Codex 不限時了，我先刪掉了一堆 Skills ｜附 GPT-5.6 官方指南

這幾天，OpenAI 和 Anthropic 像是在比賽送額度。

Fable 5 一次又一次延期，Codex 直接取消 Plus、Business 和 Pro 用戶每 5 小時的使用限制。

如果你是 Codex 高強(qiáng)度用戶，這意味著不用再按照之前網(wǎng)上的教程，每五個小時給他發(fā)條消息，只為了不要等到要用的時候，5 小時額度卻用完了。

結(jié)果大家剛開始猛用，就發(fā)現(xiàn)了一個新問題：GPT-5.6 更聰明了，但也更會燒 Token。

前幾天我們在 Codex 內(nèi)實測 GPT-5.6 時，一個 3D 網(wǎng)頁的任務(wù)，就直接讓 Codex 干了快三個小時。

在社交媒體上一搜索，發(fā)現(xiàn)遇到類似問題的人不少，大家都在反饋使用 GPT-5.6 的 Codex 簡直就是 Token 刺客，需要消耗的時間變長不說，額度的消耗同樣離譜。

盡管 Codex 官方表示是用戶過于低估了 GPT-5.6 Sol Ultra High 推理檔位消耗的 Token，以及各種需要修復(fù)的小 Bug。

但還是有網(wǎng)友發(fā)現(xiàn)，隨著模型變得越聰明，一些之前的 Skills 對 GPT-5.6 來說，也是 Token 消耗的重要部分，甚至變成了一種負(fù)擔(dān)。

大多數(shù)的帖子都在說 Superpowers 以及 grill 和 AGENTS.md 等 Skills 和文檔現(xiàn)在都可以直接刪掉了。由于現(xiàn)在的模型本身已經(jīng)具有 Agentic 的能力，外部的 Skills 反復(fù)調(diào)用反而污染了上下文，讓思考時間變成，Token 消耗變高。

Superpower 曾經(jīng)是 Agent 工具必裝的 SKill 之一，它的作用是讓 Codex 等 Agent 在開始每一個任務(wù)之前，先調(diào)用頭腦風(fēng)暴找到確定的方案，然后通過系統(tǒng)性的 Debug 和驗證來要求模型強(qiáng)制走完這一套固定流程。

但現(xiàn)在的模型，無論是 Fable 5 還是 GPT-5.6 Sol，已經(jīng)逐漸把 Skills 的功能稀釋掉了，更強(qiáng)的模型應(yīng)該有更強(qiáng)的工具，Skills 也更像是一種過去式。

有網(wǎng)友銳評，「這玩意兒跟那種一裝就后臺常駐還關(guān)不掉的流氓軟件似的，吃 token 比吃大米還快。」

所以，新的模型必須搭配上新的用法，不然 Token 都白榨干了。

OpenAI 的開發(fā)者體驗工程師 Eric 在 X 更新了 GPT-5.6 的官方提示詞，詳細(xì)指南里面提到使用 GPT-5.6，我們最應(yīng)該考慮的是設(shè)定邊界，一個模型應(yīng)該在其運行的沙箱范圍內(nèi)運行。

以及我們應(yīng)該解釋模型需要如何驗證其工作是否成功，并且清楚地說明完成的狀態(tài)是什么樣的。如果提示詞里面有太多的歧義，會導(dǎo)致更長的運行時間和 Token 使用時間。

怎么榨干 GPT-5.6

沒有萬能公式，沒有必須照抄的角色設(shè)定，也沒有一長串分點、分步驟思考。OpenAI 給出的第一條建議就是用自己的話開始。

一句短提示，很多時候已經(jīng)夠用。任務(wù)更大更重要，再補(bǔ)上四類信息：你要什么結(jié)果，有哪些背景，成品長什么樣，哪些邊界不能碰。

說白了，所謂的提示詞高手，越來越像一個會交代工作的同事。AI 心里可能就在想，少教我怎么做事，你只管說清楚你要什么。

這份指南真正有意思的地方也在這里。它表面教人怎么向 ChatGPT 提問，背后講的卻是一套新的工作分工：當(dāng) AI 從聊天框走向 Work 和 Codex，提示詞也從一句問題，變成了任務(wù)簡報、交付標(biāo)準(zhǔn)和驗收規(guī)則。

提示詞最該寫的，往往是結(jié)果

很多人寫提示詞時，會下意識替 AI 安排完整過程。

先分析材料，再建立框架，然后逐項比較，末尾給出結(jié)論。為了顯得嚴(yán)謹(jǐn)，還要規(guī)定它扮演什么角色、分幾步思考、每一步寫多少字。

OpenAI 的建議恰好相反：先描述結(jié)果，過程只有在確實影響成品時才需要指定。

指南里有一個很簡單的例子：把會議記錄整理成發(fā)給項目團(tuán)隊的簡短更新，把決定和下一步放在前面。

短短兩句，已經(jīng)交代了交付物、讀者和信息順序。至于 AI 要先提取決定，還是先識別行動項，用戶通常無需操心。把這些步驟全部寫死，反倒可能限制它搜索、比較和調(diào)整方法的空間。

這種變化和模型能力有關(guān)。

早期模型容易跑偏，人們才會發(fā)明復(fù)雜模板，用密密麻麻的步驟把它框住。如今的模型可以讀取文件、搜索資料、調(diào)用工具、寫代碼，甚至連續(xù)工作一段時間。

人繼續(xù)逐步遙控，多少有點像請來一位同事，卻堅持替他規(guī)定每次點擊鼠標(biāo)的順序。

背景越多，結(jié)果未必越好

提示詞教程常讓人「盡可能提供上下文」，結(jié)果是一股腦丟進(jìn)幾十份文件，再附上一段比材料還長的說明。

▲ 某些 Skills 現(xiàn)在都快成了「沒用的上下文」

OpenAI 給出的標(biāo)準(zhǔn)更克制：只提供會改變結(jié)果的信息。

一份項目周報需要最新計劃，也需要 Slack 里已經(jīng)達(dá)成的決定；但三個月前的頭腦風(fēng)暴記錄，大概只會制造噪音。讓 AI 根據(jù)截圖判斷界面問題，也要指出需要看的區(qū)域，別期待它自動猜中你在意哪個按鈕。

這個原則看起來簡單，實際很考驗人。我們自己得知道哪些資料具有決定性，哪些只屬于背景知識；哪份文檔代表當(dāng)前版本，哪份已經(jīng)過期；多個來源發(fā)生沖突時，AI 應(yīng)該聽誰的。

因此，連接 Google Drive、Gmail、Slack 或 GitHub 之后，最有用的提示也很少是「搜索所有內(nèi)容」。更好的說法是：去哪里找，找什么，拿這些信息做什么。

比如，指南里提到常用的說法是「使用 Drive 里的最新項目計劃，以及 Slack 頻道里與當(dāng)前進(jìn)度有關(guān)的決定和更新，準(zhǔn)備一份狀態(tài)簡報」。

資料入口、時間有效性和交付用途都清楚了。AI 才能從「看過很多」走到「找對了東西」。

真正值錢的提示詞，常寫在邊界里

目標(biāo)決定 AI 往哪里走，邊界決定它闖多大的禍。

官方指南里給出的邊界都很明確：保留已經(jīng)批準(zhǔn)的日期和預(yù)算數(shù)字；只使用給定來源，缺信息就標(biāo)出來；先起草郵件，別直接發(fā)送；建議控制在預(yù)算內(nèi)。

這些句子缺少花哨技巧，大多數(shù)時候卻一定比「你是一位擁有 20 年經(jīng)驗的專家」實用得多。

AI 進(jìn)入真實工作后，最麻煩的情況往往并非文筆差一點，而是改錯數(shù)據(jù)、猜測缺失信息、越過審批流程，或者把本該審閱的草稿直接發(fā)給別人。

OpenAI 也提醒用戶，邊界只要抓住一兩個真正會制造額外工作的風(fēng)險。但如果每個細(xì)節(jié)都規(guī)定，任務(wù)會重新退化成人工遙控；完全不設(shè)邊界，又像把公司賬號交給一個剛?cè)肼?、行動力很?qiáng)的實習(xí)生。

這也是 OpenAI 要把 Chat 與 Work，還有 Codex 的分界逐漸變清楚的原因。

好提示在收尾一行，應(yīng)該寫驗收

一份任務(wù)簡報寫得再漂亮，成品沒人檢查，仍可能在交付前翻車。

OpenAI 在多個示例里加入了最終檢查。項目更新要確認(rèn)每項行動都有負(fù)責(zé)人和截止日期；季度報告生成簡報與演示文稿后，要核對兩份文件的數(shù)據(jù)一致；Codex 修完 Bug，要重新執(zhí)行復(fù)現(xiàn)步驟，再跑最小范圍的相關(guān)測試。

這些要求有一個共同點：它們都能被驗證。「寫得專業(yè)一點」很難驗收，「控制在一頁內(nèi)，先寫三個待決事項，每個數(shù)字標(biāo)明來源」就能檢查。

過去談提示詞，人們關(guān)注輸入寫得夠不夠聰明。AI 開始交付文件、修改代碼和操作工具之后，輸出能否被審查，變得更重要。我們甚至可以把提示詞理解成一份小合同：前半段定義要交什么，后半段定義怎樣算完成。

Codex 的官方示例尤其能看出這種變化。

修復(fù)一個設(shè)置頁 Bug，用戶要提供復(fù)現(xiàn)步驟、可能相關(guān)的文件和不能改變的約束，然后要求 Codex 先在本地復(fù)現(xiàn)，提出補(bǔ)丁，修復(fù)后再次復(fù)現(xiàn)，并運行驗證和最小測試集等工作。

模型能力越強(qiáng)，這種驗收意識越重要。能持續(xù)工作的 AI，當(dāng)然能做更多事，但也會沿著錯誤方向走得更遠(yuǎn)。

第一條提示，完全可以寫得沒那么好

官方指南還殺死了另一個焦慮：第一條提示無需一次到位。

先看結(jié)果，再告訴它具體改哪里。因為大多數(shù)的任務(wù)，都可以通過后續(xù)消息完成，無需清空對話重來。

這和人類合作的方式更接近。我們很少能在第一次交代任務(wù)時預(yù)見所有細(xì)節(jié)，往往要看到草稿，才知道真正介意的是結(jié)構(gòu)、語氣還是證據(jù)。

OpenAI 也把這種「邊做邊改」寫進(jìn)了 Codex 的交互方式。

Codex 工作期間，用戶可以用引導(dǎo)功能把新信息送進(jìn)當(dāng)前任務(wù)，直接改變方向；也可以用排隊把消息排到下一輪，等當(dāng)前工作結(jié)束再處理。

語音輸入也被放進(jìn)這份提示詞指南，在 ChatGPT 桌面端按住 Ctrl+M，直接把想法說出來，檢查轉(zhuǎn)寫后發(fā)送。

OpenAI 大概是想說我們的自然語言已經(jīng)夠用，真正影響結(jié)果的，還是我們有沒有想清楚想要什么，以及看到偏差后能不能準(zhǔn)確指出來。

Chat、Work 和 Codex，分的是任務(wù)重量

這份指南把三種使用場景放在一起，該怎么選擇，這里有一個很實用的判斷方法。

Chat 適合快速問題、短改寫、頭腦風(fēng)暴和輕量草稿。它像一次即時協(xié)助，幾輪對話就能收尾。

Work 面向需要多種資料或工具、包含一串步驟、會產(chǎn)生修改，或者需要交付較大成果的任務(wù)。它可以研究產(chǎn)品、整理報告、制作演示文稿，也可以協(xié)調(diào)一次發(fā)布，把時間線、負(fù)責(zé)人、依賴、風(fēng)險、公告和 FAQ 放進(jìn)同一套交付物。

Codex 則處理代碼、代碼庫和開發(fā)工具。解釋請求怎樣穿過多個模塊，復(fù)現(xiàn)并修復(fù) Bug，為函數(shù)補(bǔ)測試，根據(jù)截圖制作原型，或把重構(gòu)任務(wù)交給云端繼續(xù)執(zhí)行。

選擇哪一個，關(guān)鍵在任務(wù)有多重。

一個問題，用 Chat。一個需要資料、過程和文件的工作，用 Work。一個要進(jìn)入代碼庫、調(diào)用開發(fā)工具并跑驗證的工作，用 Codex。

把簡單問題塞進(jìn) Work，只會浪費時間和額度；讓 Chat 扛一項跨來源、帶審批和文件交付的復(fù)雜任務(wù)，也容易在中途散架。

工具選對之后，提示詞反倒可以更短。因為產(chǎn)品已經(jīng)替用戶提供了一部分環(huán)境、上下文和執(zhí)行能力。

AI 越會干活，人越要會定義「干完」

無論是 Skills 還是提示詞，過去很長一段時間都像一種互聯(lián)網(wǎng)秘術(shù)。

有人收集萬能開場白，有人研究標(biāo)點與措辭，還有人把幾百字模板裝進(jìn)收藏夾，期待復(fù)制之后立刻得到高質(zhì)量答案。

OpenAI 的官方指南，其實是把使用 AI 的常識再強(qiáng)調(diào)了一遍：說清結(jié)果，給對材料，標(biāo)出風(fēng)險，約定驗收；第一版有偏差，就繼續(xù)改。

模型的升級會不斷淘汰具體技巧，某個關(guān)鍵詞、Skills 今天有效，下個版本可能已經(jīng)多余。

以后真正稀缺的能力，大概也不會是把提示寫得多復(fù)雜，而是知道什么值得交給 AI，什么結(jié)果可以直接使用，什么動作必須由人拍板。

當(dāng) AI 能力進(jìn)化到已經(jīng)學(xué)會聽懂人話，現(xiàn)在輪到我們把工作講明白了。