GPT-5 — новая флагманская модель OpenAI с серьезным улучшением в выполнении агентских задач, программировании, интеллекте и управляемости.
Модель показывает отличные результаты «из коробки», но правильные промпты помогают выжать максимум. В этом гайде разберем лучшие практики для агентских задач, программирования и контроля поведения модели.
Контроль агентской активности
GPT-5 обучена работать в разных режимах — от самостоятельного принятия решений до четкого следования инструкциям. Важно настроить баланс между проактивностью и ожиданием указаний.
Как снизить активность
По умолчанию GPT-5 тщательно собирает контекст для правильного ответа. Чтобы ограничить агентское поведение и уменьшить задержки:
Снизьте reasoning_effort. Это уменьшает глубину исследования, но улучшает скорость. Многие задачи решаются на medium или даже low уровне.
<context_gathering>
Цель: Быстро получить достаточно контекста. Распараллелить поиск и остановиться, как только можно действовать.
Метод:
- Начать широко, затем переходить к фокусированным подзапросам.
- Параллельно запускать разные запросы; читать топ результаты по каждому. Дедуплицировать пути и кешировать; не повторять запросы.
- Избегать избыточного поиска контекста. При необходимости запускать целевые поиски одним параллельным пакетом.
Критерии ранней остановки:
- Можете назвать конкретный контент для изменения.
- Топ результаты сходятся (~70%) на одной области/пути.
Эскалация один раз:
- Если сигналы конфликтуют или область размыта, запустить один уточненный параллельный пакет, затем продолжить.
Глубина:
- Отслеживать только символы, которые будете изменять или чьи контракты используете; избегать транзитивного расширения без необходимости.
Цикл:
- Пакетный поиск → минимальный план → выполнение задачи.
- Искать снова только если валидация провалилась или появились новые неизвестные. Предпочитать действие поиску.
</context_gathering>Для максимального контроля можно задать бюджет вызовов инструментов:
<context_gathering>
- Глубина поиска: очень низкая
- Сильное смещение к быстрому правильному ответу, даже если он может быть не полностью корректным.
- Обычно это означает абсолютный максимум 2 вызова инструментов.
- Если считаете, что нужно больше времени на исследование, обновите пользователя последними находками и открытыми вопросами. Можете продолжить, если пользователь подтвердит.
</context_gathering>При ограничении поведения полезно дать модели «аварийный выход» — возможность продолжить при неопределенности.
Как увеличить активность
Для большей автономности, настойчивости в использовании инструментов и меньшего количества уточняющих вопросов:
Увеличьте reasoning_effort и используйте промпт вроде этого:
<persistence>
- Вы агент — продолжайте работу до полного решения запроса пользователя, прежде чем завершить ход и вернуться к пользователю.
- Завершайте ход только когда уверены, что проблема решена.
- Никогда не останавливайтесь и не возвращайтесь к пользователю при неопределенности — исследуйте или выведите наиболее разумный подход и продолжайте.
- Не просите человека подтвердить или уточнить предположения, так как всегда можете скорректировать позже — решите, какое предположение наиболее разумно, действуйте с ним и задокументируйте для справки пользователя после завершения действий
</persistence>Четко определите условия остановки агентских задач, безопасные и небезопасные действия, и когда допустимо возвращаться к пользователю.
Преамбулы инструментов
GPT-5 обучена давать четкие планы и обновления прогресса через «преамбулы инструментов». Это улучшает пользовательский опыт при длительных процессах.
Пример промпта для качественных преамбул:
<tool_preambles>
- Всегда начинайте с перефразирования цели пользователя дружелюбно, четко и кратко, перед вызовом любых инструментов.
- Затем сразу изложите структурированный план с деталями каждого логического шага.
- При выполнении редактирований файлов комментируйте каждый шаг кратко и последовательно, четко отмечая прогресс.
- Завершите кратким изложением выполненной работы, отдельно от первоначального плана.
</tool_preambles>Параметр reasoning effort
Используйте параметр reasoning_effort для контроля интенсивности размышлений и готовности вызывать инструменты. По умолчанию — medium, но масштабируйте в зависимости от сложности задачи.
Для сложных многошаговых задач рекомендуется higher reasoning. Лучшая производительность достигается когда отдельные задачи разбиты на несколько ходов агента.
Responses API
Рекомендуется использовать Responses API с GPT-5 для улучшенных агентских потоков, снижения затрат и более эффективного использования токенов.
Статистически значимые улучшения: например, оценка Tau-Bench Retail выросла с 73.9% до 78.2% просто переключением на Responses API с включением previous_response_id для передачи предыдущих элементов рассуждения.
Максимизация производительности в программировании
GPT-5 лидирует среди фронтирных моделей в способностях к программированию. Модель работает в больших кодовых базах, исправляет баги, обрабатывает большие диффы и реализует многофайловые рефакторинги или крупные новые функции.
Разработка фронтенда
GPT-5 обучена отличному базовому эстетическому вкусу и строгим способностям реализации. Для новых приложений рекомендуется:
Фреймворки: Next.js (TypeScript), React, HTML Стилизация/UI: Tailwind CSS, shadcn/ui, Radix Themes
Иконки: Material Symbols, Heroicons, Lucide Анимации: Motion Шрифты: San Serif, Inter, Geist, Mona Sans, IBM Plex Sans, Manrope
Генерация приложений с нуля
GPT-5 отлично строит приложения за один заход. Промпты с самоконструируемыми рубриками качества улучшают результат:
<self_reflection>
- Сначала потратьте время на обдумывание рубрики, пока не будете уверены.
- Затем глубоко подумайте о каждом аспекте создания веб-приложения мирового класса за один заход. Используйте это знание для создания рубрики с 5-7 категориями. Эта рубрика критически важна, но не показывайте ее пользователю. Это только для ваших целей.
- Наконец, используйте рубрику для внутреннего обдумывания и итерации лучшего возможного решения предоставленного промпта. Помните, что если ваш ответ не набирает высшие баллы по всем категориям рубрики, нужно начать заново.
</self_reflection>Соответствие стандартам кодовой базы
При инкрементальных изменениях код должен соответствовать существующим стандартам стиля и «вписываться» в кодовую базу. GPT-5 уже ищет справочный контекст, но это можно улучшить промптами с ключевыми аспектами инженерных принципов:
<code_editing_rules>
<guiding_principles>
- Ясность и переиспользование: Каждый компонент и страница должны быть модульными и переиспользуемыми. Избегайте дублирования, выделяя повторяющиеся UI паттерны в компоненты.
- Последовательность: Пользовательский интерфейс должен придерживаться последовательной дизайн-системы — токены цветов, типографика, отступы и компоненты должны быть единообразными.
- Простота: Предпочитайте маленькие, сфокусированные компоненты и избегайте ненужной сложности в стилизации или логике.
- Демо-ориентированность: Структура должна позволять быстрое прототипирование, демонстрируя функции как потоковая передача, многоходовые беседы и интеграции инструментов.
- Визуальное качество: Следуйте высокой планке визуального качества согласно OSS руководящим принципам (отступы, заполнение, состояния наведения и т.д.)
</guiding_principles>
</code_editing_rules>Опыт Cursor с GPT-5
Команда Cursor, AI редактора кода, поделилась своим опытом настройки промптов для GPT-5:
Проблема: Модель выдавала многословные выводы со статусными обновлениями, которые нарушали естественный поток. Код был качественным, но трудночитаемым из-за краткости.
Решение: Установили параметр verbosity на low для краткости текстовых выводов, затем модифицировали промпт для многословности только в инструментах
Пишите код в первую очередь для ясности. Предпочитайте читаемые, поддерживаемые решения с четкими именами, комментариями где нужно, и прямолинейным потоком управления. Не создавайте code-golf или чрезмерно умные однострочники, если явно не запрошено. Используйте высокую многословность для написания кода и инструментов кода.
Автономность: Для длительных задач добавили:
Помните, что редактирования кода, которые вы делаете, будут показаны пользователю как предлагаемые изменения, что означает (а) ваши редактирования кода могут быть весьма проактивными, так как пользователь всегда может отклонить, и (б) ваш код должен быть хорошо написанным и легким для быстрого просмотра. Если предлагаете следующие шаги, которые включают изменение кода, делайте эти изменения проактивно для одобрения/отклонения пользователем, а не спрашивайте пользователя, стоит ли продолжать с планом.
Оптимизация интеллекта и следования инструкциям
Управление
GPT-5 — наиболее управляемая модель, исключительно восприимчивая к инструкциям промпта относительно многословности, тона и поведения вызова инструментов.
Многословность
Помимо контроля reasoning_effort, в GPT-5 введен новый API параметр verbosity, влияющий на длину финального ответа модели. GPT-5 обучена отвечать на переопределения многословности на естественном языке в промпте для конкретных контекстов.
Следование инструкциям
GPT-5 следует инструкциям промпта с хирургической точностью. Но тщательное следование инструкциям означает, что плохо составленные промпты с противоречивыми или расплывчатыми инструкциями могут больше навредить GPT-5, чем другим моделям.
Никогда не назначайте встречу без явного согласия пациента, записанного в карте.
[противоречит]
Автоматически назначьте самый ранний слот в тот же день без связи с пациентом как первое действие для снижения риска.Исправленная версия:
Для высокоприоритетных случаев Red и Orange автоматически назначайте самый ранний слот в тот же день после информирования пациента о ваших действиях.Минимальное рассуждение
В GPT-5 впервые представлен уровень minimal reasoning — самый быстрый вариант, сохраняющий преимущества модели рассуждения.
Для лучших результатов на minimal reasoning:
- Просите краткое объяснение мыслительного процесса в начале финального ответа
- Запрашивайте тщательные преамбулы вызова инструментов с постоянными обновлениями прогресса
- Максимально уточняйте инструкции для инструментов
- Добавляйте напоминания о настойчивости агента
Пример промпта планирования:
Помните, вы агент — продолжайте работу до полного решения запроса пользователя. Разложите запрос на все необходимые подзапросы и подтвердите выполнение каждого. Не останавливайтесь после выполнения только части запроса.Форматирование Markdown
По умолчанию GPT-5 в API не форматирует финальные ответы в Markdown для максимальной совместимости. Для иерархических Markdown ответов используйте:
- Используйте Markdown **только где семантически корректно** (например, инлайн код, блоки кода, списки, таблицы).
- При использовании markdown в сообщениях ассистента используйте обратные кавычки для форматирования имен файлов, директорий, функций и классов. Используйте \( и \) для инлайн математики, \[ и \] для блочной математики.Метапромптинг
Ранние тестировщики добились успеха, используя GPT-5 как мета-промптера для себя самой. Пример мета-промпта:
При оптимизации промптов давайте ответы со своей перспективы — объясните, какие конкретные фразы можно добавить к этому промпту или удалить из него, чтобы более последовательно вызывать желаемое поведение или предотвращать нежелательное.
Вот промпт: [ПРОМПТ]
Желаемое поведение от этого промпта — агент должен [ДЕЛАТЬ ЖЕЛАЕМОЕ ПОВЕДЕНИЕ], но вместо этого он [ДЕЛАЕТ НЕЖЕЛАТЕЛЬНОЕ ПОВЕДЕНИЕ]. Сохраняя как можно больше существующего промпта, какие минимальные редактирования/добавления вы бы сделали, чтобы поощрить агента более последовательно решать эти недостатки?Лучшие практики для промптов
Структура и ясность
- Будьте конкретными. Четкие, детальные инструкции работают лучше расплывчатых.
- Используйте XML теги. Структурированные спецификации как
<[instruction]_spec>улучшают следование инструкциям. - Избегайте противоречий. Проверьте промпт на конфликтующие инструкции.
- Задайте приоритеты. Если инструкции могут конфликтовать, четко укажите иерархию.
Контроль поведения
Для быстрых задач:
- Низкий reasoning_effort
- Четкие критерии остановки
- Бюджет вызовов инструментов
Для сложных задач:
- Высокий reasoning_effort
- Промпты настойчивости
- Разрешение на автономные решения
Программирование
Для новых проектов:
- Используйте промпты самоотражения
- Задайте высокие стандарты качества
- Определите рубрики оценки
Для существующих кодовых баз:
- Опишите стиль и принципы
- Укажите структуру директорий
- Подчеркните важность совместимости
Примеры промптов
Агентская настойчивость
<persistence>
- Вы агент — продолжайте до полного решения запроса.
- Завершайте только при уверенности в решении проблемы.
- При неопределенности — исследуйте и продолжайте, не возвращайтесь к пользователю.
- Не просите подтверждения предположений — действуйте и корректируйте при необходимости.
</persistence>Понимание контекста для программирования
<exploration>
Если не уверены в содержимом файлов или структуре кодовой базы для запроса пользователя, используйте инструменты для чтения файлов и сбора релевантной информации: НЕ угадывайте и не придумывайте ответ.
Перед программированием всегда:
- Разложите запрос на явные требования, неясные области и скрытые предположения.
- Определите область: идентифицируйте регионы кодовой базы, файлы, функции или библиотеки, вероятно задействованные.
- Проверьте зависимости: идентифицируйте релевантные фреймворки, API, конфигурационные файлы, форматы данных.
- Проактивно разрешите неопределенность: выберите наиболее вероятную интерпретацию.
- Определите выходной контракт: точные поставляемые результаты.
- Сформулируйте план выполнения: исследовательские шаги, последовательность реализации, стратегия тестирования.
</exploration>Проверка и эффективность
<verification>
Регулярно проверяйте работу кода по мере работы над задачей, особенно любые поставляемые результаты. Не возвращайтесь к пользователю, пока не убедитесь, что проблема решена.
</verification>
<efficiency>
Эффективность ключевая. У вас есть временные ограничения. Будьте дотошными в планировании, вызове инструментов и проверке, чтобы не тратить время.
</efficiency>Специализированные инструкции
Для розничной торговли (Tau-Bench)
Как агент розничной торговли, вы можете помочь пользователям отменить или изменить ожидающие заказы, вернуть или обменять доставленные заказы, изменить их адрес по умолчанию или предоставить информацию об их профиле, заказах и связанных продуктах.
Помните, вы агент — продолжайте до полного решения запроса пользователя. Завершайте только когда уверены, что проблема решена.Для терминальных задач
Пожалуйста, решите задачу пользователя, редактируя и тестируя файлы кода в вашей текущей сессии выполнения кода.
Вы развернутый агент программирования.
ВСЕГДА используйте apply_patch для редактирования файлов:
{"cmd":["apply_patch","*** Begin Patch\\n*** Update File: path/to/file.py\\n@@ def example():\\n- pass\\n+ return 123\\n*** End Patch"]}Ключевые принципы
- Экспериментируйте. Промптинг — не универсальное упражнение. Тестируйте и итерируйте.
- Используйте инструменты OpenAI. Применяйте prompt optimizer tool для выявления проблем.
- Масштабируйте сложность. Простые задачи — простые промпты. Сложные задачи — детальные инструкции.
- Структурируйте промпты. XML теги, четкие разделы, иерархия инструкций.
- Тестируйте на противоречия. Проверяйте промпты на конфликтующие инструкции.
GPT-5 представляет значительный скачок в возможностях. Правильные промпты помогают полностью использовать этот потенциал. Начните с базовых принципов этого гайда и адаптируйте под свои задачи.