راهنمای جدید جی‌پی‌تی ۵.۶ اوپن‌ای‌آی: پایان پرامپت‌نویسی بی‌رویه

OpenAI راهنمای جدیدی برای پرامپت‌نویسی مدل پرچمدار خود، GPT-5.6 Sol، منتشر کرده است و پیام اصلی آن برای کسانی که سال گذشته را صرف نوشتن پرامپت‌های سیستمی چند صفحه‌ای کرده‌اند، ناخوشایند خواهد بود: دیگر زیاد ننویسید. ایده اصلی، پرامپت‌نویسی با تمرکز بر نتیجه است. مشخص کنید که نتیجه مطلوب چگونه است، شرایط توقف را تعیین کنید و سپس کنار بروید.

دستورالعمل‌های دقیق نحوه انجام کار، قوانین تکراری سبک، و مثال‌هایی که رفتار را تغییر نمی‌دهند – همه این‌ها اکنون به عنوان نویز تلقی می‌شوند.

OpenAI این موضوع را با اعداد و ارقام پشتیبانی می‌کند: در تست‌های داخلی عامل کدنویسی، پرامپت‌های سیستمی خلاصه‌تر، امتیازات ارزیابی را حدود ۱۰ تا ۱۵ درصد بهبود بخشیدند، در حالی که توکن‌های کل را ۴۱ تا ۶۶ درصد و هزینه‌ها را ۳۳ تا ۶۷ درصد کاهش دادند.

راهنمای پرامپت‌نویسی GPT-5 که در اوت ۲۰۲۵ منتشر شد، بر افزودن ساختار تمرکز داشت. بلوک‌های ماندگاری XML وجود داشت که به مدل می‌گفت تا زمانی که مشکل حل نشده است به کار خود ادامه دهد، الگوهای جمع‌آوری زمینه دقیق که نحوه موازی‌سازی جستجوها و زمان تشدید را مشخص می‌کردند، و اسکریپت‌های مقدماتی ابزار که هر مرحله را با صدای بلند روایت می‌کردند. فلسفه آن، کالیبراسیون اشتیاق بود – ایجاد مسیرهای صریح برای زمان تشدید یا عقب‌نشینی.

GPT-5.6 عمدتاً به این مسیرها نیازی ندارد. راهنمای جدید به شما می‌گوید که موارد زیر را حذف کنید: قوانین تکراری، دستورالعمل‌های سبکی که رفتار را تغییر نمی‌دهند، مثال‌هایی که کاری انجام نمی‌دهند، و مراحل پردازشی که مدل در حال حاضر به طور قابل اعتماد مدیریت می‌کند. بنابراین اساساً، آن بلوک ` که با دسته‌های جستجوی موازی و معیارهای توقف زودهنگام خود کمک می‌کرد، اکنون ساختاری است که مدل باید آن را دور بزند، نه ساختاری که به آن کمک کند.

دو افزودنی مشخص تفاوت را کامل می‌کنند. اولین مورد پارامتر text.verbosity` است: از آنجایی که GPT-5.6 به طور پیش‌فرض مختصرتر از GPT-5.5 است، دستورالعمل‌های قدیمی “مختصر باش” اکنون بیش از حد اصلاح می‌کنند و پاسخ‌ها را بیش از حد کوتاه می‌کنند. یک پیش‌فرض سراسری را از طریق این پارامتر تنظیم کنید، سپس در هر وظیفه در پرامپت، آن را لغو کنید. دومین مورد، بخشی در مورد فراخوانی برنامه‌ریزی شده ابزار (Programmatic Tool Calling) است – برای گردش کارهای محدود که در آن کد فیلتر کردن، دسته‌بندی، یا تجمیع خروجی‌های میانی بزرگ را مدیریت می‌کند و یک نتیجه فشرده برمی‌گرداند، و این کار را کاملاً از قضاوت مدل خارج می‌کند.

ما از این راهنما برای بهینه‌سازی پرامپت خود برای “TYPE OR DIE”، بازی بقای ترسناک اول شخص تایپ که برای سنجش توانایی‌های کدنویسی مدل ساخته‌ایم، استفاده کردیم. نتیجه کار صیقلی‌تر بود: GPT-5.6 Sol منطق هدف‌گیری خودکار را کارآمدتر از اجراهای قبلی مدیریت کرد، تصاویر انسجام بیشتری داشتند، و حس کلی بازی تمیزتر بود. ساخت آن زمان بیشتری برد. مدل مستقیماً به سراغ کد نرفت – کل مشکل را ابتدا ترسیم کرد، هر سیستم را قبل از نوشتن حتی یک خط کد برنامه‌ریزی کرد. این همان کاری است که راهنما در نظر گرفته است. مقصد را مشخص کنید؛ مدل مسیر را انتخاب می‌کند.

پرامپت جدید در گیت‌هاب ما موجود است تا بتوانید آن را بررسی کنید.

شما می‌توانید بازی اصلی GPT 5.6 را با کلیک بر روی این لینک بازی کنید.

بازی که تحت پرامپت جدیدتر ساخته شده است، در اینجا موجود است.

اگر می‌خواهید بیشتر پیش بروید، یا آنقدر تنبل هستید که تمام این دستورالعمل‌های جدید را به خاطر بسپارید، می‌توانید GPT سفارشی خود را بسازید و راهنمای کامل را به عنوان پایگاه دانش آن به آن بدهید. آن را طوری پیکربندی کنید که هر پرامپتی را که به سمت آن پرتاب می‌کنید تجزیه و تحلیل کند، منطق زیربنایی را درک کند، و آن را به سبک GPT-5.6 بازنویسی کند. در نهایت از مهندسی پرامپت برای مهندسی پرامپت‌های بهتر استفاده خواهید کرد.

پرامپت‌سپشن (Promptception). خواهش می‌کنم.