AI Agent 實戰 Bloss0m Note 072 隨著 OpenAI 正式推出最新的 GPT-5.6 模型家族（包含旗艦級 gpt-5.6-sol、平衡型 gpt-5.6-terra 與高吞吐量 gpt-5.6-luna），官方開發者文件同步更新了 GPT-5.6 Model Guidance & Prompting Best Practices。這份指南不僅揭示了 GPT-5.6 在推理、意圖理解與前端視覺設計上的突破，更為 AI 工程師帶來了全新的 Prompt 書寫法則。
過往在 GPT-4 時代被奉為圭臬的「塞滿 Few-shot 範例」、「反覆強調狂寫 ALWAYS/NEVER」以及「一步步思考」等提示詞密技，在 GPT-5.6 上不僅失去了效益，反而成為降低模型表現的干擾源。
本文將深度解讀 OpenAI 官方指南，拆解 GPT-5.6 的 Prompt 瘦身原則、自主權邊界劃分、text.verbosity 長度控制、Pro Mode 以及程式化工具呼叫（Programmatic Tool Calling, PTC）的架構實踐。
1. 核心實證：Less is More（Prompt 瘦身帶來 15% 效能提升）
過去開發者習慣在 System Prompt 堆疊大量細節規章與重複的注意事項。然而，OpenAI 官方在內部 Coding Agent 評測中發現了一個震撼的數據：
將 System Prompt 與 Tool Description 精簡化，在相同的評測集上使任務評估分數（Evaluation Scores）提升了約 10%–15%，同時總 Token 消耗減少了 41%–66%，API 成本大幅下降 33%–67%。
為什麼精簡 Prompt 表現更好？
GPT-5.6 具備強大的 System 2 推理能力與意圖推斷能力。過於繁複的提示詞與重複的約束會造成「指令碰撞（Intent Collision）」，強迫模型在多個微觀規則之間反覆權衡，進而浪費思考 Token 並干擾核心邏輯。
官方推薦的 Prompt 瘦身清單
- 規則一律只說一次：同一個限制不要在 System Prompt、User Prompt 與 Tool Description 中重複出現。
- 清理無效的 Few-shot 範例：除非範例是用於編碼產品專屬的硬性格式，否則過多範例會把模型的探索鎖死在狹窄示範中。
- 精簡 Tool Descriptions：僅暴露當前任務百分之百會用到的工具，並維持工具描述簡潔精準。
- 移除模型本能指示：毋須教模型「請一步步思考」、「請仔細檢查」，這些已是模型內建的推理本能。
2. 明確劃分自主權與授權邊界 (Autonomy & Approval Boundaries)
GPT-5.6 具備極強的主動性（Proactive）與長任務持續執行能力。若未給予清晰的授權邊界，模型可能因顧忌而頻繁停頓詢問，或是做出越權的修改。
官方建議在 Prompt 中加入輕量化的授權邊界政策（Compact Policy）：
對於「回答、解釋、審查、診斷或規劃」請求：請檢查相關材料並回報結果。除非請求明確包含修改需求，否則請勿動手修改代碼。
對於「修改、構建或修復」請求：請直接在授權範圍內進行本地修改，並自動執行非破壞性驗證（如單元測試），無須事前詢問。
對於「外部寫入、破壞性操作、付費或擴大範疇」：必須強制向使用者確認後方可執行。避免在提示詞中反覆警示「無授權不可動手」、「請先請示」，這會導致模型連讀取日誌或執行安全單元測試時都向用戶發起不必要的詢問。
3. 精準控制長度與語氣 (Length & Style Control)
GPT-5.6 預設的回應風格比 GPT-5.5 更加精練。過去常用的「Be concise」提示詞在 GPT-5.6 上可能導致輸出過於短少。
採用 API 級別控制 text.verbosity
OpenAI 建議透過 API 參數 text.verbosity（設定 low / medium / high）來掌控回答詳細度，將長度管理從自然語言 Prompt 中解耦。
指定短回答的「保留與刪減」順序
當任務需要精簡回答時，應告訴模型「什麼必須保留」與「什麼優先刪除」：
結論先行。優先保留導出結論所需的關鍵證據、重大限制與下一步行動。
優先刪除引言開場白、重複性說明、通用安撫詞與非必要的背景補充。具體化語氣規定
避開「請保持同理心」等模糊形容詞，直接說明寫作行為：
請直接給出答案。若使用者回報問題，先簡要確認具體問題點再提供步驟。僅在相關時給予安撫，省略通用的讚美與無意義的結尾問候。4. Pro Mode 與推理設定最佳實踐 (reasoning.mode: "pro")
在 Responses API 中，GPT-5.6 支援啟用 Pro Mode（reasoning.mode: "pro"）。Pro Mode 會讓模型投入顯著更多的推理探索，並輸出單一高精確度的結果。
- 毋須 Meta-Prompts：啟用 Pro Mode 時，Prompt 不需要寫「請深度思考」或「請產生多個候選答案再比較」。
- 推理努力程度（
reasoning.effort）：GPT-5.6 支援none、low、medium、high、xhigh與max。從舊版遷移時，先保持原有 effort 作為基準，再嘗試調低一個等級（如從 high 試降至 medium），觀察是否能在 Token 費用與延遲下降的同時維持品質。 - 推理上下文保存（
reasoning.context）：在多輪對話中，設定all_turns並配合previous_response_id可延續思考脈絡並享受快取折扣；若話題轉折則設為current_turn。
5. 程式化工具呼叫編排（Programmatic Tool Calling, PTC）
GPT-5.6 引進了全新的 Programmatic Tool Calling (PTC)。模型能撰寫 JavaScript 在託管沙箱中一次執行多個工具呼叫、傳遞中間輸出並進行數據聚合，解決了傳統多輪工具呼叫帶來的 RTT 延遲與 Token 膨脹。
在編排工具呼叫時，建議使用 <tool_orchestration> 標籤規範：
<tool_orchestration>
針對 [限定階段]，使用 Programmatic Tool Calling 呼叫 [指定工具]。
在安全前提下並行執行獨立呼叫，並僅使用工具文檔中定義的欄位。
在執行環境中處理並精簡中間結果，最終僅輸出 [指定 Schema]，包含最終答案所需的證據。
當滿足 [終止條件] 時停止。遇到瞬時錯誤最多重試 [N] 次。
請勿重複執行已完成的呼叫，亦勿執行有副作用的操作。若缺乏關鍵結果，返回明確的結構化失敗訊息。
對於 [語意判斷、人工審批或最終驗證]，請維持使用 Direct Tool Calls。
</tool_orchestration>對於單次呼叫即可完成、或每次結果都會改變下一步決策的任務，應維持使用 Direct Tool Calls。
總結：GPT-5.6 提示詞工程觀念轉變
| 範疇 | 舊時代 Prompting (GPT-4 / 5.4) | GPT-5.6 新法則 |
|---|---|---|
| System Prompt | 堆疊幾十條注意事項與防禦規則 | 極簡化，僅保留核心目標與權限 |
| 範例（Few-shot） | 提供大量對話與工具呼叫範例 | 減少範例，著重於工具介面型別設計 |
| 長度控制 | Prompt 中狂寫 “Be concise” | 採用 API 參數 text.verbosity |
| 工具執行 | 多輪模型與 API 之間的往返 | 採用 Programmatic Tool Calling 託管編排 |
| 推理模式 | 寫 “think step by step” 提示詞 | API 設定 reasoning.mode: "pro" 與 effort |
透過掌握極簡提示詞、明確授權邊界、API 級別長度調控與 PTC 工具編排，開發者將能完全釋放 GPT-5.6 的真實實力，打造出更為高效、成本更低且品質卓越的 AI Agent 系統。
延伸閱讀與參考來源
延伸閱讀
- Enterprise AI Phil Schmid：2026 年 Agent Harness 為何比模型排行榜更重要 深讀 2026 年 1 月長文：durability、OS 類比、系統評測缺口、Bitter Lesson 下的輕量 Harness，以及 hill climbing 與訓練—推理收斂。
AI Agent 實戰 Bloss0m Note 018 - AI Engineering 精讀 AgentEscapeBench：評測 LLM Agent 的域外長鏈條工具推理能力 深度解析最新 arXiv:2605.07926 論文《AgentEscapeBench》。論文揭示現有 AI Agent 在領域外 (OOD) 密室逃脫型 DAG 工具鏈上的實證表現：模型表現隨圖深度呈急劇崩塌，並暴露中繼結果傳遞（Clue Adherence）與狀態追蹤瓶頸。
AI Agent 實戰 Bloss0m Note 074 - AI Engineering Ornith 1.0 與 Self-Scaffolding：Agentic Coding 的訓練、評測與信任邊界 整理 Ornith-1.0 的 Self-Scaffolding、Reward Hacking 防線與 Pipeline-RL 設計，並說明 Agentic Coding 系統在評測與部署時應保留的信任邊界。
AI Agent 實戰 Bloss0m Note 069