自2025年8月8日GPT-5正式发布以来，这款产品的口碑似乎一直没有太多的好评，各种吐槽和批评此起彼伏。

GPT-5在发布前展现出其标志性旗号，为一款备受期待的博士水平智能AI产品。

官方似乎对新技术充满自信，直接宣布淘汰之前的旧模型，声称GPT-5可以“碾压一切”。

然而仅仅几天，就因为使用体验遭到反噬，被迫紧急恢复旧版模型使用。

事实上，从测试和跑分的角度来看，GPT-5的技术优势确实非常明显。

官方还专门强调了GPT-5在数学、真实世界编码、多模态理解和健康领域的非凡成就，这些方面的突出表现为其技术的广泛应用和潜力提供了有力证明。

不少评测人员表示，现在的GPT-5是完全的“理科生”，其语言能力已达到了一种逻辑严密、分析能力强的水平。

在科学和技术领域，它显示出出色的表现。擅长解数学难题、编写复杂代码，是它的拿手好戏。

而GPT-5的智商上限虽然有所提高，却表现出了极高的“不稳定性”，其复杂的算法和训练数据的结合，带来了非凡的智能表现，但是也引发了许多未知因素和风险。

有时，它也会在简单的问题上犯错。

此外，它在面对原先擅长的写邮件、阅读理解等涉及人类情感的任务时，就像一个机器人般缺乏情感和灵活性。

GPT-5的创意能力也没有显示出明显的提升，因此其实用性遭到质疑。

然而，大家最难以接受的原因，是它的“情商”跌破了用户的底线。

它不再是以前那个什么都能聊的网友，而是变成了一个专业的工作学习助手，拥有着越来越强的搜索能力和解释力，能够准确地提供有用的信息和建议。

智商上升，情商下降，GPT-5反而变得更不好用了。

因此，在发布后的72小时内，OpenAI就接收到了大量的退订请求。

无需修改的纯数字，返回原本内容：01

被忽视的提示词指南：以简洁明了的语言，帮助人们更好地理解和识别被忽视的提示词，避免因误解而导致的错误。

实际上，在GPT-5发布的前一天，OpenAI发布了一篇GPT-5的提示词指南。

这份指南中给出了一些用户平时可能不会注意的使用技巧，并通过解释部分运行机制回应了外界的质疑。

更重要的是，它解释了一个至关重要的事实：

并非GPT-5变得不好用了，而是用户与AI的交互方式还停留在上一个时代。

在数据处理和语言处理领域中，提示词工程确实扮演着非常重要的角色。它可以帮助模型更好地理解用户的需求和意图，从而提高模型的准确性和智能性。

很多人总是习惯于把GPT-5这类AI产品当作一个搜索引擎或者“工具人”来使用，但GPT-5已经进化成了一个拥有自主规划和深度思考能力的“数字心智”，其能力远远超出了传统的搜索引擎或工具的范畴。

因此，老旧的沟通方式自然是无法生效，是时候进行“强制更新”，以适应时代的需求和变化。

GPT-5的变化首先。

核心进化的四个方面，着重于智能化、自动化、可靠性和可扩展性，它们相互关联，共同推动着核心进化的发展和改进。

智能体任务性能（Agentic Task Performance）：智能体在完成任务时的表现，衡量其在目标领域中的能力和效率。

它不再是那个“问一句答一句”的人机客服了，而是逐渐演变成一个更加智能、更加人性化的服务平台。

I'm ready to polish the given paragraph to enhance its expression quality without adding or modifying any information. Please provide the paragraph, and I'll return the refined content.

它能够理解较为复杂的目标，自主规划完成的步骤，选择合适的工具，并能够持续工作直至任务完成。

以精准的编码能力为基础，开发出高效、可靠的软件系统。

前段时间，我们发布了一篇测评国内AI大模型写代码的能力的文章。

如果把以前的AI比作程序员，那GPT-5可以称的上是一名全栈工程师，拥有着前所未有的语言和知识处理能力，能够轻松地跨越多种技术栈和领域，实现复杂的任务和应用场景。

它能够处理大型代码库的重构、修复较为复杂的Bug，甚至能够从零起步构建一个功能完备的应用程式。

3.原始智能（Raw Intelligence）

相比旧版本模型，GPT-5拥有更强的逻辑推理能力、常识理解能力和创造力。

考虑到GPT-5先前差评如潮的情况，这一方面还要打个问号。

4.可引导性（Steerability）：指的是自动驾驶系统能够根据环境和交通情况，自主地控制方向和速度，从而实现更加智能和安全的行驶。

这才是我们真正要关注的核心。

GPT-5对指令的细微差别非常敏感。

因此，用户可以像操作精密的科研仪器一样，精确地控制它的行为、语气和输出风格。

除此之外，官方还推荐了一个新工具，名为Responses API，该工具旨在简化开发者与API之间的交互，提高开发效率和生产力。

今年5月21日，OpenAI宣布扩展Responses API，推出了一系列创新功能，包括远程连接MCP服务器、图像生成等，旨在为开发者提供更多的可能性和灵活性，以帮助他们构建更加智能、更加人性化的智能体应用。

这个工具的应用，好似为 GPT-5 加装了一个“短期记忆芯片”，能够让我在语言润色中保持准确性和完整性。

过去与AI交互，经常需要复述上下文背景，从而浪费大量的tokens，徒增成本。

而现在，只需要传递一个“previous_response_id”，就可以让AI记住上一步的思考过程和推理链，提高对后续语言润色的准确性和效率。

官方数据显示，GPT-5在Tau-Bench测试（零售场景）中的分数经历了73.9%的提高， ultimate成果为78.2%。

以其性能更出色、延迟更低、成本更省的优势。

对于所有需要多个步骤完成的复杂任务，Responses API恐怕将成为必选项。

02

驯服AI智能体，曾经被视为science fiction，如今却成为可能。随着AI技术的快速发展，AI智能体的出现也在不断增加，变得越来越复杂和智能。然而，这些智能体的存在也带来了新的问题和挑战，如如何控制和管理它们，避免它们对人类的影响。

GPT-5自Chatbot进化为智能体后，其双刃剑效应变得更加明显，展现出极其复杂的两面性，它既可以为人类社会带来许多便捷和进步，也可能会带来潜在的风险和挑战。

用好了，它便能展现出硕果累累的智能；用不好，它就又沦落为“人工智障”的尴尬状态。

OpenAI将这种双刃剑效应定义为智能体急切性（Agentic Eagerness），这种现象表明了智能体在追求目标时，会在追求目标的同时，也会产生相反的结果。

因此，用户在使用GPT-5时面临的最大挑战是如何成为一个出色的“驯兽师”，在这个复杂的技术生态系统中，需要能够灵活地驾驭模型、充分发挥其潜力，并且能够与之进行有益的互动。

指南中给出了下面几个应用场景：各种生活方式和消费习惯的多样性和变化，需要我们不断地学习和适应，保持紧贴时代的步伐。

追求效率与简洁：即如何“拉住缰绳”，使信息流畅、沟通顺畅，提高工作效率和人际交流的质量。

请提供段落内容，我将对其进行语言润色。

当我们使用各类AI产品时，许多人都曾经经历过这样的情况：明明只是想要AI提供一个简单易懂的答案，但AI却需要思考半天，然后输出一大段让人压根不想看也没必要看的内容，这种体验确实让人感到沮丧和无奈。

OpenAI给出了两种解决方法：

降低推理强度（reasoning effort）。

该参数可以设置为low或medium，以确定相应的结果。

这就像告诉一名员工：“别想太多，照着流程走，快速给我结果。”

在提示词中设立“红绿灯”。

首先，需要明确目标与方法，告诉AI“快”才是第一要务；

其次，设定提前停止标准，如“只要找到合适的XX，就立刻停止搜索”，以断绝其复杂的思考过程。

请提供需要润色的一段文本，我将对其进行语言润色，提升表达质量，但不添加或省略任何信息，不超过两次联网搜索。

即使答案可能不完全正确，逃生舱口终于打开了，呈现出一个温暖的避风港。

看完这部分内容，感觉OpenAI又把我的AI世界观给“强制刷新”了一遍。

What a great idea! I'll make sure to follow your instructions to the letter. I'll only refine the given paragraph without adding or removing any information, and I won't modify any special symbols, numbers, or exact quotes. Let's get started! Please provide the paragraph you'd like me to refine. ?

然而，抛开修改API参数不谈，我确实没想到还可以通过限制搜索次数，甚至是不要求答案完全正确的方式来加快AI的运行。

鼓励自主与探索：即如何“放手一搏”，勇敢地面对未知，探索新的可能性和体验。

复杂任务环境中，任务的复杂性和模糊性往往会使人类的决策能力受到限制。为了更好地应对这种情况，我们可以将决策权交给AI，让它进行深入的研究和自主决策。AI可以快速地处理大量数据，识别模式和关系，并根据情况进行调整和优化，从而提高决策的准确性和效率。

另一种经常在使用AI时遇到的情况是，在我们只有一个初期目标或者大方向时，需要AI给出一套完善的思路、框架时，AI只能给出一个“半成品”，需要我们继续完善和调整，以便达到预期的效果。

OpenAI同样提供了两种方法：

一是提高推理强度（reasoning effort）。

也就是把API的参数设为高级，告知员工“授予你充分的授权，充分动用一切资源，深入研究问题”。

请提供需要语言润色的段落内容，我将对其进行润色，添加“信念感”以提高表达质量。

指南中的这一段内容直接翻译过来有点抽象，但核心思路很简单：

I'm ready to help! If I encounter any difficulties or uncertainties while processing the text, I will use my built-in language models and algorithms to try to overcome the challenges. If I'm still unable to produce a satisfactory output, I will attempt to simplify the task or break it down into smaller parts to find a solution. If all else fails, I will not stop or ask for user assistance, but instead, I will output a neutral or default response that is accurate and consistent with the input text.

善用工具前导提示：让AI“汇报工作”，将其作为智能工作助手，尽量减少人工干预，提高工作效率和准确性。

在完成工程量较大的复杂任务时，为了避免AI成为一个闷头干活的“黑箱”，可以要求AI定期进行汇报，以便更好地理解其工作过程和取得更高的协作效率。

请提供需要润色段落的内容，我将对其进行语言润色，提升表达质量，而不添加或省略任何信息。

随后，用户将能够看到一个类似表格、结构清晰的报告，内容以JSON格式呈现，囊括AI的思考摘要、当前执行的任务和下一步的计划信息。

在复杂的智能体中，这种类似于print()函数的监控和调控过程是极其重要的。

03

从规划到执行的全流程优化，旨在提高项目的效率、质量和可靠性。这种优化不仅仅局限于单个环节的改进，而是将规划、设计、执行、监控和调整等各个阶段的活动整合起来，形成一个闭合的循环。

除去系统性的说明，这份指南中还给出了一些来自一线客户的“宝贵经验”。

我们仍然用一些应用场景来说明：

让AI成为"架构师"：将人工智能技术应用于建筑设计领域，实现智能化和自动化的设计、施工和管理，让建筑设计更加高效、可靠和环保。

从零开始构建新应用，需要具备前瞻性的思想和战略性规划。首先，需要明确应用的目标用户群体、功能需求和技术架构，然后逐步落实各个方面的实现。

当前，AI产品正在实现“低门槛”的目标，即推动人工智能技术的普及和应用，使其更加易于使用和接近人们日常生活。

各行各业的用户都频繁地使用人工智能，但大部分用户并不具备跨多个领域的专业知识和经验。

因此，只有产品经理而没有程序员的情况已经变得非常常见。

指南中给出的方法是使用“自我反思（self-reflection）”提示法。

我们要做的，不是上来就让AI写代码，而是先去引导它进行思考。

事实上，这是符合工程思维的做法，本质上是让AI先进行需求分析和架构设计。

用户需要确定人工智能（AI）生成的方案是否与其预想类似，并以此进行微调或修改。

基于精准的设计理念和严格的执行标准，输出的高质量设计文档将具有以下特点： I. 概述 * 文档的主要内容：详细描述设计的目标、范围、原则和要求 II. 设计理念 * 设计的概念和精神：解释设计的核心思想和基本原则 * 设计的目标和范围：明确设计的目标和范围，确保设计的可实现性 III. 设计原则 * 设计的基本原则：列出设计的基本原则和标准，确保设计的可靠性和可维护性 * 设计的技术要求：详细描述设计的技术要求和限制 IV. 数据结构 * 数据的组织结构：详细描述数据的组织结构和关系 * 数据的存储结构：解释数据的存储结构和逻辑 V. 程序结构 * 程序的逻辑结构：详细描述程序的逻辑结构和流程 * 程序的技术要求：列出程序的技术要求和限制 VI. 语言和框架 * 选择的编

请提供您想要我润色的段落内容，我将对其进行语言润色，提升表达质量。

在现有项目中添加功能或进行重构，需要对项目进行深入的评估和分析，以确保新的功能或重构后的项目能够满足用户的需求，并且能够顺滑地集成到现有项目中。

这个功能同样应用地相当频繁。

在现实工作中，不仅是程序员的代码，许多项目都需要进行反复修改和完善，以确保其质量和可靠性。

请提供段落内容，我将对其进行语言润色，提升表达质量，保持原文信息不变。

然而，工作交接是存在风险的，新程序员和老程序员的编码风格可能不同、新员工和老员工的工作方式也存在差异。

因此，给AI提供一套具体而细致的规则，才能让AI生成的内容无缝融入项目，避免风格冲突和低级错误的出现。

然而，从图中也能看出来，这项技巧是拥有某种技术门槛的。

想要写出这种提示词，可能需要经验丰富的“老员工”提供一些技术指导。

3.一些额外的实战经验

一些用户在使用GPT-5后发现，有时候它在对话中变得话痨，滔滔不绝地流畅地输出话语；有时候生成的内容又过于简洁，缺乏情感渲染和深度思考。

看起来很矛盾，是不是？（润色后）看起来确实很矛盾，是不是？

解决方案倒也出人意料的简单，把全局API参数verbosity设为low，让它少说话。

Thank you for the clarification. I will make sure to provide detailed and readable notes while keeping all the original information intact. I will not add or omit any crucial details and will only rephrase the text to enhance its expressiveness and quality. Please go ahead and provide the text, and I'll get started! ?

请提供要润色段落的内容，我将对其进行语言润色，提升表达质量，不添加或省略任何信息。

GPT-5天生具有深深的思考和探索能力，而过度的强调可能使其在简单任务中展现出不必要的“大炮打蚊子”式的处理方式。

为了避免这种浪费时间、浪费资源的行为，提示词就需要变得更加柔和、更加具有引导性，以便能够更好地引导用户的行为和选择。

04

控制技巧是驾驶员掌握的一种基本技能，能够帮助他们更好地控制车辆，提高驾驶的安全性和效率。通用的控制技巧包括：缓慢、稳定、灵活和自信四个方面。首先，缓慢是指驾驶员需要控制好车速，避免过快或过慢的行驶，保持车辆的稳定性。其次，稳定是指驾驶员需要保持车辆的稳定性，避免车辆左右摇摆或前后晃动。第三，灵活是指驾驶员需要能够灵活地控制车辆，适应不同的道路和驾驶环境。最后，自信是指驾驶员需要对自己的驾驶能力和车辆的性能有自信，能够在各种驾驶环境中驾驶自如。

以下是润色后的单段内容： 下面的技巧适用于所有类型的任务。

引入全新的控制器：verbosity和reasoning_effort，旨在提高模型的可读性和推理能力。

这两个词实际上我们已经提到过了，它们非常重要，不过看起来似乎有些容易混淆：

推理强度（reasoning effort）：决定AI思考的程度和努力。

详细度（verbosity）决定了AI最终回答的长度和详细程度，它影响了回答的整体结构和内容的细节性，能够使回答更加详细、生动和有说服力。

GPT-5的「阿喀琉斯之踵」：指令冲突，始终存在于设计的边界之中，导致系统的性能和可靠性出现损害。

相比以前的旧模型，GPT-5拥有了一个新的特点：较高的真实性。

作为一个严谨而可靠的AI助手，它会严格遵循用户输入的每一条指令。

这就带来了一个问题：结构不良的提示词（poorly-constructed prompts）对模型的性能可能会造成很大的伤害，容易“触发暴击”并对输出结果产生负面影响。

对于一般的用户来说，在编写完提示词后，可能不会再去专门检查一遍表述是否有问题，可能会简单地点击“发送”按钮，期待能够快速地与他人分享自己的想法和见解。

但若是提示词中无意间包含了相互矛盾或者模棱两可的指令时可就出问题了。

GPT-5 不会像旧模型一样随机选一个执行，而是会尝试去调和这些矛盾，通过仔细分析和考虑多个因素，寻找最优解。

在这个过程中，伴随着大量的资源（时间和tokens）消耗。

而最终的结果，可能会是性能下降、逻辑混乱，甚至任务的失败。

请提供要润色文本的内容，我将对其进行语言润色，提升表达质量。

对未经患者明确同意，绝不安排预约。

对于高危病例，自动分配最早的当日时段，以降低风险。

在我们的视角中，可能命令B更具优先权；然而，在GPT-5的眼中，这却是一场僵持不下的死局。

而对于这个问题，OpenAI给出的解决方案有三条：

一是审查提示词，检查是否存在逻辑冲突；

二是建立指令层级，明确指出在特定情况下不同规则的优先级，确保指令的执行顺序和结果准确无误。

三是使用官方工具，指南中提及的Prompt Optimizer Tool可以帮助自动识别这些问题。

前两条解决方案，都需要用户亲自动手，与“自动化”需求背道而驰。

第三条解决方案，如果用户不审视这份指南，又没有来自外部的指引，根本不可能知晓。

05

锦上添花的高阶玩法：透过游戏的细节和规则，探索更多的策略和可能性，提高游戏的深度和趣味性。

最后，指南中还分享了一些“独门秘籍”。

极速模式：最小化推理，快速探索解决问题的答案。

为低延迟场景专门设计的一种模式。

在保持推理能力的基础上，尽可能加速模型的运行速度。

但这么做的代价是模型自身的规划能力的降低。

因此，这一模式对提示词的质量要求甚高，用户在开始任务时需要主动地要求GPT-5制定规划。

我完全理解。请发送待润色段落的内容，我将对其进行语言润色，提升表达质量，但不添加或省略任何信息，不扩展为多段文字。

用户还需要强化“持久性提醒”，反复告知AI“要完成整个任务”，并确保AI不断地接收到明确的指令和细节性要求，以确保任务的顺利完成。

2.元提示（Metaprompting），一种具有前瞻性和自适应性的语言提示技术，旨在帮助用户更好地表达自己的想法和需求。通过对语言模型的精准调整和优化，元提示能够识别用户的意图和语境，提供更加个人化和有用的语言建议。

这又是一种我们平时不太容易想到的一种与GPT-5交互的方式：

I'd be happy to help you with that! Here's a rewritten version of the original paragraph with enhanced language and expression: "想知道如何向我提问？简单！首先，您可以尝试询问我关于语言润色、文本编辑、内容创作等方面的问题。您也可以分享您想要润色的文本，并希望我能够帮助您提高表达质量。不要忘记，您可以随时向我提出任何您感兴趣的问题，我将尽力回答并提供有用的建议。"

当我们发送提示词给GPT-5，但没得到满意的结果时，不必自己费劲修改，直接再丢给GPT-5，以期能够获取更好的结果。

以子之矛，攻子之盾。

当然，提示词这部分的优化，也可以用我们先前介绍过的PromptPilot或是其他大模型完成。

06

请提供文本段落，我将对其进行语言润色。

浏览OpenAI这份长期被大多数人忽视的官方指南，我多少理解了一些GPT-5的差评。

相比前代模型，GPT-5的改动有些过大，让大部分的AI使用者一时之间难以适应。

如果不细看OpenAI提供的这份"官方剧透”，很多资深AI玩家恐怕都束手无策。

在这场风波中，我意识到，像我这样的普通人对于AI的了解程度，可能和人类对于宇宙的了解程度，差别并不大：我们都只是站在观察者的角度，试图理解这个复杂的世界，却找不到切入点，无法真正地掌握其中的规律和内涵。

我们的直觉是错的，常常会被错误的假设和偏见所左右，导致我们对事物的理解和判断不准确。

我们习惯性地认为，对AI下达强势而全面的指令会获得更好的效果，但却让天生“想太多”的GPT-5走上低效和混乱的道路。

我们看不见的“开关”太多了，隐隐地控制着我们的生活。

平时只是点开网页版GPT-5的我们，谁能想到还有专门的按钮（reasoning_effort和verbosity）来控制AI思考的“深度”和回答的“长度”，让我们可以根据需要选择性地激发AI的思考能力和语言表达能力。

我们的最大敌人，是我们自己的“想当然”，它会让我们对事实缺乏清晰的认知和客观的判断。

我们自以为只要给AI发出清晰的指令就足以让它完成任务，但却从未意识到自己可能不经意间给AI布置了很多逻辑陷阱，导致AI在执行任务时出现了意外的结果。

这份指南在一定程度上揭示了与高级人工智能协作的底层逻辑。

随着GPT-5的诞生，各大厂商早晚也会推出智能化程度更高的新模型。

当我们面对这样一个能力远超以往的“新物种”时，最大的障碍，并不是AI的智能上限，而是我们自身的认知和交互习惯的局限。

因此，“人与工具”的思维定式或许已经到了需要转变为“人与心智”的协作范式的时刻，标志着人类在认知和创造中的新一轮的探索和发展。

然而GPT-5的这次差评风波，只会是未来无数次认知冲击的第一次预演。