Как писать промпты для ChatGPT 5.5 - полный гайд
GPT-5.5 и GPT-5.4 уже не нуждаются в том, чтобы им расписывали каждый шаг. Они достаточно умны, чтобы закончить задачу сами - если правильно сформулировать, что нужно получить на выходе.
Здесь - всё, что отлично работает. Личность ассистента, outcome-first промпты, управление форматом, grounding, верификационные циклы, reasoning_effort и нюансы более мелких моделей. Готовые блоки, которые можно вставить в системный промпт и проверить прямо сейчас.
GPT-5.5 - что изменилось и как это учитывать
Ключевой сдвиг GPT-5.5 по сравнению с предыдущими версиями: модели не надо объяснять каждый шаг. Достаточно описать желаемый результат и ограничения - она сама выберет путь.
Старые промпты часто чрезмерно детализировали процесс. Это было нужно, потому что модели раньше сбивались с курса. GPT-5.5 сбивается реже. Перегруженный процессный промпт теперь может сузить пространство поиска или привести к механическим ответам.
Не тащите все инструкции из старых промптов. Проверяйте их на своих эвалах и оставляйте только то, что реально меняет результат.
Если вы давно хотели протестировать эту крутую модель, но вам лень заморачиваться с ограничением доступа в РФ и иностранной подпиской - ChatGPT 5.5 доступен через SYNTX AI.
Personality - как настроить характер модели
GPT-5.5 по умолчанию эффективна, прямолинейна и ориентирована на задачу. Для продуктовых систем это хорошо. Для клиентских интерфейсов, поддержки и коучинга - нужно задавать личность явно.
Есть два разных параметра. Личность - как звучит ассистент: тон, теплота, прямота, формальность, юмор. Стиль взаимодействия - как ассистент работает: когда уточняет, насколько инициативен, как обрабатывает неопределённость.
Пример для сдержанного ассистента, ориентированного на задачу:
Пример для выразительного ассистента с характером:
Держи оба блока короткими. Личность формирует пользовательский опыт, стиль взаимодействия формирует поведение при задаче. Ни то ни другое не заменяет чёткие цели, критерии успеха и правила остановки.
Preamble: первый видимый ответ
В стриминговых приложениях пользователи замечают, сколько времени проходит до первого видимого текста. GPT-5.5 может тратить время на рассуждения, планирование или подготовку инструментальных вызовов до того, как выдаст что-то видимое.
Для длинных или инструментально насыщенных задач - просите модель начинать с короткой preamble: краткого видимого обновления, которое подтверждает получение запроса и называет первый шаг.
Для агентов с раздельными фазами сообщений - можно точнее:
Outcome-first - описывай результат, а не шаги
GPT-5.5 работает лучше всего, когда промпт определяет целевой результат, критерии успеха и ограничения - и оставляет модели выбор пути.
Вместо того чтобы расписывать каждое действие - описывай назначение. Предпочитай это:
Избегай абсолютных правил без реальной нужды. Слова ALWAYS, NEVER, must, only - оставляй для истинных инвариантов: правил безопасности, обязательных полей вывода, действий, которые никогда не должны происходить. Для суждений - предпочитай правила принятия решений.
Вместо пошагового перечисления того, что нужно проверить - добавляй явные условия остановки:
Поведение при недостатке данных:
Форматирование вывода
GPT-5.5 хорошо управляема по формату и структуре. Параметр text.verbosity в Responses API по умолчанию стоит на medium; используй low для более кратких ответов.
Базовый блок для разговорного форматирования:
Для редактирования, рерайта или клиентских сообщений - говори, что сохранить, перед тем как просить улучшить стиль:
Grounding и цитирование
Когда качество цитирования важно - делай границу источника и формат требования явными. Это снижает фабрикацию ссылок и дрейф формата.
Бюджет поиска - правила остановки для web search. Говорят модели, когда доказательств уже достаточно:
Режим исследования
Для задач исследования, обзора и синтеза - принудительный трёхпроходный режим:
Самопроверка и верификация
Давай модели инструменты для проверки результатов. Для кодинг-агентов:
Для визуальных артефактов:
Верификационный цикл перед любым значимым действием:
GPT-5.4 - промпт-паттерны для продакшна
GPT-5.4 - сильнее всего там, где нужны долгосрочные задачи с несколькими шагами, работа с большим контекстом, синтез из множества источников и чёткое следование структурированным инструкциям.
Где всё ещё помогает явный промптинг: маршрутизация инструментов в начале сессии (контекста мало, надёжность ниже), рабочие процессы с явными зависимостями, задачи с необратимыми действиями, исследования с дисциплинированным сбором источников.
Это наблюдаемые паттерны, не гарантии. Начинай с минимального промпта, добавляй блоки только когда они устраняют конкретный измеримый сбой.
Структура промпта для сложных задач
Компактный структурированный вывод
Для контроля токен-эффективности - явный контракт на вывод:
Политика продолжения по умолчанию
Пользователи часто меняют задачу, формат или тон в середине разговора. Чтобы ассистент оставался согласованным:
Для явного обновления задачи в середине разговора:
Устойчивость использования инструментов
Для рабочих процессов, где финальное действие зависит от предварительного поиска:
Для параллельного поиска:
Полнота при долгосрочных задачах
Распространённый сбой в многошаговых рабочих процессах - неполное выполнение: модель останавливается на частичном покрытии или принимает пустой поиск за финальный:
При пустых или частичных результатах поиска:
Цитирование как требование, а не желание
Параметр reasoning_effort - как не переплачивать
reasoning_effort - не основной способ улучшить качество. Это регулировка последней мили. В большинстве случаев правильные промпты, чёткие контракты на вывод и верификационные циклы дают тот же прирост, который команды пытаются выжать через более высокое reasoning.
Рекомендуемые дефолты:
- none - быстрые, чувствительные к стоимости и латентности задачи без необходимости думать.
- low - задачи с чувствительностью к латентности, где небольшое количество мышления даёт ощутимый прирост точности.
- medium / high - задачи, которым реально нужно более сильное рассуждение и которые могут поглотить компромисс по задержке и стоимости.
- xhigh - избегать как дефолт. Подходит для длинных агентных задач, где максимальный интеллект важнее скорости.
На практике большинству команд стоит держаться диапазона none, low, medium. Перед повышением reasoning_effort сначала добавляй <контракт_полноты>, <цикл_верификации> и <правила_устойчивости_инструментов>.
Если модель кажется слишком буквальной или останавливается на первом правдоподобном ответе - сначала попробуй:
Маленькие модели - gpt-5.4-mini и gpt-5.4-nano
Обе модели хорошо управляемы, но менее склонны выводить пропущенные шаги, разрешать неоднозначность неявно или паковать вывод так, как вы ожидали - без явного указания.
GPT-5.4-mini
Более буквальна, делает меньше допущений. Сильна при чётко структурированных задачах, слабее на имплицитных рабочих процессах.
Как промптить: ставь критические правила первыми. Задавай полный порядок выполнения когда инструменты или побочные эффекты важны. Не полагайся на "ты ДОЛЖЕН" в одиночку - используй структурные леса: нумерованные шаги, правила принятия решений, явные определения действий. Разделяй "выполни действие" от "сообщи о действии". Пиши корректный флоу, а не только финальный формат. Определяй поведение при неоднозначности: когда спрашивать, воздерживаться или действовать. Указывай упаковку явно: длина ответа, задавать ли вопрос в конце, стиль цитирования, порядок разделов.
Хороший паттерн для mini (и nano):
- Задача
- Критическое правило
- Точный порядок шагов
- Граничные случаи или поведение при уточнении
- Формат вывода
- Один корректный пример
GPT-5.4-nano
Используй только для узких, чётко ограниченных задач. Предпочитай закрытые выводы: метки, перечисления, короткий JSON, фиксированные шаблоны. Избегай многошаговой оркестрации если только флоу не крайне ограничен. Маршрутизируй неоднозначные или планировочно тяжёлые задачи к более сильной модели вместо того, чтобы перепромптировать nano.
Миграция: по одному изменению за раз
При переходе на новую модель работает одно правило: меняй модель сначала, зафиксируй reasoning_effort, прогони эвалы, затем итерируй.
Стартовые точки при переходе с разных предыдущих версий: с gpt-5.2 и gpt-4.1 начинай с medium, с gpt-4o - с high. Это точки входа, не финальные настройки.
При миграции исследовательского агента в первую очередь добавляй <режим_исследования>, <правила_цитирования> и <восстановление_при_пустом_результате>. Повышай reasoning_effort только после того, как промпты починены.
Источник - Open Ai