GPT-5.6 Luna · prompt
把“The builder’s guide to GPT-5.6：Luna 的模型选择、代理编排与缓存”整理为可执行的任务入口，明确输入、运行环境、交付格式和验收边界；使用前确认模型版本与来源限制。
为 {{TASK_CLASS}} 设计 Luna 路由工作流。使用 {{MODEL_ROLES}}，设置 {{CHECKPOINTS}}，并以 {{ROUTING_OUTPUT}} 记录路由理由、工具状态和失败。运行前仍需替换: {{TASK_CLASS}}, {{MODEL_ROLES}}, {{CHECKPOINTS}}, {{ROUTING_OUTPUT}}
把长任务拆成模型路由、工具调用、子代理和缓存边界，并保留可审计状态。
需要 Responses API 或等效 Agent harness；准备任务类别、模型角色、工具 schema、人工检查点和缓存边界。
先按风险分配模型；让程序处理确定性步骤；只并行独立交付物；汇总时保留工具结果、失败状态和成本。
示例交付为带路由理由和检查点的流程图/记录表；验收每步输入输出可追溯，重试不产生重复副作用。
子代理输出不符 schema 时退回修复；成本或延迟超限时缩小上下文或升级/降级路线。
官方 Builder 指南提供方法边界，不是 Luna 在 Tabbit 中的可执行保证；缓存、权限和模型 ID 需按当前 API 核验。
OpenAI 的官方构建者指南不提供一段“万能提示词”，而是建议通过模型路由、推理努力等级、保留 reasoning、原生压缩、多智能体、程序化工具调用和 Prompt Caching 共同设计工作流。对 Luna 的核心建议是：把它放在高频、低延迟、重复步骤和抽取类任务中；复杂判断可用更高能力的模型。
先根据任务风险和接受标准选择模型，不要默认每一步都使用旗舰模型。
让静态系统指令、工具定义和参考资料形成稳定前缀，再把变化的用户问题放在后面。
可并行的独立工作流使用多智能体；需要判断的工作交给模型，过滤、聚合和搬运数据交给代码。
用明确的完成检查替代“请无限思考”“做到完美”等模糊指令。
Luna 适合高频、延迟敏感、重复步骤和文档抽取；遇到最终决策或高风险综合判断时，设置升级或人工复核边界。
Goal: [明确说明最终要产生的结果或系统状态]
Context: [提供会改变答案的来源、文件、数据和既有决定]
Output: [说明受众、格式、深度和证据要求]
Boundaries: [说明不可改变的事实、需要审批的动作和停止条件]
Completion check: [说明完成前必须验证什么]本站仅展示 Tabbit 编辑摘要和必要节选；完整内容、上下文与最新版本请查看原始来源。
OpenAI · 原文日期: 2026-08-13 · 编辑日期: 2026-09-20
阅读原始来源GPT-5.6 Luna
请在上方所列环境中运行本指南。下载不会自动传入模板，也不代表账户已开放该模型。