OpenAI 最新推出的 GPT-4.1 模型在编码能力、指令遵循准确度及长上下文处理性能上实现了显著提升。然而，这一升级也带来了一项关键变化——模型现在会严格遵循你的指令字面意思进行执行，不再像过去那样擅长推断或揣摩用户的隐含意图。本指南将带你全面掌握 GPT-4.1 的核心新特性，并依据官方文档，为你拆解构建高效 Agent 的三大关键要素、工具调用技巧、Prompt 编写策略，以及长上下文与思维链的应用方法，助你打造真正精准可控的智能助手。
一、GPT-4.1 的新特性与优化提示词的必要性
前不久，OpenAI 正式发布了 GPT-4.1 模型，并同步推出了一份全新的提示词指南。该指南的核心内容，正是围绕 GPT-4.1 的模型特性，指导用户如何优化提示词，从而构建出性能更加出色的 Agent 应用。
相较于前代 GPT-4o，GPT-4.1 在编码能力、指令遵循准确度以及处理超长上下文方面均有质的飞跃。但与此同时，它也展现出一个值得注意的“特性”——模型变得更加“听话”，它会严格甚至可以说是“逐字逐句”地解读你的指令，而不再擅长“猜你的心思”。这意味着，我们过往习惯使用的很多 Prompt 策略可能需要作出调整，否则使用效果很可能会大打折扣。
为什么需要一份新的提示词指南？
简单来说，GPT-4.1 带来了两大核心变化：
- 能力大幅度增强：编码、指令遵循、长上下文处理等关键能力均提升至新高度。
- 指令遵循极为严格：模型不会主动猜测你的真实意图，你说什么它就执行什么。优点是可控性极强，缺点是模糊不清的指令可能产生预期之外的结果。
正是由于这种严格的指令遵循特性，过去许多被视为“最佳实践”的 Prompt 写法现在可能需要重新审视与更新。
实用提示： 如果你正从 GPT-4o 迁移至 GPT-4.1，建议首先测试几个关键的业务指令，观察模型是否严格按照字面意思执行，之后再据此针对性地调整你的 Prompt 内容。
二、构建更强大 Agent 的三个核心要素
指南开篇即强调，GPT-4.1 特别适合构建 Agentic 工作流。根据 OpenAI 内部测试，其 Agent 在 SWE-bench 上成功解决了 55% 的问题，表现相当亮眼。要充分利用模型的 Agent 能力，系统提示词 (system prompt) 中必须包含以下三个核心要素，根据测试，这三条规则可让 SWE-bench 评测分数提升约 20%。
1. 持久性 (Persistence)
向模型明确说明这是一个需要多轮交互的任务，它必须持续工作直到问题最终解决，而不能仅回答一次就结束对话。
官方示例 Prompt（中文翻译版）：
You are an agent - please keep going until the user’s query is completely resolved, before ending your turn and yielding back to the user. Only terminate your turn when you are sure that the problem is solved.
->
你是一个智能助手 - 请持续工作直到用户的问题完全解决，再结束你的回合。只有当你确定问题已解决才停止。
常见问题： 如果模型在问题未解决时就提前结束回合怎么办？
答：需要确保 Prompt 中已明确写明“直到问题完全解决再结束”。同时，可以在循环逻辑中检查模型是否调用了工具或给出了最终答案。若模型仍频繁提前结束，可以在指令末尾补充一句：“如果问题尚未解决，请继续调用工具或向用户追问更多信息”。
2. 工具调用 (Tool-calling)
引导模型在不确定相关信息时，主动使用工具进行查询，而不是凭空猜测或编造答案。
官方示例 Prompt（中文翻译版）：
If you are not sure about file content or codebase structure pertaining to the user’s request, use your tools to read files and gather the relevant information: do NOT guess or make up an answer.
->
如果你不确定文件内容或代码结构，请使用工具查询相关信息：绝对不要猜测或编造答案。
实用提示： 如果模型过于依赖工具（例如每次回复都强制调用工具），可以补充说明：“仅在需要获取外部信息时才调用工具，普通对话或推理无需调用”。这能有效避免不必要的 API 资源消耗。
3. 规划能力 (Planning)
引导模型在每一次调用工具之前先进行详细规划，并在调用后对结果进行深入反思。这种“把思考过程说出来”的方式，能显著提升模型的问题解决能力（注意，GPT-4.1 并非推理模型），相关优化可提升约 4% 的 SWE-bench 评分。
官方示例 Prompt（中文翻译版）：
You MUST plan extensively before each function call, and reflect extensively on the outcomes of the previous function calls. DO NOT do this entire process by making function calls only, as this can impair your ability to solve the problem and think insightfully.
->
你必须在每次函数调用前进行详细规划，并在调用后对结果进行深入反思。不要只依靠函数调用解决整个问题，这会削弱你的思考能力。
常见问题： 模型在规划时可能产生大量无关的思考内容怎么办？
答：确实可能出现这种情况。你可以在 Prompt 中限定思考的格式，例如要求“用列表形式列出你的计划，每步不超过一句话”。此外，如果最终输出不需要展示给用户，也可以通过后处理步骤过滤掉模型内部的思考过程。
三、工具调用的正确姿势
除了系统提示词的优化，指南还详细阐述了工具调用的正确实践方法：
- 强烈推荐使用 API 的 tools 字段：不要再手动将工具描述塞进提示词里了！官方测试显示，通过 API 的标准 tools 字段传递工具定义，能显著减少错误，并让模型表现更好（SWE-bench 评分提升约 2%）。
- 为工具起个好名字，写清用途：工具的名称、描述以及参数说明都要清晰明确，这能帮助模型准确、高效地使用工具。
- 为复杂工具提供示例：如果工具的使用逻辑比较复杂，建议在系统提示词中专门开辟一个“# Example”部分，用实例进行演示，主体描述则保持简洁。
实用提示： 在工具描述中，应避免使用模糊词汇。例如，与其使用“获取信息”，不如明确为“获取用户订单信息”。参数命名建议采用有明确含义的英文单词（如 order_id），并注明其数据类型和取值范围。
四、Prompt 编写的艺术
正如前面提到的，GPT-4.1 对指令的理解非常严格，完全基于字面含义。这要求我们编写的指令必须 极其清晰、具体且无歧义。任何含糊不清或者指望模型自行“领悟”的指令，使用效果都会大打折扣。
推荐的指令编写流程
- 先给出整体要求：使用“指令”或“回复规则”等标题，列出基本行为规范。
- 分点说明细节：针对具体行为，使用子标题详细展开说明。
- 明确步骤顺序：如果需要按特定流程操作，建议使用有序列表清晰标出每一步。
- 调试与优化：
- 检查指令之间是否存在矛盾（GPT-4.1 更倾向于听从后一条指令）
- 提供清晰的示例，演示你想要模型的最终输出效果
- 谨慎使用全大写、感叹号等强调手段，这可能导致模型过度聚焦于这些点
常见的陷阱与解决办法
- “必须 XXX”陷阱：例如强制要求“每次回复前必须调用工具”，可能导致模型毫无必要地调用工具，造成资源浪费。解决方法：补充说明“只有在信息不足时，才可调用工具或先询问用户”。
- “照搬示例”陷阱：模型可能直接复制你给出的示例，缺乏灵活性。解决方法：明确要求模型“参考但不限于这些示例，根据实际情况灵活调整”。
- “话太多”陷阱：有时模型会输出大量不必要的解释或冗余格式。解决方法：在指令中明确要求“简洁回答”，并指定具体的输出格式。
指南中那个复杂的客服 Agent 示例，就很好地体现了上述原则：规则详尽具体，分层组织，并且提供了示例佐证。
推荐的 Prompt 结构模板
# Role and Objective
# Instructions
## Sub-categories for more detailed instructions
# Reasoning Steps (e.g., Chain of Thought instructions)
# Output Format
# Examples
## Example 1
# Context (if any)
# Final instructions and prompt to think step by step (e.g., the CoT starter)
->
# 角色和目标
# 指令
## 更详细指令的子类别
# 思考步骤（如思考链指令）
# 输出格式
# 示例
## 示例1
# 上下文（如有）
# 最终指令和逐步思考提示
分隔符的选择
- 首选 Markdown：使用标题、列表、代码块等语法，结构清晰直观。
- XML 也是不错选择：适合精确包裹内容，便于嵌套和解析。
- JSON 相对繁琐：虽然结构性强，但在提示词中可能需要处理转义问题。
- 长文档场景：XML（如
... ID: 1 | TITLE: ... | CONTENT: ...）效果较好，而 JSON 格式表现相对较差。
常见问题： 如何避免模型忽略你设定的分隔符？
答：在指令中要明确说明“请严格按照以下分隔符格式处理内容”。如果使用的是 XML，可以写明“请解析 XML 标签内的内容”。此外，将分隔符的说明放在指令的开头和结尾重复强调，能有效提高模型的遵循率。
五、玩转长上下文与思维链
长上下文处理
- GPT-4.1 支持高达 1M token 的上下文窗口，非常适合处理长篇文档或多文档场景。
- 能力边界：尽管长上下文的基础能力很强，但在需要从海量信息中检索大量细节，或进行依赖全局信息的复杂推理时，性能可能会出现下降。
- 最佳实践：建议将核心指令在上下文的开头和结尾各重复一次，以强化模型的关注度。
- 可以明确指示模型只能使用你提供的信息来回答，还是可以结合其自身的预训练知识。
思维链 (Chain of Thought)
引导模型像人类一样进行“思考”，将复杂问题拆解为多个小步骤逐一解决。
简单的思维链指令实例：
...First, think carefully step by step about what documents are needed to answer the query. Then, print out the TITLE and ID of each document. Then, format the IDs into a list.
->
...首先，仔细逐步思考需要哪些文档来回答查询。然后，列出每个文档的标题和 ID。最后，将 ID 格式化为列表。
进阶 CoT 技巧：如果发现模型的思考过程存在偏差，可以通过更具体的指令来规范和引导其思考策略。例如，指南里给出的一个例子要求模型先进行查询分析 (Query Analysis)，再进行上下文分析 (Context Analysis)，最后进行综合 (Synthesis)。
实用提示： 在长上下文场景中，如果模型遗漏了关键信息，可以尝试在指令中加入“请忽略与问题无关的段落，只关注以下关键词”等过滤规则。对于思维链，如果模型的思考步骤出现跳跃，可以强制要求每一步都必须输出“思考：... 结论：...”的固定格式。
结语
掌握了 GPT-4.1 严格的“字面理解”特性，并灵活运用持久性、工具调用与规划这三大要素，再结合清晰的 Prompt 结构设计以及有效的思维链技巧，你就能构建出高效、可控、真正“听话”的智能 Agent。原始指南的完整内容，请参考地址：https://cookbook.openai.com/examples/gpt4-1_prompting_guide，开启你的实践探索之旅吧！