我看了OpenAI 官方建议，总结出这份GPT-5.6高效使用指南

一、全文速览图

GPT-5.6 更新以后，群友聊的比较多的是，额度用的快好多，聊几轮就没了。

我自己也碰到了这个问题。刚更新那两天，明显感觉消耗比以前快了不少。后来研究了一下才搞明白，GPT-5.6 的三个模型 Sol、Terra、Luna，它们消耗的额度差了五倍。Sol 每百万输出 token 消耗 750，Terra 是 375，Luna 只要 150。但很多人在 ChatGPT 里选模型的时候默认就是 Sol，有些群友像我一样还直接拉满，消耗快到飞起。

OpenAI 在 Codex 定价页给出的 Plus 参考范围是，Sol 每 5 小时大约可以处理 15 到 90 条本地消息，Terra 约 20 到 110 条，Luna 约 50 到 280 条。任务越复杂、上下文越长、调用的工具越多，一条消息占用的额度就可能越高，而且还可能存在额外的每周限制。

还有一个很多人不知道的坑。ChatGPT Work 和 Codex 使用的是同一个额度。你在 Work 里跑了一个很重的任务，再回去写代码，发现 Codex 的剩余额度也跟着少了一大截，可能就是刚才那个 Work 任务已经从同一个池子里扣掉了额度。

怎么用才更好？我自己摸索加上查了官方文档，总结成四条马上就能用的建议。

第一，把 Terra 设成默认模型。OpenAI 自己的定位就是 Terra 性能接近 GPT-5.5 但成本砍半，绝大多数日常工作完全够了，只有真正需要深度推理的复杂任务才切 Sol。我日常用的不算太多，所以就直接上 sol 了，反正自己算着来，土豪随意。

第二，推理强度从 medium 开始，别上来就拉最高。官方建议就是用 medium 当默认起点。日常问答用 low，写文档做总结用 medium，竞品分析和深度报告才用 high，检查复杂方案才考虑用更高的。

第三，Ultra 模式慎用。Ultra 会同时起多个子 Agent 并行工作，token 消耗成倍增加。有人测过，同一个任务普通 Sol 花大概 0.5 美元，Ultra 模式下直接干到 1.5 到 2.5 美元。

第四，提示词中少用“保持简洁”之类的描述。GPT-5.6 默认输出就比较精炼了，官方文档提醒过，老版本中经常会需要加上保持简洁回复，现在最好别加了，既省 token 又不影响质量。

但在研究省额度这件事的过程中，我发现问题远不止额度消耗这一个。很多人用 GPT-5.6 的方式跟用 GPT-5.5 的时候还是一样的，该升级的用法都没升级。

我在 X 上刷到了 pvncher 大佬的帖子，这位大佬加入了 OpenAI，经常在 X 上分享 codex 实战经验，挺火的。他在 X 上就说得特别直接，大概意思是很多人用 5.6 Sol 的方式跟用 5.5 的时候一模一样，但 5.6 Sol 比之前的模型更强，你得换一种方式用它。他在帖子里放上了 OpenAI 官方新发的提示词指南。

https://x.com/pvncher/status/2075663535544135935

然后我也去看了这个 OpenAI 官方提示词指南：https://learn.chatgpt.com/docs/prompting

看完以后我就发现，确实模型换代以后，跟它说话的方式也要更新，才会更好用。

总结下来，除了选对模型和推理强度，GPT-5.6 更新后还有五件事应该马上改。

二、别再给 AI 定角色了，直接说你要什么结果

这是很多人可能还在犯的一个错误，包括我自己。我有时候想要重要结果的时候，总觉得加上角色设定得到的结果会更好，后面才知道，然并卵。比如"你是一位拥有十年经验的 XX 专家"，这种角色定义在 GPT-3.5 和 GPT-4 时代确实有点用，但到了现在的模型，它基本已经失效了。

可不是我瞎说，有论文为证。沃顿商学院 2025 年底发了一篇研究，标题就很直接，专家角色设定不会提高准确性。他们测了多个主流模型，结论是给模型贴一个专家标签并不会带来一致的质量提升，模型的知识不会因为你叫它专家就变多。

https://gail.wharton.upenn.edu/research-and-insights/playing-pretend-expert-personas

那该怎么写？OpenAI 官方指南给了一个很简单的框架，只需要四样东西：目标、上下文、输出和边界。也不需要每次都填满，只放会改变结果的信息就可以了。

给大家看一个具体的对比。比如让 AI 帮你做一份竞品 App 的体验分析，以前可能这样写

你是一位拥有十年经验的高级产品设计专家,擅长用户体验研究和竞品分析。现在我需要你对以下三款竞品 App 进行全面的体验分析。

请按照以下步骤进行:
第一步,分别下载并体验每一款 App,从新用户注册流程开始,逐步体验核心功能
第二步,从信息架构、导航设计、交互流程、视觉风格、动效体验五个维度分别打分（1-10 分）
第三步,针对每个维度列出优点和缺点
第四步,找出三款产品的差异化特征
第五步,综合以上分析,给出我们产品可以借鉴的建议

输出要求:分析必须全面、客观、专业。每个维度的分析不少于 200 字。请保持批判性思维,不要只说优点。最终输出为一份可以直接用于团队分享的完整报告。请在回答前进行逐步思考,确保逻辑清晰。

现在可以直接这样写

帮我比较 A、B、C 三款 App 的核心体验差异,重点看首次使用流程和高频功能的交互效率。
这份材料要在周三的设计评审会上用,给设计团队看。
每款 App 给结论加三个以内的关键发现,附截图说明。
最后一页放我们可以直接借鉴的改进建议。

前面 262 个字，后面 97 个字，但后面该有的全有了，效果其实更好。

那意思是现在更短的提示词效果反而更好了？确实是的。因为 GPT-5.6 的官方文档里说了，这个模型可以更好地从上下文推断用户的底层目标，你通常不需要规定每一步。

https://developers.openai.com/api/docs/guides/latest-model

官方指南还有一句话我觉得特别值得记住，从你要的结果开始写，而不是列一个详细的步骤清单。

还有一个很容易被忽略的细节，“给设计团队在评审会上看”这几个字。官方指南专门提到，告诉模型你打算怎么用这个结果，能帮它选择合适的详细程度和表达方式。同样一份竞品分析，给老板看和给团队用，写法完全不一样，加上这个信息模型输出会准确很多。

三、区分 Chat 和 Work，要用对模式

这个是这次更新一个很大的变化，OpenAI 这次把 Chat 模式整合到了 codex。以前我们用 codex 基本都是用来写代码干活的，聊天才会用 chatGPT。现在合在一起了，估计大部分人可能还没注意到它们的区别。

简单说,现在 Chat 适合问题、想法、短改写和轻量草稿。Work 适合那些需要多个来源、要调用工具、包含一串步骤或需要交付较大成果的任务。

区分的关键是你要的是一个回答，还是一个成品。

比如你让它解释怎么做一份行业报告，用 Chat。你让它读取资料、联网核查、整理数据、生成可编辑文档、检查引用，交给你一份可以直接修改的东西，就用 Work。

官方文档里给了一个 Work 场景的提示词，我觉得值得仔细看

准备一份给周一领导会用的项目状态更新,一页纸。
用 Drive 里最新的项目计划,再结合 Slack 项目频道里相关的决策和进展。

开头放领导需要做的决策和下一步行动。
总结进展、风险、负责人和时间节点。
已批准的日期和预算数字不要改。
信息冲突或缺失的地方标出来,不要发送或发布任何东西。

完成前检查,每个下一步都要有负责人和截止日期。

注意几个点。它说了用哪里的资料（Drive 和 Slack）但没有规定先搜哪个后搜哪个。它给了明确的边界（不要改已批准的数字、不要发送）。它还加了一个完成前的自检条件。

这就是 Work 模式最有价值的地方，你交代清楚要什么成品，模型自己规划路径、调用工具、检查结果。你要做的只是最后审一眼。

然后，如果你有一些材料需要模型参考，官方指南特别说了下，把文件直接给它并且说明模型应该从每份材料里取什么。比如

附件一是现有版本截图，用来对照改了哪些。
附件二是设计规范文档，用来检查新方案是否合规。
不要用附件以外的数据。

这样操作会比

请参考相关资料进行分析

好一百倍。

四、明确能验收的标准

X 上有一条帖子总结的挺好，核心建议是让 AI 先给结论。

https://x.com/chrisvibe_ai/status/2075841942207013108

这个方向和官方的 GPT-5.6 提示指南说的差不多。而且官方这次给了数字，在一组内部评测里更精简的系统提示让分数提高了 10%到 15%，成本减少了 33%到 67%。

我们要学的就是这个思路，把抽象要求换成能验收的具体条件。我给几个最常用的替换，你可以直接复制去用。

你想让它简洁一些

结论放在第一段，背景不超过两段，全文控制在 300 字以内

你想让它有洞察一点

每个判断至少对应一个事实或数据支撑，无法验证的观点标注为推测

你想让它检查更准确一些

完成前核对
所有数字是否有来源
每个待办是否有负责人和日期
正文和附件是否一致

这些句子做的事情其实就是告诉模型怎么判断活干完了没有。官方指南里也说了，对于重要的工作，让模型在完成前做一次最终检查，然后你自己在使用之前再过一遍。

五、设好权限边界

用过 ChatGPT Work 模式的人可能会有一个体感，模型动不动就停下来问需要我继续吗？原因是你没有告诉它什么事可以自己做、什么事必须先问你。

官方的 GPT-5.6 提示指南里给了一个授权边界模板，直接放到你的系统提示词里就行

如果是回答、解释、审查、诊断或做计划类的请求，直接查看相关材料并汇报结果，不要动手改东西，除非我明确要求。
如果是修改、搭建或修复类的请求，在范围内直接改，跑相关的非破坏性检查，不用每步都问我。
涉及对外发送、删除操作、付费操作或明显超出原始范围的事情，先跟我确认。

这段指令可以点开设置(也可以按快捷键 command+,)

然后加到 Personalization（个性化）→ Custom Instructions（自定义指令）里面

但我不建议把官方这整段放成全局规则。它会让所有聊天都变得偏保守，比如你随口说帮我改一下这段文案，它也可能理解成不能直接动手。嫌麻烦的话，可以用我优化过的这个指令。

执行边界

回答、解释、审查、诊断或计划类请求
- 查看相关材料并汇报结果。
- 除非用户明确要求，否则不要修改任何内容。

修改、搭建或修复类请求
- 直接完成范围内的修改。
- 运行相关的非破坏性检查，无需逐步确认。

以下操作必须先确认
- 对外发送或发布
- 删除或覆盖重要数据
- 付费或产生外部成本
- 明显超出原始任务范围的操作

我自己加上这段以后，模型确实不再反复停下来了，干活的时候会顺畅了很多。

六、边看边调

以前大家写提示词做事的时候，经常会担心第一句话没写对后面就全毁了。官方指南现在说得很直接，你的第一条提示词不需要完美，先看结果，然后用后续消息要求具体修改，不需要从头开始。

这更像真实协作。我们跟同事做事，也不会指望自己在开口的第一分钟就把所有问题全部讲完。先对齐目标，看到东西，再调整。

我把几个最常用的调整提示词整理出来了。

开头太绕就说

把结论移到第一段

内容太散就说

只保留三个最影响决策的问题

改动太多就说

只改结构和表达,不要改事实判断和我的个人观点

输出太长就说

砍掉一半篇幅,优先删背景介绍

GPT-5.6 还支持一个新功能叫 Steering，就是模型在工作的过程中你可以随时插一句话进去调整方向，不需要等它做完再改。这个功能在 Work 模式里特别好用，相当于你可以一边看它做一边纠偏。

以上就是这次 GPT5.6 中比较关键的几个用法升级。

以前我们习惯把精力花在管理模型的思考过程上，告诉它你是谁、要分几步想、每一步怎么想。现在应该把精力花在说清楚结果上，你要什么、给谁用、什么不能错、什么时候找你确认。

这也是为什么前阵子养虾会那么火。大家终于能直观地看见 AI 从陪聊变成了干活，帮你整理文件、更新项目、查资料、写代码，甚至在你不盯着的时候继续工作，还能顺手帮你整理下手机相册。

GPT-5.6 这次的更新方向也在证明这个事，AI 能接住越来越完整的工作，你需要做的越来越少的过程管理，越来越多的结果定义和质量审核。

所以未来最稀缺的能力，是能用最简洁的方式把一件工作讲明白，并且有自己的判断和品味。就像现在大厂都在推行简化汇报，简化晋升材料一样，用几页内容就把自己的产出说清楚，这其实比过去用上百页的 PPT 要更难。

目标是什么？依据是什么？边界在哪里？谁来验收？这四个问题，不管 AI 怎么发展都是需要搞清楚的。

只是突然有点感慨，短短几年，聊天框还在那里。

但聊天，正在变成工作的入口。

欢迎关注作者的微信公众号：「彩云译设计」