GPT-5.5 提示词迁移指南：为什么你的旧 prompt 该重写了

OpenAI 在 API 中正式推出 GPT-5.5 的同时，附带了一份值得每位开发者认真看的提示词指南。核心信息很明确：不要把 GPT-5.5 当成 gpt-5.4 的简单升级，把它当做一个全新的模型家族来对待。

这意味着什么？意味着你精心调优了几个月的 prompt，可能在新模型上表现反而更差。这篇文章整理 OpenAI 官方指南和实际测试中的关键发现，帮你快速完成迁移。

为什么要重新写 prompt？

OpenAI 在官方指南中明确建议：

“To get the most out of GPT-5.5, treat it as a new model family to tune for, not a drop-in replacement for gpt-5.2 or gpt-5.4.”

这不是客套话。GPT-5.5 在推理模式、工具调用行为和输出风格上都有显著变化：

• 推理引擎更激进：GPT-5.5 在多步任务中会进行更深的思考链，旧 prompt 中的”逐步思考”指令可能导致过度推理
• 工具调用行为变化：新的模型在决定何时调用工具、如何组合工具方面有不同偏好
• 输出 verbosity 默认值不同：GPT-5.5 倾向于给出更详细的回答，旧 prompt 中的简洁指令可能不够力

迁移策略：从零开始

第一步：建立新基线

不要从旧 prompt 复制粘贴。从一个最小化的 prompt 开始：

import openai

# 旧代码（gpt-5.4）
response = openai.chat.completions.create(
    model="gpt-5.4",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。请逐步思考，给出详细回答..."},  # 旧 prompt
        {"role": "user", "content": user_input}
    ]
)

# 新代码（GPT-5.5）— 从最小 prompt 开始
response = openai.chat.completions.create(
    model="gpt-5.5",
    messages=[
        {"role": "system", "content": "你是一个有帮助的助手。"},  # 最小化起点
        {"role": "user", "content": user_input}
    ],
    reasoning_effort="medium"  # 显式控制推理强度
)

第二步：控制推理强度

GPT-5.5 引入了 reasoning_effort 参数，这是迁移中最关键的调优点：

# 低推理强度：适合简单问答、格式转换
response = openai.chat.completions.create(
    model="gpt-5.5",
    messages=messages,
    reasoning_effort="low"
)

# 中等推理强度：适合大多数日常任务
response = openai.chat.completions.create(
    model="gpt-5.5",
    messages=messages,
    reasoning_effort="medium"
)

# 高推理强度：适合复杂推理、代码生成、数学问题
response = openai.chat.completions.create(
    model="gpt-5.5",
    messages=messages,
    reasoning_effort="high"
)

关键发现：对于大多数 API 调用场景，reasoning_effort="low" 配合精简的 prompt 效果最好。旧 prompt 中的”逐步思考”指令在高推理强度下会导致响应时间显著增加。

第三步：利用 verbosity 参数

GPT-5.5 新增了 verbosity 控制，这是旧模型没有的能力：

# 简洁输出：适合 API 集成、结构化数据
response = openai.chat.completions.create(
    model="gpt-5.5",
    messages=messages,
    verbosity="low"
)

# 标准输出：适合对话式交互
response = openai.chat.completions.create(
    model="gpt-5.5",
    messages=messages,
    verbosity="medium"
)

# 详细输出：适合教学、解释性场景
response = openai.chat.completions.create(
    model="gpt-5.5",
    messages=messages,
    verbosity="high"
)

CLI 用户可以直接使用：

llm -m gpt-5.5 "解释这段代码" -o verbosity low

第四步：优化多步任务的 UX

OpenAI 推荐一个实用的 UX 技巧：在多步任务中，在工具调用前发送一条简短的进度更新。

async def handle_complex_task(user_input):
    # 先发送一条即时响应，让用户知道系统在处理
    yield {"type": "status", "message": "正在分析你的请求，第一步是检索相关数据..."}
    
    # 然后进行耗时的工具调用
    response = await openai.chat.completions.create(
        model="gpt-5.5",
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_input}
        ],
        tools=tools
    )
    
    yield {"type": "result", "data": response}

这个技巧让长时间运行的任务不再像”卡住了”，Codex 应用已经在用这个模式。

工具调用迁移注意事项

工具描述要更精确

GPT-5.5 对工具描述的理解更细致，但也更容易被模糊描述误导。迁移时检查每个工具描述：

# 旧写法（在 gpt-5.4 上够用）
tools = [{
    "type": "function",
    "function": {
        "name": "search_database",
        "description": "搜索数据库"  # 太模糊
    }
}]

# 新写法（GPT-5.5 推荐）
tools = [{
    "type": "function",
    "function": {
        "name": "search_database",
        "description": "在用户数据库中搜索记录。支持按邮箱、用户名或用户ID搜索。返回最多10条匹配结果。",
        "parameters": {
            "type": "object",
            "properties": {
                "query_type": {
                    "type": "string",
                    "enum": ["email", "username", "user_id"],
                    "description": "搜索类型"
                },
                "query": {
                    "type": "string",
                    "description": "搜索关键词"
                }
            },
            "required": ["query_type", "query"]
        }
    }
}]

输出格式要显式声明

GPT-5.5 在输出格式上更灵活，但也更不可预测。如果你的应用依赖特定格式，务必显式声明：

response = openai.chat.completions.create(
    model="gpt-5.5",
    messages=messages,
    response_format={"type": "json_object"}  # 强制 JSON 输出
)

迁移检查清单

用 Codex 自动迁移

OpenAI 推荐在 Codex 中运行以下命令来升级项目：

openai-docs migrate this project to gpt-5.5

这会触发一个编码代理，按照官方升级指南自动修改你的代码。升级指南包含了模型字符串替换、prompt 重写和参数调整的具体建议。

成本考量

GPT-5.5 的定价与 gpt-5.4 基本持平，但由于推理引擎更强大，相同任务可能消耗更多 token。通过合理设置 reasoning_effort="low" 和 verbosity="low"，可以在大多数场景下保持成本不变。

总结

GPT-5.5 不是 gpt-5.4 的简单替换。OpenAI 的建议很明确：忘掉你为旧模型调优的一切，从零开始。 这听起来很痛苦，但实际迁移成本并不高——核心就是三步：最小化 prompt、显式控制推理强度、利用新的 verbosity 参数。

对于生产环境，建议在独立分支上完成迁移测试，用代表性数据集验证输出质量后再切换模型。

参考：OpenAI GPT-5.5 Prompting Guide、Using GPT-5.5 Guide、Simon Willison 博客