The builder’s guide to GPT-5.6：Luna 的模型选择、代理编排与缓存

摘要

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。

可直接采用的原则

1. 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。

2. 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。

3. 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。

4. 用明确的完成检查替代“请无限思考”“做到完美”等模糊指令。

5. 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。

可改写的工作契约模板

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]

原文阅读

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。