精简提示：OpenAI 的新指南教你编写更短、更智能的 AI 提示

精简提示正在成为提示工程中最实用的理念之一。多年来，许多团队认为，更好的 AI 提示意味着更长的 AI 提示：更多规则、更多示例、更多警告、更多格式说明，以及更多“要准确”的提醒。OpenAI 的模型指南指出了一个更简洁的方向：采用更精简的提示。

精简提示并不意味着编写极短的提示。它意味着编写清晰、聚焦且更易于模型遵循的提示。一个强有力的提示会向模型提供所需的任务、上下文、工具、约束条件和成功标准，而不会让重复指令或无关细节淹没工作重点。

对于 AI 构建者、营销人员、产品团队、分析师和企业用户而言，这一点很重要，因为提示质量会影响输出质量、延迟、令牌用量、成本和可靠性。这对于 AI 生产力工具也很重要，包括像 Pi 这样的提示生成演示文稿产品，因为输入质量会影响最终演示文稿的清晰度。

什么是精简提示？

精简提示是指在保留能够提升性能的指导内容的同时，移除不必要内容，使 AI 提示更短、更清晰、更相关的做法。目标不是创建尽可能短的提示，而是减少噪声。

精简提示通常会说明任务、定义受众、明确所需输出、提供重要约束，并且只展示完成工作所需的工具。它避免以多种不同方式重复同一条规则。

例如，一条冗长的指令可能会说：“要专业、简洁、清晰、有帮助、准确、周到、适合商务、精致、直接且富有洞见。”这听起来很有用，但难以评估。更精简的版本可以是：“面向高级 B2B 高管撰写。使用直接的语言，尽可能量化主张，并避免随意措辞。”

第二个版本更短，但更重要的是，它更具体且可测试。

为什么 OpenAI 推荐更精简的提示

根据 OpenAI 的模型指南，提示应避免不必要的重复和过于复杂的工具描述。OpenAI 还描述了内部发现：更精简的系统提示提高了编程智能体的评估分数，同时降低了令牌用量和成本。

这并不意味着每个更短的提示都会表现得更好。提示性能取决于模型、任务、工具、领域、评估集和部署环境。实际的经验不是“让每个提示都变短”，而是“移除无助于任务的内容，然后测试结果”。

这就是为什么应将精简提示视为一个优化过程。先从一个有效的提示开始，一次移除一组指令，然后重新运行真实的示例。如果在提示变得更简单的同时，质量保持不变或有所提升，那么这项修改很可能是有用的。如果质量下降，被移除的指令可能确实发挥了作用。

对于生产环境中的 AI 工作流，团队还可以将精简提示与结构化评估方法结合使用。OpenAI 的 Evals 指南适合希望根据代表性任务测试提示变更，而非仅依赖人工抽查的团队。

更短的提示并不总是更好

关于精简提示最大的误解是：更短就自动意味着更强。事实并非如此。

有些工作流需要细节。法律审查提示可能需要严格边界。财务分析提示可能需要来源规则和风险表述。医疗健康提示可能需要安全指令。如果期望的语气非常具体，品牌文案提示可能需要示例。

关键问题是提示的每个部分是否都能帮助模型完成任务。

当一个提示包含重复规则、未使用的工具、模糊的风格词、不会影响回答的冗长背景内容，或不再符合产品现状的旧示例时，它很可能过于冗长。若提示未能定义目标、受众、格式、所需证据、约束或评估标准，则它过于单薄。

精简提示追求的是有用的简洁，而不是极简主义。

真正有帮助的精简提示规则

第一条规则是每项指令只陈述一次。如果模型不应虚构来源，请在一个位置清楚地说明。在多个部分重复“不要幻觉”并不一定会让回答更安全，反而可能只会让提示更难维护。

第二条规则是合并重复的约束。许多团队提示变得混乱，是因为每个不佳输出都会带来一条新的警告。一个人添加“要简洁”，另一个人添加“避免不必要的细节”，还有人添加“保持回答简短”。这些指令可能都指向同一种行为。精简提示会将它们合并为一条清晰规则。

第三条规则是只展示相关工具。如果任务是总结已上传的报告，模型可能不需要日历、电子邮件、数据库、制图、图像生成或网络搜索工具。工具过多会增加决策复杂性，并可能造成可避免的错误。

第四条规则是保持工具描述简洁。OpenAI 的 函数调用文档是为基于工具的 AI 工作流设计工具的团队很有帮助的参考资料。好的工具描述会说明何时使用该工具、它需要什么输入，以及它返回什么输出。它不应读起来像一整本产品手册。

第五条规则是测试提示变更。提示并不会仅仅因为看起来更整洁就变得更好。只有当它在代表性任务上表现更好时，它才是真的更好。

前后对比：精简提示示例

以下是一个面向商业研究助手的简单示例。

之前：

“你是一位有帮助、专业、准确、简洁、职业、周到、专注商业的 AI 助手。始终保持准确，绝不编造内容。既要简洁，也要详细。使用专业语气。你可以使用搜索、计算器、日历、CRM、代码解释器、电子邮件、图像生成、文件搜索和数据库工具。不要幻觉。如果不确定，就说明你不确定。确保回答有用。为商业受众提供精致的回答。要清晰，并避免不必要的细节。”

之后：

“你是服务于 B2B 战略团队的商业研究助手。将提供的研究总结为关键发现、风险、待解问题和建议的后续步骤。仅使用提供的文件搜索工具。如果缺少证据，请将其标记为待解问题，而不是编造答案。面向高级管理者受众，使用简洁的商业语言撰写。”

精简版本不只是更短，也更有用。它定义了角色、受众、输出结构、工具边界、证据规则和写作风格，同时移除了无关工具和重复的准确性指令。

这正是精简提示的核心：更少的文字，更强的决策。

精简提示如何改善基于工具的工作流

工具描述是提示的一部分。如果它们不清晰、范围过宽或过长，模型可能会选择错误工具，或在错误的时间使用正确工具。

较弱的工具描述可能会说：“使用此工具获取信息。”这几乎没有给模型提供决策指引。更好的版本可以是：“当回答需要来自用户文件的证据时，使用 file_search 从已上传文档中检索事实。”

这对于 AI 智能体、编程助手、研究系统、演示工具和工作流自动化尤其重要。在这些工作流中，工具选择会影响可靠性。如果每个工具都可用于每项任务，模型就有更多机会发起不必要的调用。

精简提示让工具使用更具目的性。它为模型提供更少的无关选项，以及更清晰的行动理由。

精简提示如何应用于演示文稿工作

精简提示对商业演示文稿尤其有用。当团队要求 AI 创建演示文稿时，他们往往粘贴一大堆备注，并加入“让它更专业”或“让它更高端”之类的模糊指令。结果可能看起来很精致，却依然缺乏清晰的论点。

更精简的演示文稿提示应定义受众、目标、要支持的决策、关键信息、证据、约束和首选格式。例如：“为企业 CFO 创建一份 10 页销售演示文稿。目标是展示该产品如何减少报告时间。使用以主张为导向的幻灯片标题、简洁的支持性文案，并以包含三个建议后续步骤的最终幻灯片收尾。”

这正是 Pi（Presentation Intelligence 的简称）能够自然融入工作流的地方。Pi 围绕 AI 驱动的演示文稿创建而构建，但同样适用精简提示原则：商业输入越清晰，演示文稿结构就越强。

与其要求 Pi“制作一份漂亮的演示文稿”，不如提供更明确的任务简报：目标受众、演示目标、源材料、幻灯片数量、叙事角度、语气和期望的核心收获。这能帮助演示文稿超越装饰，转向商业沟通。

例如，一条精简的 AI 演示文稿生成器提示可以这样说：“将这份产品研究转化为一份 8 页的投资者更新演示。受众：现有投资者。目标：说明采用进展和下一季度优先事项。使用高管风格标题、简洁的支持要点，并以包含我们需要董事会作出的三项决策的最终幻灯片收尾。”

换言之，提示质量与演示文稿质量息息相关。更好的指令会带来更清晰的演示文稿、更强的叙事线，以及更实用的AI 生成幻灯片。

精简提示的常见错误

一个常见错误是不断叠加指令，而不是编辑它们。团队常常将提示当作补丁说明。每次失败都会增加一句话。久而久之，提示就会挤满警告、例外情况和相互重叠的规则。

另一个错误是移除有用的上下文。精简提示应该移除冗余，而不是移除专业知识。如果一个示例体现了真实的品牌要求或解决了经过衡量的失败问题，就应保留它。

第三个错误是使用模糊的风格语言。“高端”“专业”或“美观”等词可能有所帮助，但还不够。应定义这些词的含义：强有力的视觉层级、简洁的标题、清爽的布局、一致的语气，或有证据支持的主张。

最后一个错误是跳过评估。如果一个提示支持重要工作流，请在真实示例上测试它。比较任务成功率、完整性、语气、令牌用量、延迟和成本。

结论

精简提示是从“更多指令”转向“更好的指令”。OpenAI 的指南很有价值，因为它将提示编写变成了一个严谨的过程：移除重复内容、简化工具描述、只展示相关工具，并通过代表性任务验证变更。

更短的提示可以降低成本，并使系统更易于维护。在某些工作流中，它们还可以提升性能。但目标并不是不惜一切代价让提示变短，而是保留能够改善行为的部分，移除只会制造噪声的部分。

对于 AI 智能体、商业研究、内容创建，以及像 Pi 这样的AI 演示工具，精简提示应成为一种标准的优化习惯。像编辑系统一样编辑提示，像测试产品一样测试它们。保留有效的内容，删去无效的内容。