כתבו משימות, לא תסריטים: מה המדריך של OpenAI ל-GPT-6 אומר על פרומפטים לסוכנים
מדריך המודלים של OpenAI ל-GPT-6 טוען שהנחיות ספציפיות מדי עלולות עכשיו להזיק. קריאה פרקטית של המשימה בת ארבעת החלקים, גבולות ההחלטה ומה נחשב גמור, עם דוגמה של לפני ואחרי.
המדריך החדש של OpenAI למשפחת GPT-6 מעלה טענה שמשנה איך הייתי כותב הוראות לסוכן: מודלים מבינים ניואנסים מספיק טוב עכשיו כך ש"overly specific guidance can now hinder results where it previously helped."
המדריך, שפורסם ב-2 באוקטובר, מייחס את המשפט הזה ל-Eric Provencher מ-Developer Experience ב-OpenAI. אחר כך הוא מתאר מה לכתוב במקום תסריט: משימה ברורה.
זו הנחיה של ספק למודלים של OpenAI, לא מחקר ניטרלי. לא בדקתי את הטענות שלו, והמדריך לא מפרסם מספרי הערכה לעצה הזאת. אבל המבנה שימושי בכל מודל שתשתמשו בו, כי הוא נותן שם לארבעה דברים שהוראה לסוכן הכי הרבה פעמים משמיטה.
מה OpenAI מתכוונת במשימה ברורה?
הניסוח של המדריך הוא: "the result you want, who it's for, the relevant context and constraints, and what counts as done."
אלה ארבעה חלקים:
1. התוצאה. מה צריך להיות קיים כשהעבודה גמורה.
2. הקהל. מי יקרא או ישתמש בזה.
3. הקשר ואילוצים. מה המודל צריך לדעת ואילו גבולות חלים.
4. מה נחשב גמור. קו הסיום, כשהוא נאמר במפורש.
הניוזלטר שהפנה אותי למדריך, הגיליון של TAAFT מ-4 באוקטובר, מסכם את אותם ארבעה חלקים לפרומפטים יומיומיים. המדריך עצמו מיישם אותם על סוכני Codex ו-API.
הסיבה שהחלק הרביעי חשוב היא פשוטה. סוכן שלא יודע מה גמור אומרת יעצור מוקדם, או ימשיך. אף אחת מהן היא לא כשל של המודל. זו הוראה חסרה.
מה הוא אומר לעשות עם skills, AGENTS.md וגבולות?
המדריך מצביע על ארבעה תחומים לסקור, מסוכמים מהמאמר הנפרד של OpenAI על חשיבה מחדש על skills ופרומפטים ל-GPT-6 Astra:
- Skills. שמרו תיאורים קצרים ומפורשים לגבי מתי כל skill צריך לרוץ, טענו פרטים מסייעים רק כשצריך, והחליפו מתכונים נוקשים בהנחיה שמתאימה למודלים שהצוות שלכם משתמש בהם.
- AGENTS.md. הסבירו מתי מסמכים ובדיקות מסוימים רלוונטיים, והרשו במפורש זרימות עבודה שגרתיות בטוחות. הדוגמה של המדריך היא הרצת בדיקות מקומיות עם נתונים חד-פעמיים ובלי גישה לייצור.
- גבולות החלטה. ציינו אילו פעולות יכולות להתקדם עצמאית ואילו צריכות אישור. המדריך אומר להחליף כללי "תמיד תשאל" גורפים בגבולות ברורים.
- התמדה. הגדירו מה גמור כולל: ליישם את השינוי, להריץ אותו, לבחון את התוצאה, ולתקן כשלים. תנו שם לכל החלטה שדורשת את הסקירה שלכם.
הפריט השלישי הוא זה שהכי שימושי בעיניי. כלל גורף של "תמיד תשאל לפני פעולה" מרגיש בטוח, אבל הוא גורם לסוכן לעצור על שוליות ולא נותן לכם שום איתות על מה באמת חשוב. גבול נותן שם למעט הפעולות שצריכות אדם ומשחרר את השאר.
איך נראה לפני ואחרי?
זו דוגמה היפותטית שכתבתי כדי להמחיש את המבנה. היא לא לקוחה מהמדריך או מפרויקט אמיתי.
לפני:
Fix the failing test. Always ask before changing anything.
Do not touch other files. Run tests after each edit.
אחרי:
Result: the failing checkout test passes and the fix is merged-ready.
Audience: a reviewer who has not seen this bug.
Context and limits: use the local test database only. No production
access. Do not change the public API of the checkout module.
Decisions: you may rename internal helpers and add tests. Ask me before
changing a dependency or a database migration.
Done: the full test suite passes, you ran it, and your final message
lists what changed, what you checked, and anything left for me.
הגרסה השנייה ארוכה יותר, אבל היא לא יותר נוקשה. היא אומרת איך הצלחה נראית, מה בטוח, ומה צריך אדם. הגרסה הראשונה נותנת לסוכן כלל לכל עריכה ושום תיאור של המטרה.
שורת העצה האחרונה של המדריך על פלט מתאימה גם כאן. הוא מציע לבקש מסירה קצרה שמכסה מה השתנה, מה נבדק, ומה עוד צריך תשומת לב.
למה זה משנה מעבר למודלים של OpenAI?
כי מצבי הכשל שהוא מכוון אליהם הם כלליים.
סוכן בלי הגדרת גמור קשה להערכה. אי אפשר לדעת אם הוא סיים או ויתר. סוכן בלי גבולות החלטה או מפריע לכם כל הזמן או פועל איפה שהיה צריך לשאול. ופרומפט שמתסריט כל צעד יכול לנעול תוכנית שכבר לא מתאימה למשימה.
כיסיתי את צד האכיפה במאמר הרשאות ה-runtime. הוראות ואכיפה עושות עבודות שונות. גבול החלטה כתוב בפרומפט אומר לסוכן מה אתם מצפים. הרשאה ב-runtime מגבילה מה הוא יכול לעשות אם הוא מתעלם מכם. אתם רוצים את שניהם.
על מה צריך להיזהר?
- זו עצה של ספק למודלים שלו. המדריך לא מראה תוצאות מבחן לטענת "פחות ספציפי". התייחסו אליה כהשערה לנסות על המשימות שלכם.
- פחות ספציפי זה לא מעורפל. עצת המדריך עדיין מבקשת ארבעה חלקים קונקרטיים. היא מסירה תיסרוט צעד-אחר-צעד, לא בהירות.
- חלק מהפיצ'רים חדשים. המדריך אומר ש-delegation מרובה סוכנים ב-GPT-6.1 Sol בבטא, ושעדכוני steering באמצע תור מתורגמים לתור ולא מבטלים פעולות שהושלמו.
- מדדו. המדריך עצמו ממליץ להריץ משימות מייצגות ולעקוב אחרי הצלחת משימה, latency ועלות למשימה מוצלחת. עשו את זה לפני ואחרי שכתוב פרומפטים.
אם אתם רוצים ניסוי בסיכון נמוך, שכתבו הוראת סוכן חוזרת אחת בצורה בת ארבעת החלקים והשוו תוצאות על פני שבוע של משימות אמיתיות. שמרו את הגרסה הישנה להשוואה.
שאלות נפוצות
האם המדריך אומר שפרומפטים מפורטים תמיד גרועים יותר?
לא. הוא אומר שהנחיה ספציפית מדי עלולה עכשיו להזיק לתוצאות איפה שהיא קודם עזרה, ומייחס את המשפט למהנדס developer experience של OpenAI. הוא עדיין מבקש משימה ברורה עם הקשר ואילוצים.
מהם ארבעת החלקים של משימה?
התוצאה שאתם רוצים, למי היא מיועדת, ההקשר והאילוצים הרלוונטיים, ומה נחשב גמור.
מה כדאי לשים ב-AGENTS.md?
לפי המדריך, להסביר מתי מסמכים ובדיקות מסוימים רלוונטיים, ולהרשות במפורש זרימות עבודה שגרתיות בטוחות, כמו הרצת בדיקות מקומיות עם נתונים חד-פעמיים ובלי גישה לייצור.
האם "תמיד תשאל לפני פעולה" הוא כלל בטיחות טוב?
המדריך ממליץ להחליף כללים גורפים בגבולות החלטה שאומרים אילו פעולות יכולות להתקדם לבד ואילו צריכות אישור. למגבלות קשות, השתמשו בהרשאות runtime, לא בטקסט של פרומפט.
האם זה חל רק על GPT-6?
המדריך כתוב למודלי GPT-6. המבנה בן ארבעת החלקים כללי, אבל אם פרומפטים פחות ספציפיים עוזרים למודל אחר זה משהו שתצטרכו לבדוק.
מה "מה נחשב גמור" כולל?
הדוגמה של המדריך לעבודת קוד היא ליישם את השינוי, להריץ אותו, לבחון את התוצאה ולתקן כשלים, וגם לתת שם לכל החלטה שצריכה את הסקירה שלכם.
איך אדע אם הסגנון החדש עובד בשבילי?
השוו הצלחת משימה, latency ועלות למשימה מוצלחת על עבודה מייצגת לפני ואחרי. המדריך ממליץ למדוד את שלושתן בצ'ק-ליסט הייצור שלו.
קריאה נוספת
- ה-Decisions API של OpenAI זמין באופן כללי: תשובות מוקלדות, $0.10 למיליון טוקני קלט, ומה לבדוק
OpenAI אומרת שה-Decisions API זמין באופן כללי, בנוי על GPT-6 Luna, מהיר עד פי 10 מה-Responses API לשאלות חסומות, בלי חיובי טוקני פלט. מה פוסט ההשקה והתיעוד אומרים, ואיך לבדוק את זה לניתוב וסיווג.
- OpenAI Images 2.6 ב-API: Flare מול Sunburst, בקרת complexity, ופלט GIF
OpenAI שחררה GPT Image 2.6 עם שני מודלי API, Flare ו-Sunburst, ועוד פרמטר complexity חדש, עריכות מונחות-markup, ייצוא SVG ופלט GIF מונפש. מה התיעוד באמת אומר, מה עמוד התמחור מפרט, ומה עדיין טענת ספק.
- OpenAI Python SDK 3.42: סוכני הבטא מקבלים הגדרות Compaction, סקירה אוטומטית ו-Time Awareness, כפי שנקרא מהטיפוסים
OpenAI Python SDK v3.42.0 הוסיף הגדרות לסוכני בטא ולסשנים עבור compaction ברקע או חוסם, סקירת פעולות אוטומטית ו-time awareness ניסיוני. קראתי את ערות הגרסה, הודעות ה-commit והגדרות הטיפוסים המיוצרות כדי לפרט מה כל הגדרה אומרת.
יומן הבנייה
לעקוב אחרי העבודה.
מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.
עקבו ב-RSS