近期关于GPT-5表现不如预期的抱怨不断，但OpenAI最新发布的提示工程指南揭示了关键原因：模型并非退步，而是需要正确的“配置”。指南详细介绍了如何通过调整五个核心“开关”，将GPT-5从一个机械执行者转变为一个稳定、高效、甚至能主动补漏的全能搭档。这些开关包括“自主探索倾向”（agentic eagerness），用于控制模型在多大程度上自主解决问题；“推理深度”（reasoning_effort），以匹配任务的复杂性；“记忆锁”（Responses API），确保长对话中的连贯性；“脑子和嘴分开控制”（verbosity），区分思考深度与表达详略；以及“规则清晰”（clear rules），避免指令冲突。掌握这些技巧，能显著提升GPT-5的表现，使其更好地服务于用户的各类需求。

💡 **智能自主性调整：** GPT-5并非只能机械执行，其“自主探索倾向”（agentic eagerness）允许在“严格执行”和“完全自主解决”间切换。通过调整此参数，可以引导模型在完成指定任务的同时，主动发现并优化潜在问题，提升整体解决方案的质量，例如在代码优化中，高倾向值能促使模型一并修复相关隐患，而非仅修补一处bug。

🧠 **推理深度匹配任务：** “推理深度”（reasoning_effort）如同镜头的焦距，决定了模型对任务的剖析程度。低推理深度适用于简单、结果明确的任务，可快速给出结论；高推理深度则适合复杂任务，需要模型逐步拆解、详细论证。合理运用此设置，可避免模型在小题大做或敷衍了事，实现效率与深度的平衡，特别是在延迟敏感任务中，使用最小推理模式尤为有效。

🔒 **长对话记忆与连贯性：** Responses API 提供的“记忆锁”功能，能锁定并复用模型之前的推理结果，有效解决长对话中“断片”或逻辑冲突的问题。它确保模型在多步骤任务中保持思路一致，提高回答的稳定性和准确性。结合“过程可追踪”指令，更能实现流程透明化，便于随时介入调整，如同为长途旅行配备导航，确保全程沿着既定路线前进。

🗣️ **表达详略的精细控制：** “冗长度”（verbosity）与推理深度是两个独立维度，允许分别控制模型思考的广度和表达的详细程度。全局可设为简洁模式以减少日常对话的啰嗦，而在需要详细解释的场景（如审计、研究报告），则可提高冗长度，让模型输出详尽的推理过程。这种“脑子和嘴分开控制”的能力，使用户能获得既深入思考又恰当表达的搭档。

📜 **清晰规则避免指令冲突：** GPT-5高度遵循指令，但指令间的冲突会导致其行为跑偏。通过在提示词中明确设置“代码编辑规则块”或清晰的指令层级，如“只在得到确认后安排最早的会议”，可避免模型在相互矛盾的指令间挣扎。清晰的规则不仅能确保生成内容的格式（如Markdown、列表、代码块）和风格统一，还能让模型将算力集中于核心任务，而非自我争论。