「少寫一點，結果反而更好」不是修辭，而是 GPT-5.6 之後 prompt 設計的真實力學。模型的意圖理解變強了，能從 context 推斷你想要什麼、該投入多少心力；這時逐步指示反而從「控制」變成「約束」——你規定的是某一條路徑，模型原本可以自己選更短的那條。OpenAI 的官方 prompting guidance 整份建議都建立在這個前提上，這篇把它整理成可以直接套用的版本。
為什麼少寫反而有效
方向性的證據來自 OpenAI 內部 coding-agent eval，屬於廠商內部數據而非獨立驗證：較精簡的 system prompt 讓分數提高約 10–15%，token 減少 41–66%，成本減少 33–67%。數字不一定會在你的產品重現，但機制講得通：同一條規則換三種說法重複、與任務無關的工具描述、不會改變輸出的示例，都在消耗模型的注意力預算。
但「少寫」砍的不是規格。domain context、hard constraints、approval boundaries、success criteria 這四樣必須留；少的是步驟與重複，不是驗收標準。
先寫結果，再補條件
Outcome-first 的骨架是：goal、必要的 context、constraints、required evidence、success criteria、output format。執行順序只有在順序本身是業務或安全要求時才固定。剩下少數真正關鍵的歧義，仍應要求模型提出釐清，而不是讓它自行假設。這個骨架同樣是 Pro mode 的正確用法——不需要寫「用 pro mode」或「想久一點」，把目標與驗收寫清楚，模型自然會分配推理深度。
精簡要一次刪一組
最安全的精簡法不是重寫，而是從已經可運作的 prompt 出發，每次移除一組指令、示例或工具，然後重跑同一組 evals。指示只述一次；範例只留能修補實測缺口的那些；只暴露與任務相關的工具。語氣調整也同一套邏輯：與其貼 friendly、empathetic 這種含糊標籤，不如直接描述寫作選擇——答案要多直接、何時承認做不到、要不要收尾的 reassurance。
三層授權邊界
自主工作的前提是把授權講清楚，而且三層就夠：
讀取類（回答、解釋、review、diagnose、plan）：讀相關資料並回報，不實作變更。
變更類（change、build、fix）：完成範圍內的本機修改，執行非破壞性驗證。
確認類（外部寫入、刪除覆寫、購買、擴大範圍）：先取得批准再動作。把「讀檔、看 log、修改指定範圍的程式碼、跑測試」明列為可直接執行，比在 prompt 裡到處重複 ask first 更安全——重複的審批要求反而會讓模型連正常讀檔都停下來等確認。授權政策集中放在單一處，衝突自然就消失了。
工具路由與停止條件
Tool routing 是任務特定的，值得寫清楚的有四件事：有邊界的階段、輸出 schema、並行與 retry 的上限，以及兩條路徑並存時的單一 handoff 規則。每個 tool description 至少記載它做什麼、重要回傳欄位、型別與錯誤行為。停止條件用具體句式最有效：「Stop when [condition]」「Retry transient failures at most [R] times」。另外，當 program_output 與最終訊息分開輸出時，兩種輸出都要測；任何省資源的設計，仍以通過既有 evals 為前提。
PTC 的適用判準
Programmatic Tool Calling 讓模型寫 JavaScript、在 hosted runtime 裡呼叫工具並處理中間輸出，bounded 而且工具密集的階段最能發揮：filtering、joining、ranking、dedup、aggregation、validation 這類把大量結果收斂成小結構的工作。它與 ZDR 相容，也不需要額外的 container 成本。注意「呼叫次數很多」本身不是採用理由——真正的判準是中間結果能否被程式化地收斂。反過來說，單一直接呼叫就夠、下一步取決於語義判斷、需要審批或必須保留 citations 時，direct tool call 通常更合適。
長度、語氣與 Pro mode
GPT-5.6 的回應預設比 GPT-5.5 精簡，遷移時值得重新檢查「Be concise」這類廣泛要求是否還有必要；需要穩定控制詳略時，改用 text.verbosity 的 low、medium、high。短答的骨架：先結論、必要證據、material caveat、next action；修剪順序是 introductions、repetition、generic reassurance、optional background。Pro mode 在同一個模型上以 reasoning.mode: "pro" 啟用，不要換成獨立的 Pro slug；mode 與 effort 互相獨立，省略時都預設 medium，代價是 latency 增加與額外 tokens（併入 usage 標準費率）。
Migration 順序與新能力速覽
升級時先保留現行 reasoning effort 當 baseline，用代表性任務測同級與低一級再決定：none/low/medium/high/xhigh/max 六級中，medium 是平衡起點，low 適合 latency 敏感的場景，max 留給最困難、品質優先的工作。命名上 gpt-5.6 會 alias 到旗艦 gpt-5.6-sol，gpt-5.6-terra 主打較低價的高效能，gpt-5.6-luna 面向高流量。Responses API 的 multi-agent（beta）可以在單一 instance 內並行協調多個 subagents 並彙整結果，縮短 wall-clock time。Explicit prompt caching 把 reusable prefixes 的 cache write 訂為 1.25 倍未快取輸入費率、read 另有折扣，以 prompt_cache_options.ttl 取代舊參數管理留存。Persisted reasoning 從 GPT-5.6 起預設 all_turns，搭配 previous_response_id 使用；關閉儲存或 ZDR 模式下則重送 encrypted reasoning items。安全機制上，cyber 與 biology 的即時分類器可能攔下請求或在中途審查時暫停數秒，dual-use 偶爾會被誤傷；個人端應用建議附上 safety_identifier 讓防護有穩定錨點。
參考來源
本文由 AI 協助自上述來源整理，經人工審核後發布。