和 token 成本；只有评测证明有收益时提高档位。

原始证据与数据

• OpenAI 将 GPT-5.5 的推荐方式概括为：给出清晰目标、约束和输出格式，而不要规定每一个中间步骤。

• 官方建议把 reasoning.effort 当作调参旋钮，而不是首要的质量补救手段；GPT-5.5 的默认档位为 medium。

• 官方最新模型指导要求在工具型流程中定义“何时算完成”以及如何验证；对长流程使用 Responses API 的状态和工具能力。

• 官方页面提供了结果导向示例：完成资格判断、执行允许的动作、输出完成动作/客户消息/阻塞项，证据缺失时只询问最小字段。

适用边界

• 这是提示与评测方法建议，不是 GPT-5.5 在某一业务数据集上的独立胜率。

• “验证”只能覆盖 Agent 能访问的测试、工具和证据；无法访问的系统状态必须写入 blockers，不能由提示词补足。

• 更高 reasoning effort 可能增加延迟、成本或过度思考；不能把 xhigh 当作默认配置。

• 官方示例中的字段和工具名需要按实际 API、权限和副作用改写。

来源摘录或观察（仅做合规短引）

官方核心表述为 “Give the model the task, constraints, and desired output format”，并建议为 Agent 定义 “what counts as done and how the model should verify its work”。