createrole

约 9 分钟

2026 年给 agent 写提示词：Anthropic 与 OpenAI 官方指南的共同转向

并排读 Anthropic 与 OpenAI 2025–2026 年的官方 agent 提示词指南，两家走向了同一个方向：删提示而不是加提示，从催模型到拦模型，从步骤清单到目标契约。本文整理其中最重要的共识与最可操作的规则。

  • 提示词
  • agent
  • 方法论

2025 到 2026 年，Anthropic 和 OpenAI 各自发布了一批「如何为 AI agent 写提示词」的官方材料：工程博客、platform 文档、cookbook 和指南 PDF。把两家的材料并排读，会发现它们在 2026 年走向了同一个方向。本文整理其中最重要的共识与最可操作的规则，所有要点均出自官方原文，来源编号见文末。

七个共同转向

  1. 少即是多成为官方立场。 两家都要求删提示而不是加提示。OpenAI GPT-5.6 指南给出实测数据：精简系统提示后 eval 分数提升约 10–15%，token 减少 41–66% [O8]；GPT-5.5 指南要求迁移时从新的最小基线重建，不要把旧 prompt 整个搬过来，过程性 step-by-step 指令被明确定性为噪声 [O7]。Anthropic 对 Claude Fable 5 的指导同调：为旧模型写的提示往往过度规定，会拖低新模型的输出质量；过去用来防偷懒的激进措辞（「CRITICAL: You MUST」）现在会导致过度触发，应回调为平实措辞 [A1][A2]。
  2. 方向反转：从「催」到「拦」。 2025 年上半年的经典模式是催模型别偷懒；2026 年的新模型指令遵循强、行动倾向高，官方样例段大量变成防过度：防未请求的动作、防过度验证、防过度规划、防过度调用工具 [A1][A2][O6][O8]。
  3. 从步骤指令到目标契约。 OpenAI 的推荐模板从 Reasoning Steps 演化为 Goal / Success criteria / Constraints / Stop rules：不写过程，写什么算完成、如何验证 [O7]。Anthropic 的表述是「right altitude」：足够具体以指导行为，但给启发式而非编排每一步 [A3]。
  4. 官方直接发可复制的「契约块」。 Anthropic 的 <default_to_action>、防伪进度报告段、checkpoint 段 [A1][A2]；OpenAI 的 <tool_persistence_rules>、<completeness_contract>、<verification_loop>、<instruction_priority> [O6]。
  5. 工具上下文平台化。 工具清单瘦身从提示技巧变成平台特性：两家都上了按需加载的 tool search（Anthropic defer_loading [A15]，OpenAI GPT-5.4 起原生 [O6]）和「模型写代码编排工具调用」（Anthropic Programmatic Tool Calling [A15]，OpenAI PTC [O8]）。
  6. 评估文化制度化。 「eval → 读 transcript → 定向修提示」是提示迭代的唯一正规路径。Anthropic：没人细看 transcript 之前不接受任何 eval 分数 [A13]；OpenAI 给出 metaprompting 两步法 [O3]。
  7. 模型升级是删脚手架的时机。 Anthropic 在 Opus 4.6 消除「上下文焦虑」后，自己删掉了 sprint 拆分 harness [A11]。为旧模型写的护栏，对新模型常常是负资产。

系统提示怎么写

分节加语义化标签是两家共识。Anthropic 用 XML 标签或 Markdown 标题切区块，标签名跨提示一致、可嵌套 [A1][A3]。OpenAI 首选 Markdown 标题，XML 表现也好，JSON 包裹长上下文表现特别差 [O1]。

给理由，不只给命令。 Anthropic 建议把模型当「聪明但刚入职的新员工」：「NEVER use ellipses」不如解释「输出会被 TTS 朗读」，模型会从理由中泛化 [A1]。

指令冲突是最高优先级 bug。 GPT-5 以外科手术般的精确性遵循指令，矛盾指令会让模型烧推理 token 试图调和，而不是随机选边 [O2]。GPT-5.4 给出显式 <instruction_priority> 块：用户指令覆盖风格默认，安全与隐私不让步，新指令覆盖旧指令 [O6]。

绝对词降级。 ALWAYS/NEVER 只留给真正的不变量（安全规则、必填字段），不要用来控制判断型决策 [O6]；Anthropic 同向 [A1]。

人格写成行为规则。 不要写「友好」，写「直接陈述答案；用户报告问题先确认具体问题再给下一步」[O8]。人格描述要短，不能替代目标、成功标准和工具规则 [O7]。

什么时候直接做，什么时候先问

两家 2026 年都把这一条写成了标准段落，而且划界逻辑一致：按副作用的可逆性划界，不按任务类型。

  • Anthropic：可逆的本地操作放手做，难逆、共享、破坏性的操作先确认，样例枚举了 rm -rf、force push、对外发消息；遇到障碍不得用破坏性操作抄近道 [A1]。Fable 5 的 checkpoint 段：只在真正需要用户时暂停，即破坏性或不可逆动作、真实的范围变化、只有用户能提供的输入 [A2]。另一条边界：用户在描述问题、提问或思考时，交付物是你的评估，报告发现即止，不动手修 [A2]。
  • OpenAI：GPT-5.6 按请求类型划授权。回答、解释、审查类请求：检查后报告，不实施变更；变更、构建类请求：本地变更与非破坏性验证直接做，不询问；外部写入和破坏性操作需要确认 [O8]。

长程自主运行的专属段落

Anthropic 的 Fable 5 指南 [A2] 是这个主题最系统的官方材料：

  • 防伪进度报告：汇报进度前，把每条声明对照本会话内的工具结果审计；只报告有证据可指的工作；测试失败就带输出说失败，跳过的步骤就说跳过。官方称这段在测试中几乎消除了虚构进度报告。
  • 防早停：结束回合前检查最后一段，若是计划、问题或承诺，就现在用工具调用把它做掉。
  • 防上下文焦虑：尽量不给模型看剩余 token 倒计时；必须显示时加一句「你有充足的剩余上下文，不要因上下文限制提前收尾」。

OpenAI 的对应物是进度播报的量化规范：GPT-5.1 要求「每几次工具调用 1–2 句更新，至少每 6 步一次」[O3]，GPT-5.2 收紧为「只在新阶段或计划改变时播报，不要旁白常规工具调用」[O4]。一个值得注意的反例：对 gpt-5.x-codex 要删除所有要求 upfront plan 和 preamble 的提示，否则模型会中途突停，因为模型已经内置该行为 [O5]。

工具描述是最高杠杆

  • 描述即提示工程。 Anthropic：写工具描述如同给新同事写文档，包括用法示例、边界情况、输入格式、与其他工具的边界 [A4]。OpenAI 的「实习生测试」：只凭给模型的信息，实习生能否正确使用该函数 [O9]。
  • 职责切分。 工具定义写「是什么、参数格式」，system prompt 写「何时用、何时不用」[O9][O1]。2026 年 OpenAI 进一步把使用时机、副作用、重试安全性、错误模式都下放到 description [O7]。
  • 防错设计。 改参数结构让错误用法不可能发生：相对路径参数改为强制绝对路径 [A6]；toggle_light(on: bool, off: bool) 改为枚举 [O9]。
  • 错误信息可操作。 不要裸错误码，要「Invalid format. Expected: user_id (integer)」式的修正指引 [A4]。查询为空时先尝试 1–2 个后备策略再报告未找到 [O6]。
  • 工具数量看相似度，不只看数量。 15+ 个清晰工具没问题，不到 10 个重叠工具就崩 [O9][O12]。

平台层面的对应能力：

机制AnthropicOpenAI
工具按需加载Tool Search Tool，58 工具场景前置消耗 77K→8.7K tokens，工具选择准确率 79.5%→88.1% [A15]GPT-5.4 起原生 tool search；allowed_tools 限定当前可用子集 [O6][O9]
模型写代码编排工具Programmatic Tool Calling，中间结果不进上下文，token 减少 37% [A15]PTC，官方强调克制：单次调用足够、中间输出小时优先直接调用 [O8]
schema 之外的用法知识工具定义内加 1–5 个 input_examples，复杂参数准确率 72%→90% [A15]用法示例放 prompt 的 Examples 节 [O1]

多智能体：先把单 agent 做好

两家 2026 年的立场都很克制。Anthropic 警示多智能体消耗单 agent 3–10 倍 token，先改进单 agent 提示，有证据才加复杂度 [A14]；OpenAI 同样要求先最大化单 agent 能力 [O12]。

两家一致认定的最成功模式是验证子代理：主 agent 干活，一个干净上下文的独立 agent 做验证，不受实现方推理的污染 [A14][A9][A2]。要注意的失败模式是验证 agent 跑 1–2 个测试就宣告通过，对策是把「必须运行完整测试套件」写死 [A14]。切分按上下文边界，不按工种：做功能的 agent 也应该做它的测试 [A14]。

评估与迭代

  • 起步只需 20–50 个来自真实失败的任务，越晚越难建；任务要能让两个领域专家独立给出相同的 pass/fail [A13]。
  • 问题集要平衡：既测「何时该做」也测「何时不该做」[A13]。
  • Grader 不要过度规定步骤，否则 agent 找到有效替代路径反而被判失败 [A13]。
  • OpenAI 的 metaprompting 两步法：先诊断，给模型当前 prompt 和失败日志，要求识别失败模式并引用最可能导致它的 prompt 行；再修补，做小而显式的编辑，不重构，保持结构和长度大体不变 [O3]。
  • 消融法：逐次移除一组指令、示例或工具后重新 eval，这正是「少即是多」数据的来源 [O8]。

对做数字员工的人意味着什么

对任何在生产环境里运行 agent 的团队，这些指南的共同含义可以压成几句话：审计现有系统提示，删掉为弱模型写的 anti-laziness 措辞和过度规定的步骤清单；工具描述写清何时用、何时不用，错误信息给修正指引；自主任务的系统提醒里加入防伪进度报告和防早停段落；多智能体优先采用干净上下文的验证子代理；从真实失败案例攒 20–50 个 eval 任务，越早越好。

来源

Anthropic

OpenAI

cookbook 与 platform 页面多不标显式日期，以上日期按随附模型发布日、GitHub 提交记录与第三方引用交叉确认。