這兩年，我收藏了不少提示詞。但發現這事兒越來越離譜，很多人寫的提示詞變成了長篇大論，整得我每次都要翻出來複製貼上才行。看著很專業，有些人居然以此為傲，覺得自己是個提示詞專家。但說實話，我現在看到這種提示詞都是繞著走。OpenAI 最新的 GPT-5.5 提示詞指南印證了我這個感受：提示詞，不再是越長越好。01 以前的長提示詞，也有道理以前那套大段提示詞，它也不是毫無道理的。主要是因為那時候的模型沒那麼聰明，你不把每一步講清楚，它就很容易跑偏。就像帶實習生，第一步做什麼、第二步做什麼、那些地方不能出錯，最好都說細一點。但現在的 AI 跟兩三年前的比，已經進化多少輪了。現在很多時候，我們只需要簡單幾句話，它就能理解我們要幹什麼。如果是一個經驗豐富的同事，我可能只要說一句："明天要跟大老闆匯報。"他大概就能秒懂我要什麼。現在的 AI，已經從"實習生"慢慢變成這種更有經驗的同事了。02 真正關鍵：告訴它你要什麼OpenAI 在文件裡明確說，相比早期模型，GPT-5.5 通常可以使用更短、更結果導向的提示詞。你只需要描述什麼是"好"，那些約束很重要，有那些證據可用，以及最終答案應該包含什麼。反過來，如果你還把舊模型時代那套大段提示詞直接搬過來，可能反而會變成噪音。太複雜的提示詞，會限制模型自己的判斷空間，讓它的回答變得機械、僵硬，甚至繞遠路。我自己最近就有一個很明顯的感受。現在很流行用 AI 做面相分析、手相分析。一開始我也去網上搜各種提示詞，結果發現很多都特別長，看著就頭疼。比如這種，我居然一屏都截不完。。後來乾脆自己寫，發現一句話就夠了：用東方的面相分析術，做一個完整的面相分析，9:16。這有點反直覺。很多人總覺得 AI 幹得不好，是因為自己步驟寫得不夠細。但在新模型上，問題可能恰好相反：你把步驟規定得太死，反而會讓它沒法發揮。示例：結果優先的提示詞寫法端到端地解決客戶的問題。成功標準：- 根據現有政策和帳戶資料做出資格判斷- 在回覆前完成所有允許的操作- 最終答案包含：已完成的操作、客戶消息、以及阻礙項- 如果缺少證據，只詢問最關鍵的那一個缺失欄位💡 提示OpenAI 建議：先定義目標結果、成功標準、約束條件和已有上下文，然後讓模型自己選擇解決路徑。尤其是多工、多步驟的事，不一定要把每一步都列出來，而是要描述終點。03 少用絕對化詞彙OpenAI 還提醒，像 ALWAYS、NEVER、must、only 這類絕對化詞彙，應該少用。除非是安全、隱私、必填欄位這種真正不能突破的原則，否則不要動不動就寫"永遠不能""必須如何"。這跟人其實也一樣。如果你對一個孩子規定一大堆絕對禁令，最後他可能不是表現得更好，而是直接崩潰，因為他不知道該怎麼做事了。AI 也是一樣，規則太多，不一定更安全，也不一定更準確。更好的方式不是下死命令，而是給判斷規則。反例：應避免的逐步指令寫法先檢查 A，再檢查 B，然後逐一對比每個欄位，再逐一排查所有可能的例外情況，再決定呼叫那個工具，再呼叫工具，最後向使用者解釋整個過程。04 提示詞 2.0：定義協作方式OpenAI 在指南里單獨提到了兩個詞：personality（個性）和 collaboration style（協作風格）。看到這個我感覺特別親切。因為現在很多智能體（比如OpenClaw、Hermes），第一件事通常就是設定它的風格、個性，或者說設定一個 Soul.md。為什麼要這麼做？因為現在的 AI 跟以前不一樣了。以前它更像一個聊天機器人，你問一句，它答一句。但現在它越來越像一個能幫你幹活的助理：幫你查資料、寫程式碼、做圖、執行任務，甚至連續處理很多步驟。這個時候，你跟它的關係就不只是"提問和回答"，而更像是"協作和共事"。既然是共事，那就需要先定一下合作方式。（約法三章）就像我們在工作中帶同事，也會告訴他：我希望你少說廢話，有問題直接提，不要每個小事都問我，但如果會影響結果，一定要提前提醒我。這些其實就是協作風格。OpenAI 對這兩個概念的區分很清楚：1 personality控制這個助手聽起來像什麼樣的人，比如熱情、直接、正式、幽默、有耐心。2 collaboration style控制它怎麼跟你一起工作，比如什麼時候該問問題，什麼時候可以自己做假設，什麼時候要主動提醒風險。關於個性（personality），OpenAI 給了兩個例子：示例：沉穩型任務助手的 Personality 配置塊你是一個有能力的協作者：平易近人、沉穩、直接。默認使用者是能幹的、且是善意行事的，以耐心、尊重和切實有用的方式回應。在請求已經足夠清晰、可以直接著手的情況下，優先推進而非停下來反覆確認。利用上下文和合理假設向前推進。只有在缺失的資訊會實質性地改變答案、或帶來明顯風險時，才詢問澄清，且問題要儘量聚焦。保持簡潔，但不要變得生硬。給使用者足夠的上下文，讓他們能夠理解並信任這個答案，然後停下來。在能讓要點更容易理解的情況下，使用舉例、類比或簡單比喻。在糾正使用者或提出異議時，坦率但有建設性。當錯誤被指出時，直接承認並專注於修正。在專業範圍內匹配使用者的語氣。默認不使用 emoji 和髒話，除非使用者明確要求這種風格，或已在對話中清晰確立了這種風格的適用性。另一個是“表達型協作助手”：示例：表達型協作助手的 Personality 配置塊保持生動的對話存在感：睿智、好奇、在適當時候帶點趣味，並對使用者的思維保持敏銳的關注。在問題模糊時提出好問題，一旦有了足夠的上下文，便果斷推進。態度溫暖、協作、得體。對話應該感覺輕鬆而有生氣，但不是為了聊而聊。提出真實的觀點，而不是單純迎合使用者，同時始終響應他們的目標和約束。在任務需要綜合判斷或給出建議時，保持審慎和踏實。在有足夠上下文時給出明確的建議，說清楚重要的權衡，並坦誠面對不確定性，而不是含糊其辭。以前寫提示詞，很多時候還是基於"聊天機器人"的思路，所以大家會強調語氣、角色、身份，比如"你是一個資深專家""你是一個公眾號編輯"。但進入智能體時代之後，光設定角色已經不夠了，你還要設定它怎麼工作。提示詞 1.0 是讓 AI 扮演一個角色，2.0 是讓 AI 變成一個能協作的同事。05 前導語：別讓使用者對著白屏發呆這份指南里，還有一個我覺得很有意思的點，叫前導語。簡單說，就是在 AI 真正完成任務之前，先給使用者一點可見的反饋。做產品的人經常會講一個詞，叫首屏時間，也就是使用者多久能看到第一個畫面。那怕後面的資料還在慢慢載入，只要第一屏先出來了，使用者就會覺得這個東西還在工作。AI 現在也一樣。很多複雜任務都需要推理、呼叫工具、一步步處理。如果這個過程中完全沒有任何響應，使用者就會很崩潰。你不知道它到底是在認真幹活，還是卡住了。用過 GPT-Image-2 的人應該會有感受。以前生成圖片，提交之後就只能看著它在那轉圈，幾分鐘後突然把圖片吐出來，中間什麼都不知道。現在很多體驗變了。它會告訴你：正在理解需求，正在構圖，正在生成草稿，正在做最後潤色。那怕真實等待時間沒有明顯變短，你的體感會好很多。因為你知道它正在推進。OpenAI 建議，對於需要多步驟、呼叫工具，或者耗時比較長的任務，可以讓模型先發一個簡短的前導語，告訴使用者它接下來要做什麼。示例：多步驟任務的前導語配置塊在任何多步驟任務的工具呼叫之前，先傳送一條使用者可見的簡短更新，確認請求並說明第一步操作。控制在一到兩句話以內。示例：暴露獨立消息階段的程式設計智能體配置塊如果任務需要呼叫工具，必須在分析通道輸出任何內容之前，先傳送一條中間更新。該更新應確認請求並說明第一步操作。提示詞已經不只是"怎麼讓 AI 輸出一個答案"，它還開始影響整個產品體驗。表面上看，這是一篇教大家怎麼寫 GPT-5.5 提示詞的指南。但我讀完之後，更大的感受是：我們該重新理解"提示詞"這件事了。以前很多提示詞技巧，本質上只是一個階段性產物。那時候模型不夠聰明，我們需要用大量規則去補它的短板。但現在，模型正在變得越來越強。你再用老方法去控制它，反而可能限制它。未來真正重要的，可能不是誰收藏了更多提示詞範本，而是誰更清楚自己要什麼。提示詞正在從"寫咒語"，變成"講清楚需求"。這才是提示詞從 1.0 走向 2.0 的核心變化 (AI范兒)