根據OpenAI最新釋出的技術文件，即便進入GPT-5時代，下對指令仍有必要。ChatGPT模型不斷進步，從GPT-3.5、GPT-4.0，再一路到GPT-4o、有推理能力的o3、o4，甚至還有輕量、主打回覆速度快速的mini系列模型。當模型變得更加聰明，我們還需要謹小慎微地寫指令嗎？近期社群上有人認為「指令已死」，沒必要認真研究指令工程，引起網友熱議。到底OpenAI官方為何堅持一個好指令很重要？好指令的標準在哪？必學的「元提示」又是什麼？為何這個簡單動作能大大提升指令品質？請見來自官方的完整建議。
當語言模型掌握推理能力，可以自行拆解使用者指令，規劃出完整計畫時，社群上開始出現「指令已死」的聲音。
不過，攤開OpenAI釋出的「GPT-5 指令指南」，可以看到，下好指令、追尋指令工程（Prompt Engineering），對於AI產出好內容，還是有很大幫助。
因為，GPT-5依照指令行事的精確度與執行力，已達到「前所未有的水準。」這意味著，使用者與模型互動的方式，將直接決定最終成果的品質。
本文整理OpenAI這份官方文件，從中提煉出幾項下好指令的技巧，希望讓使用者在GPT-5時代，能夠更好駕馭AI。
指定角色、提供範例，過往技巧仍適用
賦予模型明確的角色
為模型設定一個清晰的身分，是引導其語氣、觀點及專業深度的有效方法。
例如，比起直接叫ChatGPT寫一篇推廣飲料的文案，指派角色的效果更好：「你是一位資深的文案專家，風格風趣，擅長用故事吸引年輕讀者。請為一款新的燕麥奶拿鐵撰寫一篇社群媒體推廣文案。」
其實，以前在社群上指派角色給ChatGPT，就曾紅極一時，在GPT-5的官方指令指南中，也沒有捨棄這個技巧。
OpenAI在三段指令中，都曾經指定官方角色，確保模型能立刻進入特定領域的工作模式。例如：
提供具體範例，不要只是給模糊的形容詞
模型不是沒辦法讀懂解主觀形容詞，例如「給我一篇專業文章」，只是如果提供具體、可量化的規則，效果更佳。
舉例來說，在生成文件時，只是要求「排版整齊」不夠，最好可提供精確的設計規範。
在GPT-5指令指南中，就有一段「程式碼設計標準」的指令，應用到這個技巧：
同樣地，在要求模型使用Markdown格式時，OpenAI所下的指令不只是「請用Markdown」，而是提供清晰的規則與範例，讓ChatGPT知道應該何時調整格式。
引導模型進行分好幾個步驟思考
面對複雜任務，強迫模型一步到位往往會犧牲品質，更有效的方式是引導其先進行規劃與推理，官方文件中也反覆強調這個概念。
例如，在開發一項新應用時，OpenAI沒有直接要求成果，而是要求模型分好幾個步驟：
雖然模型有能力自己制訂計畫，但如果預先準備好更詳細的步驟，可以讓模型行動更貼近預期。
在調用外部工具前，GPT-5文件中也建議要求模型先「列出一個結構化的計畫，詳細說明將採取的每個邏輯步驟」，以確保行動的準確性。
精準調控模型的「積極度」（Agentic Eagerness）
GPT-5最顯著的進步之一，是使用者可以通過指令，精準控制模型的自主性與思考深度。OpenAI將此以調控「代理積極性」（Agentic Eagerness）描述。
提升積極度，賦予模型自主權
在進行創意發想或處理複雜專案時，使用者可以鼓勵模型採取更主動的角色，避免因不確定性而中斷任務。
文件建議使用以下指令來達成此目的：
降低積極度，追求效率與速度
當任務目標是快速獲取資訊時，使用者可以主動限制模型的思考範圍，以換取更快的反應速度：
過往使用者會先評估自己的目標，例如要求回覆速度超快，或者期待回覆品質極高，再藉著挑選模型的方式實現。
現在，使用者則是在指令中寫清楚期待，讓模型依照指令行事。
讓AI自己改善指令，但要注意矛盾
模型能力提升，讓生成內容品質提升，甚至可以讓AI幫忙調整指令，但也要小心避免矛盾。
利用模型進行「元提示」（Metaprompting）
當使用者對輸出結果不滿意時，可以直接請求模型本身協助改善指令。這形成了一個強大的自我修正迴圈。官方文件提供了一個有效的模板：
避開致命錯誤：指令的內部矛盾
GPT-5對指令的精準遵循是一把雙面刃。如果指令內部存在邏輯矛盾，模型不會像過去一樣忽略，而是會陷入困惑，反而讓生成內容的品質下降。
在指南中的這個範例裡面，OpenAI如實呈現出風險：
這種指令會讓模型無所適從。那麼應該如何解決呢？OpenAI指出，好的指令應該明確定義例外情況，以解決衝突：
使用者在設計複雜指令時，一定要審視內部邏輯的一致性，避免出現矛盾。
雖然進入GPT-5時代，使用者不再需要選擇模型，已經有內建的模型挑選器，導引到合適的模型，但指令工程仍有其價值。
明確設定角色、以範例消除模糊、引導模型先規劃後行動、靈活調整積極度，以及善用「元提示」，都是專業使用者不可或缺的技巧。
