用 GPT-5 编码 撰写 Prompt 的方法与其他模型有所不同。以下六个技巧可帮助你把它的能力发挥到最大。
1. 精确表达并避免相互矛盾的信息
新的 GPT-5 模型在遵循指令方面显著更强，但副作用是，当指令含糊或互相矛盾时（尤其是在
.cursor/rulesAGENTS.md文件中），它可能会表现不佳。
2. 选择合适的推理努力度
GPT-5 在解决问题时总会进行一定程度的推理。为获得最佳结果，对最复杂的任务使用高推理努力度。如果你发现模型在简单问题上想得过多，请把提示写的更具体，或者选择较低的推理努力度（如 medium 或 low）。
3. 用类 XML 的语法来组织指令
与 Cursor 的配合中发现，使用类 XML 的语法为模型提供更多上下文时，GPT-5 表现根号。例如，你可以给模型一套编码规范：
<code_editing_rules>
<guiding_principles>
— 每个组件都应模块化且可复用
...
</guiding_principles>
<frontend_stack_defaults>
— 样式：TailwindCSS
</frontend_stack_defaults>
</code_editing_rules>
4. 避免过于强硬的措辞
在其他模型中，你可能会使用类似这样的强硬语言：
在收集信息时要彻底。回复前确保掌握完整全貌。
在 GPT-5 中，这类指令可能适得其反，因为模型可能会把它本来会做的事做得过头。例如，它可能会通过大量工具调用过分详尽地收集上下文。
5. 给计划与自我反思留出空间
如果你在从零到一地创建应用，先让模型在构建前进行自我反思会有帮助。
<self_reflection>
— 首先，花时间思考一份评估量表，直到你有把握为止。
— 然后，深入思考成就一款世界级一次成型 Web 应用的各个方面。利用这些认识创建一个包含 5–7 个类别的量表。把这份量表做好至关重要，但不要展示给用户，仅供你内部使用。
— 最后，使用该量表在内部思考并迭代，给出对所提供提示的最佳解决方案。记住，如果你的回答在量表的所有类别中都未达到最高标准，就需要重新开始。
</self_reflection>6. 控制你编码智能体的“积极性”
默认情况下，GPT-5 会在收集上下文时力求全面细致。通过提示更具体地约束它应有多“积极”，以及是否应并行进行信息搜索和工具调用。
给模型设定工具调用预算，明确何时更细致或更粗略，以及何时需要与用户确认。例如：
<persistence>
— 不要要求人类确认或澄清假设；必要时你总可以在之后调整。
— 判断最合理的假设是什么，按此继续行动，并在完成后为用户记录这些假设以供参考。
</persistence>
