203
0本报告《Prompting》旨在总结 OpenAI 开发者平台关于提示词（Prompting）的核心方法论、ChatGPT 在工作场景中的应用策略，以及 Codex 针对开发者的专项工作流。提示词工程的本质在于清晰地描述目标而非技术语法。一个高效的提示词通常由目标、上下文、输出要求和边界设定四个核心要素构成。随着系统能力的扩展，通过连接外部插件、模型上下文协议（MCP）及 SDK，用户可以将简单的对话转化为复杂的、多步骤的自动化工作流。
1. 提示词核心框架与方法论
提示词是与 ChatGPT 沟通的核心手段，其目的在于告知系统需要了解、创作或更改的内容。
1.1 四大核心要素
对于复杂任务，一份完整的提示词应包含以下要素：
1.2 迭代与优化策略
初次尝试： 无需追求完美，可从描述预期结果开始，而非罗列详细步骤。
后续跟进： 利用后续消息调整细节、添加缺失来源或改变语气。
引导与排队（Steer & Queue）：
引导 (Steer)： 在 Codex 工作时发送消息以改变方向或添加细节。
排队 (Queue)： 将后续任务保存，待当前任务完成后执行。
语音输入： 在桌面端通过快捷键（Ctrl + M）进行语音转文字输入，提高效率。
2. ChatGPT Work：企业级应用与效率
ChatGPT Work 专为处理涉及多来源、多步骤、需要生成较大交付物或执行更改的任务而设计。
2.1 高效工作准则
结果导向： 提供源材料，指明受众，并解释审查方式。
任务拆解： 要求 ChatGPT 先制定计划，在得到批准后再执行发送、发布或修改信息的行为。
资源管理： 仅包含相关来源并限制日期范围，以优化额度使用。
自动化： 细化提示词使其稳定后，可利用“计划工作”（Scheduled tasks）功能实现自动化运行。
2.2 个性化与上下文连接
自定义指令： 在“设置 > 个性化”中定义适用于所有任务的偏好。
连接源： 使用
@符号调用特定插件（如 Google Drive, Slack, GitHub）或通过连接的项目共享本地文件夹。
3. Codex：开发者专项工作流
Codex 为代码、代码库及开发工具的操作提供了深度集成，支持 IDE 插件、CLI 及云端环境。
3.1 核心开发场景应用
3.2 进阶功能与指令
斜杠命令：
/plan：要求 Codex 在编辑前调查并提出方案。/goal：在目标模式下设定持久目标。/mention：在 CLI 中附加特定文件。
云端委托： 在 IDE 中制定计划后，可将耗时的实现任务委托给云端环境（Cloud environment）并行运行。
沙箱机制： Codex 在本地运行时受到沙箱限制，跨越边界（如访问网络）需遵循审批政策。
4. 扩展生态与系统架构
文档揭示了 OpenAI 开发者生态的深度，涵盖了从基础 API 到高级代理（Agents）的全面支持。
4.1 核心 SDK 与工具
Apps SDK： 用于构建扩展 ChatGPT 能力的应用，支持 MCP 应用、UI 组件设计及商业化流程。
Agents SDK： 专注于代理定义、编排（Orchestration）、护栏（Guardrails）及语音代理的构建。
MCP（模型上下文协议）： 允许将私有 MCP 服务器连接到 OpenAI 产品，实现数据的安全访问。
4.2 专用模型与功能
推理模型： 提供专门的推理能力与最佳实践。
多模态： 涵盖文本、代码、图像（Vision）、语音及视频生成。
安全与合规： 提供红队测试、内容审核（Moderation）、HIPAA 配置及工作负载身份联邦（Workload identity federation）。
4.3 开发者动态
模型演进： 提及了 GPT-5.4 与 GPT-5.6 的最新应用方向，如利用 GPT-5.4 设计前端界面。
实时能力： 实时 API（Realtime API）支持语音搜索、实时转录及翻译。
5. 结论
OpenAI 提供的工具链正在从单一的对话框转向全方位的开发与办公环境。成功的提示词不再依赖于“咒语”，而是依赖于对目标、上下文、输出格式和安全边界的清晰定义。无论是通过 Codex 在 IDE 中进行自动重构，还是通过 ChatGPT Work 协调复杂的市场发布，其核心价值在于利用 AI 强大的计划、搜索和执行能力，将人类从繁琐的重复性任务中解放出来。
📺播客说明
本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来怪怪的。如想了解更多信息，请关注微信公众号"AI西经东译"获取AI最新资讯。如有后续想要听的其他外文播客，也欢迎联系微信：mayday2303。
