OpenAI 使用 GPT-5.2

<a id="introduction"></a>

简介

GPT-5.2发布时是通用与智能体任务的旗舰，较5.1改进通用能力、指令、准确性、词元效率、视觉、前端编程、工具与上下文管理、表格理解与制作。本页介绍5.2代际的使用方式，不把发布时定位当作当前排名。

编程示例

官方页面展示了单次提示生成的应用，部分来自5.2，部分来自较早GPT-5。演示说明可探索的能力，不代表生产应用无需审查、测试和部署准备。

<a id="model-api-and-feature-updates"></a>

模型、API与功能

变体	用途
gpt-5.2	复杂推理、广泛知识、代码密集与多步智能体任务
gpt-5.2-pro	能接受更长等待、需要更多计算的难题
gpt-5.2-codex	交互式编程产品与智能体编程
gpt-5-mini	成本优化的推理与聊天
gpt-5-nano	高吞吐、明确指令与分类

原页指出gpt-5.2-chat-latest已在2026年8月10日关闭，替代为gpt-5.6-sol，见弃用公告。这不等于表中所有5.2变体都在同日关闭。

<a id="whats-new"></a>

新能力

延续自定义工具、详细度与推理控制、可用工具子集，新增xhigh力度、简洁推理摘要与上下文压缩。

较低推理力度

5.2最低和默认为none，低延迟任务可从此开始，确有需要逐步提高至medium等档位。none场景可用清楚计划和工具规则补充执行控制，不要求暴露内部思维。

设置GPT-5.2的none推理力度；各语言保持原请求字段

// 设置GPT-5.2的none推理力度；各语言保持原请求字段
import OpenAI from "openai";
const openai = new OpenAI();

const response = await openai.responses.create({
  model: "gpt-5.2",
  input:
    "Think carefully and outline your steps before answering. How much gold would it take to coat the Statue of Liberty in a 1mm layer?",
  reasoning: {
    effort: "none",
  },
});

console.log(response);

设置GPT-5.2的none推理力度；各语言保持原请求字段

## 设置GPT-5.2的none推理力度；各语言保持原请求字段
from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.2",
    input="Think carefully and outline your steps before answering. How much gold would it take to coat the Statue of Liberty in a 1mm layer?",
    reasoning={"effort": "none"},
)

print(response)

设置GPT-5.2的none推理力度；各语言保持原请求字段

// 设置GPT-5.2的none推理力度；各语言保持原请求字段
package main

import (
    "context"
    "fmt"

    "github.com/openai/openai-go/v3"
    "github.com/openai/openai-go/v3/responses"
    "github.com/openai/openai-go/v3/shared"
)

func main() {
    client := openai.NewClient()
    response, err := client.Responses.New(context.Background(), responses.ResponseNewParams{
        Model:     "gpt-5.2",
        Input:     responses.ResponseNewParamsInputUnion{OfString: openai.String("Think carefully and outline your steps before answering. How much gold would it take to coat the Statue of Liberty in a 1mm layer?")},
        Reasoning: shared.ReasoningParam{Effort: shared.ReasoningEffortNone},
    })
    if err != nil {
        panic(err)
    }
    fmt.Println(response)
}

设置GPT-5.2的none推理力度；各语言保持原请求字段

// 设置GPT-5.2的none推理力度；各语言保持原请求字段
import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.Reasoning;
import com.openai.models.ReasoningEffort;
import com.openai.models.responses.ResponseCreateParams;

ResponseCreateParams params =
    ResponseCreateParams.builder()
        .model("gpt-5.2")
        .input("Explain the bug and propose a fix.")
        .reasoning(Reasoning.builder().effort(ReasoningEffort.NONE).build())
        .build();

client.responses().create(params).output().stream()
    .flatMap(item -> item.message().stream())
    .flatMap(message -> message.content().stream())
    .flatMap(content -> content.outputText().stream())
    .forEach(text -> System.out.println(text.text()));

设置GPT-5.2的none推理力度；各语言保持原请求字段

// 设置GPT-5.2的none推理力度；各语言保持原请求字段
using OpenAI.Responses;
#pragma warning disable OPENAI001

string key = Environment.GetEnvironmentVariable("OPENAI_API_KEY")!;
ResponsesClient client = new(key);

CreateResponseOptions options = new()
{
    Model = "gpt-5.2",
    ReasoningOptions = new ResponseReasoningOptions
    {
        ReasoningEffortLevel = ResponseReasoningEffortLevel.None,
    },
};
options.InputItems.Add(
    ResponseItem.CreateUserMessageItem(
        "Think carefully and outline your steps before answering. How much gold would it take to coat the Statue of Liberty in a 1mm layer?"
    )
);

ResponseResult response = await client.CreateResponseAsync(options);
Console.WriteLine(response.GetOutputText());

设置GPT-5.2的none推理力度；各语言保持原请求字段

## 设置GPT-5.2的none推理力度；各语言保持原请求字段
require "openai"

client = OpenAI::Client.new
response = client.responses.create(
  model: "gpt-5.2",
  reasoning: { effort: :minimal },
  input: "Explain the bug and propose a fix."
)
puts(response.output_text)

设置GPT-5.2的none推理力度；各语言保持原请求字段

## 设置GPT-5.2的none推理力度；各语言保持原请求字段
curl --request POST \
  --url https://api.openai.com/v1/responses \
  --header "Authorization: Bearer $OPENAI_API_KEY" \
  --header 'Content-type: application/json' \
  --data '{
        "model": "gpt-5.2",
        "input": "Think carefully and outline your steps before answering. How much gold would it take to coat the Statue of Liberty in a 1mm layer?",
        "reasoning": {
                "effort": "none"
        }
}'

详细程度

text.verbosity支持low、medium（默认）、high。high适合深入解释或大规模重构，low适合简答与聚焦代码如SQL。中高详细度通常产生更长、更有结构及说明的代码，low更紧凑。降低长度可能改善延迟，但也可能损失必要内容，应单独评测。

控制GPT-5.2输出详细程度

// 控制GPT-5.2输出详细程度
import OpenAI from "openai";
const openai = new OpenAI();

const response = await openai.responses.create({
  model: "gpt-5.2",
  input:
    "What is the answer to the ultimate question of life, the universe, and everything?",
  text: {
    verbosity: "low",
  },
});

console.log(response);

控制GPT-5.2输出详细程度

## 控制GPT-5.2输出详细程度
from openai import OpenAI

client = OpenAI()

response = client.responses.create(
    model="gpt-5.2",
    input="What is the answer to the ultimate question of life, the universe, and everything?",
    text={"verbosity": "low"},
)

print(response)

控制GPT-5.2输出详细程度

// 控制GPT-5.2输出详细程度
package main

import (
    "context"
    "fmt"

    "github.com/openai/openai-go/v3"
    "github.com/openai/openai-go/v3/responses"
)

func main() {
    client := openai.NewClient()
    response, err := client.Responses.New(context.Background(), responses.ResponseNewParams{
        Model: "gpt-5.2",
        Input: responses.ResponseNewParamsInputUnion{OfString: openai.String("What is the answer to the ultimate question of life, the universe, and everything?")},
        Text:  responses.ResponseTextConfigParam{Verbosity: responses.ResponseTextConfigVerbosityLow},
    })
    if err != nil {
        panic(err)
    }
    fmt.Println(response)
}

控制GPT-5.2输出详细程度

// 控制GPT-5.2输出详细程度
import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.responses.ResponseCreateParams;
import com.openai.models.responses.ResponseTextConfig;

ResponseCreateParams params =
    ResponseCreateParams.builder()
        .model("gpt-5.2")
        .input("Explain the bug and propose a fix.")
        .text(ResponseTextConfig.builder().verbosity(ResponseTextConfig.Verbosity.LOW).build())
        .build();

client.responses().create(params).output().stream()
    .flatMap(item -> item.message().stream())
    .flatMap(message -> message.content().stream())
    .flatMap(content -> content.outputText().stream())
    .forEach(text -> System.out.println(text.text()));

控制GPT-5.2输出详细程度

## 控制GPT-5.2输出详细程度
require "openai"

client = OpenAI::Client.new
response = client.responses.create(
  model: "gpt-5.2",
  text: { verbosity: :low },
  input: "Explain the bug and propose a fix."
)
puts(response.output_text)

控制GPT-5.2输出详细程度

## 控制GPT-5.2输出详细程度
curl --request POST \
  --url https://api.openai.com/v1/responses \
  --header "Authorization: Bearer $OPENAI_API_KEY" \
  --header 'Content-type: application/json' \
  --data '{
  "model": "gpt-5.2",
  "input": "What is the answer to the ultimate question of life, the universe, and everything?",
  "text": {
    "verbosity": "low"
  }
}'

API设置是默认尺度，开发者与用户提示仍可为特定任务细调。

工具

apply_patch让模型发出增删改差异，由应用执行并回传；它是自由格式调用，原页报告命名实现的补丁失败率在测试中降低35%。shell通过受控命令接口提出操作，宿主仍负责运行与权限。使用方式分别见补丁工具与Shell。

自定义工具

type: "custom"可传自由文本，例如代码、SQL、命令、配置或长文字：

自由格式code_exec工具声明；JSON本身不添加注释

{
  "type": "custom",
  "name": "code_exec",
  "description": "Executes arbitrary python code"
}

可附上下文无关文法（CFG），例如Lark规则，限制为特定DSL或SQL语法。语法符合不代表语义安全，服务端仍需验证输入与执行。说明应简洁明确，是否总要调用也要写清楚。

允许使用的工具子集

tools声明全部N项工具，tool_choice中的allowed_tools仅允许当前M项。auto可以自行选择，required要求调用其中之一。把能力全集与本阶段权限分开，可保持缓存稳定，并减少长上下文中的意外调用。

项目	tools全集	allowed_tools子集
范围	所有已声明工具	当前允许的部分
调用	不一定调用	按auto／required限制
目的	声明能力	限制实际使用

通过allowed_tools限制本阶段可调用的工具

{
  "tool_choice": {
    "type": "allowed_tools",
    "mode": "auto",
    "tools": [
      { "type": "function", "name": "get_weather" },
      { "type": "function", "name": "search_docs" }
    ]
  }
}

工具前说明

可要求在调用前简短说明意图或原因，帮助理解执行路径。它是用户可见的行动说明，不是原始隐藏推理。工具之间也可能有多条assistant消息，应用需正确处理。

<a id="migration-quickstart"></a>

快速迁移

从其他模型迁移

优先Responses以延续适用推理项，减少重复推理并改善缓存和延迟。原页建议起点如下，最终仍需评测：5.1保持默认对应行为；o3先medium，必要时high；4.1先none；o4-mini／4.1-mini可测试gpt-5-mini；4.1-nano可测试gpt-5-nano。mini／nano不能因为升级就全部换成旗舰。

参数兼容

5.2仅在none时支持temperature、top_p、相应logprobs设置；其他力度可能报错。较早5／mini／nano也不能直接接收相同采样组合。按端点核对实际字段：Responses用reasoning.effort、text.verbosity、max_output_tokens；Chat的层级与命名不同。

从Chat Completions到Responses

主要差异之一是Responses可延续推理项，Chat不能以相同方式续接。下列成对展示字段位置，不能仅换URL而保留所有请求结构：

对照Responses与Chat Completions的none推理字段

## 对照Responses与Chat Completions的none推理字段
curl --request POST \
  --url https://api.openai.com/v1/responses \
  --header "Authorization: Bearer $OPENAI_API_KEY" \
  --header "Content-type: application/json" \
  --data '{
  "model": "gpt-5.2",
  "input": "How much gold would it take to coat the Statue of Liberty in a 1mm layer?",
  "reasoning": {
    "effort": "none"
  }
}'

对照Responses与Chat Completions的none推理字段

## 对照Responses与Chat Completions的none推理字段
curl --request POST \
  --url https://api.openai.com/v1/chat/completions \
  --header "Authorization: Bearer $OPENAI_API_KEY" \
  --header "Content-type: application/json" \
  --data '{
  "model": "gpt-5.2",
  "messages": [
    {
      "role": "user",
      "content": "How much gold would it take to coat the Statue of Liberty in a 1mm layer?"
    }
  ],
  "reasoning_effort": "none"
}'

对照两个端点的详细度字段

## 对照两个端点的详细度字段
curl --request POST \
  --url https://api.openai.com/v1/responses \
  --header "Authorization: Bearer $OPENAI_API_KEY" \
  --header "Content-type: application/json" \
  --data '{
  "model": "gpt-5.2",
  "input": "What is the answer to the ultimate question of life, the universe, and everything?",
  "text": {
    "verbosity": "low"
  }
}'

对照两个端点的详细度字段

## 对照两个端点的详细度字段
curl --request POST \
  --url https://api.openai.com/v1/chat/completions \
  --header "Authorization: Bearer $OPENAI_API_KEY" \
  --header "Content-type: application/json" \
  --data '{
  "model": "gpt-5.2",
  "messages": [
    {
      "role": "user",
      "content": "What is the answer to the ultimate question of life, the universe, and everything?"
    }
  ],
  "verbosity": "low"
}'

对照两个端点中的自定义工具请求

## 对照两个端点中的自定义工具请求
curl --request POST \
  --url https://api.openai.com/v1/responses \
  --header "Authorization: Bearer $OPENAI_API_KEY" \
  --header "Content-type: application/json" \
  --data '{
  "model": "gpt-5.2",
  "input": "Use the code_exec tool to calculate the area of a circle with radius equal to the number of r letters in blueberry",
  "tools": [
    {
      "type": "custom",
      "name": "code_exec",
      "description": "Executes arbitrary Python code"
    }
  ]
}'

对照两个端点中的自定义工具请求

## 对照两个端点中的自定义工具请求
curl --request POST \
  --url https://api.openai.com/v1/chat/completions \
  --header "Authorization: Bearer $OPENAI_API_KEY" \
  --header "Content-type: application/json" \
  --data '{
  "model": "gpt-5.2",
  "messages": [
    {
      "role": "user",
      "content": "Use the code_exec tool to calculate the area of a circle with radius equal to the number of r letters in blueberry"
    }
  ],
  "tools": [
    {
      "type": "custom",
      "custom": {
        "name": "code_exec",
        "description": "Executes arbitrary Python code"
      }
    }
  ]
}'

<a id="prompting-best-practices"></a>

提示词最佳实践

主要行为差异

相对5／5.1，5.2默认计划与结构更明确、回答更聚焦、格式和指令更稳定，工具交互可能增加，取证倾向较保守。明确范围、篇幅与歧义处理可减少无效探索；这些是观察到的倾向，不是固定保证。

提示模式

长度与输出形状

企业或编程助手应给具体预算，而非只说简洁：

控制长度、列表与代码引用的提示模板

<output_verbosity_spec>
- 默认：典型答案为 3—6 句话，或 ≤5 个要点。
- 简单的“是/否加简短解释”：≤2 句话。
- 复杂多步或多文件任务：
  - 1 个简短概述段落；
  - 然后 ≤5 个要点，标签为 What changed、Where、Risks、Next steps、Open questions（变化、位置、风险、下一步、待解问题）。
- 回答清晰、有结构，平衡信息量与简洁。将信息拆成易理解的部分，必要时用列表、段落和表格。
- 避免长篇叙述段落，优先紧凑要点和短小节。
- 除非会改变语义，否则不复述用户请求。
</output_verbosity_spec>

防止范围漂移

前端明确禁止额外功能与未经要求的样式，沿用设计系统token：

不扩展需求或设计系统的提示约束

<design_and_scope_constraints>
- 探索任何现有设计系统，深入理解它。
- 严格且仅实现用户要求的内容。
- 不增加功能、组件或 UX 装饰。
- 风格与当前设计系统一致。
- 除非用户要求或需求必需，否则不自行创造颜色、阴影、token、动画或新 UI 元素。
- 指令有歧义时，选择最简单的有效解释。
</design_and_scope_constraints>

长上下文与回忆

先概括相关内容、重述约束，再依据具体章节或引文回答，减少在长资料中遗漏：

长上下文任务的重新定位与证据约束

<long_context_handling>
- 输入超过约 10k 个词元时，例如多章文档、长对话、多份 PDF：
  - 先在内部简要列出与请求相关的关键小节。
  - 回答前明确重述用户约束，例如司法辖区、日期范围、产品、团队。
  - 回答时把说法对应到小节，例如“在‘数据保留’小节中……”，而非泛泛而谈。
- 答案依赖日期、阈值、条款等细节时，引用或转述它们。
</long_context_handling>

歧义与幻觉风险

要求缺关键条件时明确假设或提出必要小问题；无实时证据时不要编造精确数字、日期和引用。

缺失信息与不确定性的处理规则

<uncertainty_and_ambiguity>
- 问题含糊或说明不足时，明确指出，并：
  - 提出最多 1—3 个精确澄清问题；或
  - 给出 2—3 种合理解释，清楚标明假设。
- 价格、版本、政策等外部事实近期可能变化，而又没有工具时：
  - 用一般性表述回答，说明细节可能已变化。
- 不确定时，绝不编造精确数字、行号或外部引用。
- 没有把握时，优先用“根据所提供上下文……”之类的措辞，避免绝对说法。
</uncertainty_and_ambiguity>

对高影响回答做最终自查

<high_risk_self_check>
结束法律、金融、合规或安全敏感问题的答案前：
- 快速重读答案，检查：
  - 未说明的假设；
  - 缺乏上下文依据的具体数字或说法；
  - 过强措辞，如“总是”“保证”。
- 发现时，弱化或限定措辞，并明确假设。
</high_risk_self_check>

上下文压缩

工具密集、多轮历史或迭代任务接近窗口时，可调用/responses/compact，返回保留关键信息的加密不透明项，供下一请求续接。它不是给开发者读取内部推理的文本。

上下文压缩端点，属于协议路径示例

POST https://api.openai.com/v1/responses/compact

监控用量，在重要里程碑而非每轮压缩；恢复时保持提示功能一致，不解析压缩项内部内容。压缩前输入仍须在模型可接受范围内，不能把已溢出的任意历史交给端点。

调用压缩端点并用返回状态继续任务

// 调用压缩端点并用返回状态继续任务
const input = [
  { role: "user", content: "write a very long poem about a dog." },
];
const response = await client.responses.create({ model: "gpt-5.2", input });
if (response.status !== "completed") {
  throw new Error(`Response ended with status ${response.status}`);
}
const compacted = await client.responses.compact({
  model: "gpt-5.2",
  input: [...input, ...response.output],
});
console.log(JSON.stringify(compacted, null, 2));

调用压缩端点并用返回状态继续任务

## 调用压缩端点并用返回状态继续任务
from openai import OpenAI
import json


client = OpenAI()


response = client.responses.create(
    model="gpt-5.2",
    input=[
        {
            "role": "user",
            "content": "write a very long poem about a dog.",
        },
    ],
)


output_json = [msg.model_dump() for msg in response.output]


## Now compact, passing the original user prompt and the assistant text as inputs
compacted_response = client.responses.compact(
    model="gpt-5.2",
    input=[
        {
            "role": "user",
            "content": "write a very long poem about a dog.",
        },
        output_json[0],
    ],
)


print(json.dumps(compacted_response.model_dump(), indent=2))

调用压缩端点并用返回状态继续任务

## 调用压缩端点并用返回状态继续任务
require "openai"

client = OpenAI::Client.new
response = client.responses.create(
  model: "gpt-5.2",
  input: [
    {
      role: :user,
      content: "Write a very long poem about a dog."
    }
  ]
)
compaction = client.responses.compact(
  model: "gpt-5.2",
  input: [
    {
      role: :user,
      content: "Write a very long poem about a dog."
    },
    *response.output
  ]
)

puts(compaction.output)

自主执行与更新

可复用5.1持续执行与更新规则，再让进度更短、更聚焦，明确不扩大问题范围：

阶段变化或重要发现时更新用户

<user_updates_spec>
- 只在以下情况发送 1—2 句简短更新：
  - 开始新的主要工作阶段；或
  - 发现改变计划的情况。
- 避免叙述常规工具调用，如“读取文件中”“运行测试中”。
- 每次更新至少包含一个具体结果，如“发现 X”“确认 Y”“更新 Z”。
- 不超出用户要求扩展任务；发现新工作时，标明为可选。
</user_updates_spec>

工具与并行

工具描述用一两句说明作用与时机。代码扫描、向量检索和多实体查询可明确独立并行；订单、账单、基础设施等高影响操作需要前置验证。

按实时性、依赖和影响选择工具的规则

<tool_usage_rules>
- 以下情况优先使用工具，而非内部知识：
  - 需要最新或用户专属数据，例如工单、订单、配置、日志。
  - 引用具体 ID、URL 或文档标题。
- 尽可能并行执行独立读取，如 read_file、fetch_record、search_docs，以降低延迟。
- 每次写入/更新工具调用后，简要重述：
  - 改了什么；
  - 在哪里（ID 或路径）；
  - 已进行哪些后续验证。
</tool_usage_rules>

结构化提取、PDF与Office

提供输出Schema，区分必需与可选字段，明确提取完整性和缺失值行为。多文件分别序列化，保留文件名、合同名、页码范围等稳定标识。

表格、PDF、邮件提取为JSON的合同示例

<extraction_spec>
你将从表格/PDF/邮件中抽取结构化数据并输出 JSON。

- 始终严格遵循此模式，不增加字段：
  {
    "party_name": string,
    "jurisdiction": string | null,
    "effective_date": string | null,
    "termination_clause_summary": string | null
  }
- 来源中不存在的字段设为 null，不要猜。
- 返回前，快速重查来源中是否有漏掉的字段，并补正遗漏。
</extraction_spec>

提示词迁移步骤

4o／4.1到5.2先none；5到5.2保留有效值，minimal改none；5.1保留原值。注意5默认medium，5.1／5.2默认none。

先换模型而不改提示，显式锁定实际力度，跑基线评测；有退化才针对格式、篇幅、Schema或范围调提示。每次只改变一项，复跑相同评测后再决定调力度或继续改提示。

网络搜索与研究

明确搜索深度、是否追踪二级线索、怎样处理矛盾、何时引用，以及边际收益下降时停止。可在有界研究中要求覆盖几种合理解释，而非反复澄清，但不能用它替代会改变结果的必要信息。规定Markdown、比较表、术语解释、具体示例和不迎合的语气。

多来源研究、矛盾处理与引用规则

<web_search_rules>
- 充当专业研究助手，默认给出全面、有条理的答案。
- 事实不确定或不完整时，优先网络研究而非假设；为所有源于网络的信息提供引用。
- 研究问题的所有部分，解决矛盾，追查重要的进一步影响，直到继续研究不太可能改变答案。
- 不提澄清问题，改为全面、深入地覆盖所有合理的用户意图。
- 用 Markdown 清楚、直接地写作，必要时用标题、要点、表格；解释缩略词，使用具体示例，语气自然、便于交流。
</web_search_rules>

应用要点

迁移先保持力度、详细度与范围，依据评测调整。完整执行、准确和证据比单看输出更短或工具更少更重要。

附录：网络研究助手

以下完整提示示例包括角色、何时浏览、搜索策略、歧义处理、引用、写作、交付结构和结束条件。规则用于构建应用，不授权文档读者执行外部操作。

网络研究助手的提示词示例

你是有帮助、温暖的网络研究智能体。工作是深入、彻底地研究网络，基于可靠来源给出篇幅长、细节充分、全面、文笔良好且结构清楚的答案。答案应吸引人、有信息量、具体、易于理解。必须完全遵守以下指南。
############################################
核心使命
############################################
完整、有帮助地回答问题，提供足够证据，让持怀疑态度的读者也能信任。
绝不编造事实。无法核实时，明确说明，并解释实际查到了什么。
除非用户明确要求简短，默认详细、实用，而非追求短。
再多走一步：回答直接问题后，补充支持用户根本目标的高价值相关内容，但不偏题。不只给结论，还补解释。重要说法用普通语言解释底层机制或因果链：什么造成它、影响什么、通常哪里会被误解。
############################################
人设
############################################
你是世界上最优秀的研究助手。
温暖、热情、诚实，避免无依据或迎合式恭维。
采用用户要求的任何人设。
除非主题需要严肃，默认自然、健谈、有趣，而非正式或机械。
配合请求氛围：闲聊时更支持性，工作任务时更直接、实用。
############################################
事实性与准确性（不可妥协）
############################################
所有非创作问题都必须浏览网络并提供引用，除非：
用户明确要求不浏览；或
请求纯属创作，且你绝对确信无需网络研究，例如“写一首关于花的诗”。
拿不准浏览是否有帮助时，必须浏览。
以下情况必须浏览：
“最新/当前/今天”或时效主题，如新闻、政治、体育、价格、法律、日程、产品规格、排名/纪录、任职人员。
细节近期可能变化的最新或小众主题，如天气、汇率、经济指标、标准/法规、可更新的软件库、科学进展、文化趋势、近期媒体/娱乐动态。
旅行与行程规划，如目的地、场地、后勤、营业时间、关闭、预订限制、安全变化。
任何推荐，因为有什么、好不好、是否开放、是否安全都会变化。
一般或高层主题，例如“什么是 AI 智能体？”或“openai”，以确保准确和当前表述。
导航问题，即寻找资源、网站、官方页面、文档、定义或权威参考。
包含拿不准的术语、疑似拼写错误或有歧义含义的任何问题。
新闻问题优先较近事件，并明确比较：
每个来源的发布日期；以及
事件发生日期（若不同）。
############################################
引用（必须）
############################################
使用网络信息就必须引用。
对包含非显而易见的网络说法的每个段落，或紧密相关的一小组句子，在其后放引用。
不编造引用。用户要求不浏览时，不引用网络来源。
关键说法尽可能使用多个来源，优先一手来源和高质量媒体。
############################################
如何研究
############################################
必须深入研究，提供全面、信息量极高的答案。尽可能丰富细节，以投入、细心和不显而易见的洞见给用户带来惊喜。
从多个定向搜索开始，适合时并行搜索，绝不只依赖一次查询。
深入彻底研究，直到有足够信息，能给出准确、全面、细节支持有力的答案。
起点要足够宽，覆盖主要答案和最可能解释。
追加定向搜索，填补缺口、解决分歧、确认最重要说法。
时效主题明确检查近期更新。
涉及比较、选项或推荐时，收集足够广的资料以说明取舍，不只用一个来源。
持续迭代，直到额外搜索不太可能实质改变答案或补充有价值的遗漏细节。
证据薄弱时继续搜索，不猜测。
来源为 PDF、且细节依赖图表时，用 PDF 查看/截图，不猜测。
只有以下全部满足才停止：
已经回答实际问题及每个子部分。
找到具体例子和高价值相关内容。
核心说法有充分来源。
############################################
写作指南
############################################
直接：立即开始回答。
全面：回答问题每一部分。除非请求极其简单，答案应很详细、很长；长答案开头加简短摘要。
简单语言：完整句子、短词、具体动词、主动语态，每句一个主要观点。
除非对话明确显示用户是专家，避免术语或晦涩表达。
使用易读格式：
除非用户另有要求，使用 Markdown。
用纯文字小节标签和要点便于浏览。
读者需要比较或选择时用表格，尤其多项具有共同属性、网格比文字更易显示差别时。
除非用户明确要求，不在回复开头或末尾加潜在追问或澄清问题。
############################################
必须的增值行为（细节/丰富度）
############################################
具体例子：有帮助时必须给，包括实体名称、机制、案例、具体数字/日期、工作原理细节。解释主题时，偶尔可用有帮助的类比。
默认不要过短：即便直接问题，也应包含相关、有来源的补充信息，使答案更实用，如背景、上下文、影响、显著细节、比较、实际启示。
总体上，只要明确有助于目标，就补充经过充分研究的材料。

结束前快速检查完整性：
1. 是否回答每个子部分？
2. 每个主要小节是否有解释，并在可能时至少给一个具体细节/例子？
3. 相关时是否包含取舍/决策标准？
############################################
处理歧义（不提问）
############################################
除非用户明确要求，否则绝不提澄清或追问。
问题含糊时，直接说明最合理解释，再全面覆盖最可能意图。有多种最可能意图时，逐个全面覆盖，因此每种解释都要有完整长答案，而非提问。
############################################
无法完全满足请求时
############################################
能立即提供安全帮助时，不用生硬拒绝开头。
先交付能做的内容，例如安全的部分答案、已验证材料或相关替代，再明确说明政策、信息缺失、付费墙或不可核实说法等限制。
无法验证时直说，并解释已验证什么、仍未知什么，以及最合适的解决下一步，不向用户提问。

延伸阅读

• Responses迁移与对照
• 上下文压缩
• GPT-5.2提示指南
• 推理项续接