Оглавление

Компания OpenAI представила обновленное руководство по работе с моделью GPT-5.5, в котором содержится довольно радикальный совет: разработчикам следует отказаться от накопленного багажа старых промптов. Как сообщает издание The Decoder, избыточная детализация и сложные инструкции, созданные для предыдущих поколений нейросетей, теперь превратились в балласт, который лишь мешает новой модели демонстрировать свои возможности.

Вместо того чтобы адаптировать существующие цепочки команд, инженерам предлагают начинать с чистого листа, используя минималистичные инструкции, ориентированные на конечный результат. GPT-5.5 обладает более совершенными механизмами рассуждения, что позволяет ей обходиться без излишней опеки со стороны пользователя. Тестирование рекомендуется начинать с низких и средних уровней интенсивности логического вывода (reasoning effort), прежде чем задействовать максимальные ресурсы системы.

Почему старые инструкции вредят производительности

Проблема «наследственных» промптов заключается в том, что они проектировались для моделей, которые нуждались в пошаговом руководстве. Раньше разработчикам приходилось буквально водить нейросеть за руку, прописывая каждый промежуточный этап. В случае с GPT-5.5 такая микроопека создает лишний шум и сужает пространство поиска решений, что часто приводит к сухим и механическим ответам.

Новая парадигма взаимодействия предполагает описание целевого состояния, критериев успеха и ограничений, оставляя путь достижения цели на усмотрение самой модели. Например, вместо того чтобы указывать «сначала проверь поле А, затем сравни с полем Б», эффективнее сформулировать задачу так: «Решите проблему клиента полностью, используя имеющиеся данные о политике компании и учетной записи». Жесткие правила с использованием слов «всегда» или «никогда» стоит оставить только для критических вопросов безопасности и форматов вывода.

Возвращение ролевых моделей и структура промпта

Интересно, что OpenAI вновь ставит определение роли в начало структуры промпта, хотя в профессиональном сообществе велись споры об эффективности этого приема. Предложенная схема для сложных сценариев выглядит следующим образом:

  • Роль: Краткое определение функции и контекста модели.
  • Личность: Тон общения, манера поведения и стиль взаимодействия.
  • Критерии успеха: Что должно быть выполнено перед выдачей финального ответа.
  • Ограничения: Политики безопасности, бизнес-лимиты и рамки использования доказательств.
  • Выходные данные: Требования к структуре, длине и оформлению текста.
  • Правила остановки: Условия, при которых модель должна прекратить цикл или запросить уточнение.

Стремление OpenAI заставить нас переписывать библиотеки промптов выглядит как признание того, что архитектура «черного ящика» становится всё более капризной. Нам предлагают поверить в «эффективное рассуждение» модели, но на деле это лишь попытка замаскировать непредсказуемость её логики под маской лаконичности. Ожидание, что разработчики массово бросятся сжигать свои наработки ради сомнительного выигрыша в латентности, кажется чрезмерно оптимистичным — индустрия предпочитает стабильность, а не ежемесячную перестройку фундамента.

Управление бюджетом поиска и цитированием

Для задач, требующих опоры на факты, OpenAI рекомендует внедрять правила цитирования непосредственно в промпт. Важным нововведением стало понятие «бюджета на поиск» (retrieval budget). Это позволяет ограничить количество обращений к внешним источникам, чтобы модель не уходила в бесконечные циклы уточнения второстепенных деталей.

Разработчикам советуют четко разграничивать в инструкциях те части ответа, которые требуют обязательного подтверждения источниками (например, метрики или даты выхода продуктов), и те, где допустима свободная формулировка. Если доказательств недостаточно, модель должна не выдумывать факты, а использовать заполнители (placeholders) или прямо сообщать об отсутствии данных.

Для борьбы с субъективным ощущением задержки в стриминговых приложениях предлагается использовать короткие преамбулы. Это одно-два предложения, в которых нейросеть подтверждает получение запроса и называет первый шаг, который она собирается предпринять. Такой подход не ускоряет саму обработку данных, но делает интерфейс более «живым» для пользователя.