文本生成

结构化输出

提示工程（Prompt）

提示词工程的最佳实际：把 Prompt 和模型当成软件的一部分，用可重复、可量化的测试来保证质量，而不是依赖主观感受。

1.Test Suite测试套件（大量固定测试数据）
统计正确率，响应速度，平均长度，json是否合法，是否出现幻觉
2.Evaluation评估 （判断模型回答的好不好）
① 完全匹配
② AI Judge（LLM as Judge）让另一个模型评分
③ JSON是否合法
④ 工具调用成功率
3.升级模型要重新跑测试
4.Prompt修改也要重新测试
5.一个完整的 AI 开发流程
设计 Prompt
│
▼
建立测试集（100～1000 个真实案例）
│
▼
定义评估指标（准确率、JSON 合法率、工具调用成功率、成本、延迟等）
│
▼
运行评估（Evals）
│
▼
得到基线结果（例如准确率 96%）
│
▼
修改 Prompt 或升级模型
│
▼
再次运行同一套测试
│
▼
比较前后指标
│
▼
指标更好再上线，否则回滚
6.选择模型和API
6.1 推荐推理模型
处理问题的顺序：规划，分析，推理，分步骤解决问题
6.2 推荐Responses API
文本、图片、音频、工具调用、MCP、推理、Structured Output、Agent
6.3 消息角色（Message Roles）
Developer（定义模型行为、规则、身份）>User（提出当前需求和问题）>Assistant（提供上下文，保持对话连续性）
6.4 推荐instructions（System Prompt）
实际开发建议
如果你使用的是 GPT-5.5 + Responses API（也是 OpenAI 当前推荐的组合）：
优先使用 instructions 来定义模型的长期行为（身份、风格、规则等）。
使用 input 放用户输入，以及需要保留的 User/Assistant 对话历史。
只有在需要精细控制消息历史或兼容旧代码时，才直接构造 role=“developer” 消息。
6.5 官方推荐的开发方式
应用开发模式：推理模型（如 GPT-5.5） + Responses API + instructions + 用户输入
选择模型
│
▼
GPT-5.5（推理模型）
│
▼
使用 Responses API
│
┌──────────┴──────────┐
▼ ▼
instructions（开发者指令） input（用户输入）
│ │
└──────────┬──────────┘
▼
模型生成回复