На прошлой неделе я удалил половину своей любимой промпты, и результат стал лучше.
Это не скромное хвастовство. Я признаю, что тратил токены впустую — и, вероятно, ухудшал свои результаты — в течение примерно двух лет. В рассматриваемой промпте было всё, что, согласно старой инструкции, должно было быть в хорошей промпте: роль («вы старший аналитик данных»), длинный контекстный блок, шесть пронумерованных шагов, три проработанных примера и заключительный абзац, который напоминает модели «хорошо подумать, не торопиться и перепроверить свою работу». Такие промпты можно найти в любом курсе быстрого проектирования начиная с 2024 года.
Потом я прочитал Новое руководство OpenAI для GPT-5.6, и он сказал мне выбросить большую часть этого.
Совет меня задел, потому что я заплатил за него вовремя, а не только жетонами. И чем больше я сидел с этим, тем больше это имело смысл.
Почему совет «чем дольше, тем лучше» наконец сломался
В течение двух лет стандартные оперативные инженерные консультации указывали в одном направлении: добавить больше. Добавьте персону. Добавьте контекст. Добавьте шаги. Добавьте примеры. Добавьте последний шаг, чтобы модель не ленилась. В то время модели были достаточно слабыми, и это действительно помогало — каждая дополнительная инструкция создавала каркас, который модель не могла построить сама.
GPT-5.6 – это не та модель.
Собственная формулировка OpenAI прямолинейна: новые модели лучше определяют вашу основную цель и ожидаемый стандарт работы из контекста, без необходимости подробного описания каждого шага. Когда вы передаете модели пошаговые инструкции, которые ей больше не нужны, вы не помогаете. Вы добавляете шум.
Я продолжаю возвращаться к той же аналогии, потому что это самый ясный способ объяснить сдвиг. По-старому к модели относились как к новичку, которому нужно прописать каждое движение — левая нога, правая нога, следить за защитником. GPT-5.6 больше похож на Месси. Кричите ему пошаговые инструкции со стороны, и он просто думает, что вы идиот. Плеер обновился. В тренерском руководстве этого не было.
О чем на самом деле говорят цифры OpenAI
Обычно я закатываю глаза на тесты, публикуемые поставщиками, но они достаточно специфичны, чтобы относиться к ним серьезно.
Во внутренних оценках агента кодирования OpenAI конфигурации с более компактной системой дают улучшение оценок примерно на 10–15% при сокращении общего количества токенов на 41–66% и стоимость по 33–67%.
Прочтите это ещё раз, потому что это тот редкий случай, когда две вещи одновременно развиваются в вашу пользу. Более короткие промпты засчитаны выше и стоимость меньше. Вам не придется жертвовать качеством ради эффективности. Раздутая Промпт проигрывала по обеим осям.
OpenAI осторожно называет эти цифры «направленными» и предлагает вам проверить свои собственные задачи. Справедливый. Но с направлением трудно спорить, и оно соответствует тому, что я увидел, когда на самом деле попробовал.
В руководстве спрятана вторая, менее очевидная находка, и именно она объясняет множество странных ошибок, с которыми сталкиваются люди. GPT-5.6 следует контракту промпты очень строго. В то время как старые модели спокойно выбирали одну из двух конфликтующих инструкций и игнорировали другую, GPT-5.6 может попытаться выполнить обе — сжигать жетоны рассуждений и при этом становиться медленнее и дороже. Промпт, в которой говорится «будьте подробными» в одном абзаце и «будьте краткими» в другом, больше не является лишней. Это активно дестабилизирует ситуацию.
Это переосмысливает раздутую промпт. Это не просто расточительно. Каждое дополнительное правило — это ещё один шанс противоречить правилу, которое вы написали тремя абзацами ранее.
До и после этого меня убедили
Когда я читал всё это, передо мной стояла реальная задача, поэтому я использовал ее в качестве теста.
Старый способ — то, как я писал промпты в течение двух лет:
«Во-первых, создайте список всёх уникальных описаний транзакций. Затем сгруппируйте похожие описания и присвойте каждой группе категорию. Создайте справочную таблицу описаний и категорий. Затем добавьте столбец «Категория» в лист транзакций и используйте XLOOKUP, чтобы присвоить каждой транзакции нужную категорию. Убедитесь, что формула заполняется автоматически при добавлении новых транзакций».
Эта Промпт работает. Это также я думаю о модели — шаг первый, шаг второй, шаг третий, с добавлением названия инструмента для пущей убедительности.
Новый способ — результат в первую очередь:
«У меня есть список транзакций с противоречивыми описаниями. Я хочу классифицировать каждую из них автоматически, и решение должно продолжать работать по мере поступления новых транзакций. Какой подход лучше?»
Та же цель. Те же ограничения. Но первая Промпт сообщает модели как ходить. Это рассказывает второй куда я пытаюсь попасть и позволяет ему найти маршрут.
Второй дал мне лучший ответ — и, что более важно, он сказал мне почему он выбрал тот подход, которого никогда не было в первой промпте. Когда вы перестанете диктовать метод, вы иногда узнаете что-то о методе, на котором настаивали.
Как написать более компактную промпт, не теряя при этом важного
Вырезать промпт — это не то же самое, что выпотрошить ее. То, что заслуживает своего существования, — это то, что вы не можете вывести из контекста: результат, ограничения и то, как выглядит «готово». Все остальное является кандидатом на удаление.
Вот форма, которая сохраняется на практике:
- Результат, который вы хотите. Не шаги. Не тот метод. Что должно существовать, когда всё это закончится.
- Ограничения. Грани, которые нельзя переступать — не придумывайте фичи, ничего не удаляйте, только смотрите на эти файлы.
- Критерии приемки. Как модель проверяет свою работу, прежде чем вернуть ее.
Обычно это так. Никакой персоны, никакого «думай шаг за шагом», никакого напоминания о том, что нельзя лениться. Эти вещи были основой для более слабой модели. GPT-5.6 в них не нуждается, и их состояние требует токенов.
Список обрезки OpenAI стоит записать на свой монитор: повторяющиеся утверждения одного и того же правила, инструкции стиля, которые не меняют поведение, примеры, которые не меняют поведение, и инструкции по обработке действий, которые модель уже выполняет надежно. Список хранения короткий: видимый пользователю результат, критерии успеха, условия остановки, а также ограничения безопасности или доказательств.
Одно практическое замечание, если вы действительно делаете это с помощью приглашения, которое уже работает: резать одна вещь за раз. Удалите одну группу инструкций, повторно запустите ту же оценку, сравните. Если вы удалите всё сразу и результат ухудшится, вы не будете знать, какой разрез имел значение.
Это то же правило, которое я использую при тестировании инструментов для NSFWAITool: сохраняйте стабильность задачи, измените одну переменную и посмотрите, улучшится ли результат на самом деле. Наш методология обзора построен на различии между тем, что утверждает поставщик, и тем, что показывает повторяемый тест.
Когда подробные инструкции всё ещё приносят пользу
Здесь я хочу быть осторожным, потому что принцип «чем короче, тем лучше» становится своего рода карго-культом, если применять его вслепую.
В руководстве OpenAI по-прежнему говорится, что примеры и рекомендации по стилю следует сохранять, когда они отражают реальные требования к продукту или исправляют измеренный пробел. Если ваш результат должен соответствовать определенному голосу, определенному формату или определенному правовому ограничению, это остается. Если пример из нескольких кадров — единственный надежный способ преподавать формат, сохраните его. Вы не стремитесь к наименьшему количеству токенов; вы стремитесь получить как можно меньше жетонов это всё ещё делает свою работу.
Вы поймете, почему это важно, когда откажетесь от чат-ботов общего назначения. Ан AI-компаньон может действительно нуждаться в характере, тоне и контексте памяти, в то время как Генератор видео с искусственным интеллектом необходимы конкретные визуальные ограничения и ограничения движения. Если свести обе промпты к одной и той же трехстрочной формуле, это упустит суть. Полезная Промпт — самая короткая, в которой сохраняется то, что нужно этому конкретному инструменту.
Настоящий сдвиг — это секвенирование. Старый рефлекс заключался в том, чтобы загружать всё заранее — на всякий случай помещать каждую инструкцию в начальную промпт. Новый рефлекс — «сначала отпустить, потом напрячь». Дайте модели задачу, посмотрите, как она с ней справится, и добавляйте инструкции только там, где она действительно не справляется. Это быстрее, чем заранее писать промпт из тысячи слов, и в ней рассказывается, какие инструкции в первую очередь приносят пользу.
Различие, которое всё понимают неправильно: персона против.путь
С тех пор, как руководство упало, я видел, как люди слишком сильно отклонялись в другую сторону - предполагая, что это означает, что персонаж мертв. Это не так, и объединение этих двух идей приводит к реальным ошибкам.
Персона контролирует как звучит вывод. Тон, регистр, роль, голос на странице. Пошаговая инструкция управления как модель туда попадает — путь выполнения. Это разные рычаги.
Новое руководство призывает вас прекратить чрезмерно указывать путь. Здесь ничего не говорится об отказе от контроля над голосом. Если вы пишете текст, ориентированный на клиента, и хотите, чтобы он звучал как конкретный бренд, вы всё равно так говорите — это требование к продукту, а не пошаговый сценарий. Стиль зависит от вас. Путь выбирает модель.
Другими словами: укажите модели пункт назначения и ограждения, а затем перестаньте указывать ей, как ехать.
Начинайте короче, а не длиннее
Если вы возьмете из всёго этого что-то одно, сделайте это последовательностью. Сначала напишите желаемый результат и критерии приемки. Затем сократите количество слов вдвое. Затем ещё раз разрежьте его пополам. Если вы всё ещё нервничаете, отправьте его и посмотрите, что вернется — вы всёгда можете добавить строку туда, где результат действительно не соответствует действительности.
Эту часть мне пришлось усвоить на собственном горьком опыте. Большинство инструкций, которые я добавлял, не помогали модели. Они были обнадеживающими мне. И GPT-5.6 теперь достаточно хорош, и мои заверения — всёго лишь шум между мной и ответом.
Урок 2023 года был посвящен тому, как писать более длинные промпты. Урок 2024 года был посвящен тому, как управлять контекстным окном. Урок 2026 года проще и сложнее: научитесь молчать, описывать результат и позволять модели выполнять работу, для которой она была создана.
Часто задаваемые вопросы
Всегда ли более короткие запросы лучше использовать в GPT-5.6?
Нет, и именно здесь заголовок может превратиться в плохой совет. В выборке внутренних оценок агента кодирования OpenAI победили более короткие промпты, но OpenAI называет результат направленным. Если удаление строки ухудшит вашу реальную задачу, верните ее обратно.
Что мне следует вырезать в первую очередь?
Начнем с неприятного: одно и то же правило, сформулированное дважды, общие роли, которые ничего не меняют, примеры, которые модели больше не нужны, и напоминания о необходимости тщательно подумать. Оставьте в покое результат, ограничения и определение «сделано».
Когда длинная Промпт всё ещё оправдана?
Когда длина несет в себе информацию, которая действительно необходима модели — стиль дома, фиксированную схему вывода, контекст специалиста, юридические границы или примеры, исправляющие фактически наблюдаемый вами сбой. Длинно – это не проблема. Ненужно есть.
Стоит ли мне прекратить использовать персоны?
Только если персона декоративная. Если он контролирует голос, аудиторию или профессиональный стандарт ответа, он делает настоящую работу. Вопрос, который следует подвергнуть сомнению, — это заданный в сценарии путь, а не ваш контроль над индивидуальностью вывода.
Применимо ли тот же совет к ИИ-инструментам для чата, изображений и видео?
Не автоматически. Эти продукты по-разному читают промпты и по-разному терпят неудачу. Инструменту чата может потребоваться контекст отношений и памяти; видеоинструменту могут потребоваться точные ограничения действий и камеры. Тестируйте каждый процесс вместо того, чтобы использовать один универсальный шаблон.
Как проверить, действительно ли более короткая Промпт лучше?
Используйте тот же набор задач, удалите одну группу инструкций и сравните качество, сбои, использование токенов, задержку и стоимость. Один удачный ответ почти ничего не доказывает. Промпт получает право на сокращение, если улучшение сохраняется при повторении.