每次新模型发布，许多人做的第一件事，就是把之前为旧模型精心打磨的提示词，原封不动地照搬过去。结果呢？Token消耗更多，回答质量却未必更好。

过去，我们习惯把Prompt写成一份操作说明书：先设定角色，再规定十几个步骤，担心它偏离方向，就补上二十条“必须”和“禁止”。模型犯一次错，就往提示词里加一条规则。最后，Prompt本身就成了一本厚厚的SOP——第一步分析，第二步总结，第三步判断，第四步输出……必须专业、深入、全面，不能遗漏任何细节。

看起来已经很严谨了，但问题恰恰出在这里。

OpenAI在官方发布的GPT-5.6 Sol提示词指南中，提出了一个非常重要的方向：Outcome-first prompting。翻译过来就是：少替模型规定过程，多告诉它最终要实现什么结果。

这可不是一句“Prompt应该更短”就能概括的技巧。它真正意味着：我们和强模型之间的协作方式，正在发生根本性的变化。

OpenAI用了一个很形象的表达：告诉模型 “what good looks like”——一个好的结果究竟长什么样。这背后，其实是人和模型的重新分工：

• 人负责定义目的地；
• 人负责划定边界；
• 人负责说明什么叫完成；
• 模型负责选择到达目的地的路径。

如果你自己并不知道最佳路径，却强行替模型规定每一步，那你可能正在做一件很危险的事：把自己的思考上限，变成模型的行动上限。

模型越强，越不需要你遥控每一步，但越需要你定义什么叫“完成”。

提示词正在从“教模型做事”，变成“定义什么叫做好”

过去，我们习惯把Prompt写成SOP：“先分析用户，再提炼痛点，然后总结观点，接着设计结构，最后检查语言。”步骤写得很清楚，目标却可能依然模糊。

比如，一个典型的“旧式”Prompt是这样的：

请先分析资料，再总结核心观点，然后输出一篇文章。

模型知道要做哪些动作，却不知道这篇文章写给谁、解决什么问题，以及什么样的结果才算合格。

换成结果优先的写法：

根据以下资料，写一篇面向非技术AI用户的公众号文章。目标是让读者理解GPT-5.6 Sol提示词的核心变化，并能立即改写自己的Prompt。文章需要包含官方依据、观点推演、改写案例和可复制模板。

步骤更少，任务反而更清楚。这才是关键所在。

很多长Prompt，不是设计出来的，而是堆积出来的

这就像软件开发中的“技术债”，我们也可以把它叫作：Prompt指令债。模型啰嗦一次，就加一句“必须简洁”；漏掉一个重点，就加一句“不得遗漏”；格式错了一次，再塞入一份完整示例。Prompt用了半年，已经没人知道哪些规则还有效，但谁也不敢删。

最后就会导致：同一个要求被重复表达；不同时期加入的规则互相冲突；旧模型需要的脚手架被继续保留；与当前任务无关的示例仍占据上下文；模型把注意力花在理解规则，而不是完成任务。

OpenAI在指南中建议，要检查重复指令、冗余示例，以及那些模型已经能可靠完成的细碎流程。

很多长Prompt不是经过设计，而是经过堆积。但这不等于Prompt越短越好。必要的背景、资料、业务限制和安全要求不能乱删。真正要删的，是那些重复、过时，以及不会改变结果的文字。不是Prompt越短越好，而是每一个Token都应该有工作。

真正浪费Token的，往往不是第一轮

提到Token浪费，很多人首先想到的是输入太长。实际上，浪费至少有三种。

1. 输入浪费：重复规则、空洞角色设定和无关示例，占用了上下文，却没有改变模型行为。

2. 输出浪费：没有说明交付形式，模型铺垫了一千字，最后才给出你真正需要的结论。

3. 返工浪费：Prompt看起来很短，却只写了“专业一点”“更有深度”“更吸引人”。结果只能不断追问：再具体一点、不是这个意思、换一种结构、你漏掉了重点。

所以，一段500字、一次完成任务的Prompt，可能比一段50字、返工五次的Prompt更省Token。真正的Token效率，不是看单轮输入有多短，而是看拿到合格结果一共花了多少。

这也是为什么OpenAI会强调更精简的Prompt和更清楚的成功标准：冗余指令不只是“多花一点Token”，还可能干扰模型识别真正重要的任务。

把“操作说明书”改成“验收合同”

基于OpenAI的Outcome-first思路，我们可以把它整理成一套更适合普通用户和办公Agent的GPS提示词结构。

G：Goal——目标

不要只告诉模型“做什么”，还要说明结果将用于哪里。同样是整理会议纪要：给参会者复盘，要突出讨论与共识；给管理层决策，要突出风险与分歧；给执行团队推进，要明确任务、责任人与时间。用途不同，好结果的定义完全不同。

P：Parameters——关键边界

只保留真正影响结果的限制。尤其在Agent场景中，与其遥控每一步，不如说清权限：可以读取和整理文件，但不能删除；可以起草邮件，但不能直接发送；可以提出采购建议，但不能产生费用；信息不足时必须标注，不能自行虚构。更强的模型不是不需要控制，而是控制方式要从“管每一步”升级成“管权限和边界”。

S：Success——成功标准

“专业、深入、有吸引力”只是愿望，不是标准。更有效的写法是：开头200字内提出核心冲突；至少提供两组Prompt对比；每个建议都解释为什么；不虚构官方结论和数据；结尾提供可复制模板；正文控制在指定篇幅内。高级Prompt不是命令更多，而是验收标准更清楚。

一份可以直接复制的GPT-5.6 Sol Prompt模板

【角色】
AI的功能和背景知识。

【个性】
说话语气和配合方式。

【目标】
请完成什么任务？结果将用于什么场景？

【成功标准】
做到什么程度才算完成任务。

【约束条件】
必须遵守的规定和限制（安全、政策、副作用等）。

【工具】
能用什么工具，什么时候用。

【输出】
答案分几部分、多长、什么格式、什么语气。

【停止规则】
什么情况下重试、放弃、问用户或停止。

当然，这并不是说我们就要删除所有步骤。对于财务审核、合规流程、高风险操作，以及步骤本身就是业务要求的任务，关键流程仍然必须写清楚。真正应该删除的，是重复、过时，以及模型本来就能可靠完成的步骤。不是不能写步骤，而是不要把不必要的步骤，当成控制模型的安全感。

GPT-5.6 Sol带来的改变，不只是模型更聪明。它也在迫使我们重新理解Prompt：过去，我们试图把提示词写成遥控模型的操作说明书；现在，它更应该像一份验收合同——说清目标、边界和成功标准，然后让模型完成工作。

从“教模型每一步怎么做”，到“定义什么叫真正做好”，可能才是这一代提示词最重要的升级。