OpenAI 发布 GPT-4.1 提示词指南：三条指令让智能体解题率提升近 20%

很多开发者搭建 AI 智能体时，最头疼的就是模型爱自作聪明或者半途而废：刚改了一行代码，就急匆匆停下来把问题抛回给人类。

OpenAI 针对 GPT-4.1 系列模型发布了官方提示词指南。官方明确指出，GPT-4.1 相比 GPT-4o 最大的改变在于更认死理：它会非常严格、按字面意思去执行指令，不再像过去那样自由揣测意图。可控性大幅提高的同时，也意味着以往那种模糊的提示词会直接失灵。

把聊天助手逼成主动打工人

要在代码和智能体场景里榨出 GPT-4.1 的潜力，OpenAI 给出的核心建议是在系统提示词里常驻三条提醒。

第一条是坚持到底。明确告诉它正处于多轮交互中，在彻底解决问题之前绝不能提前交出控制权。

第二条是强制调用工具。只要对文件内容或代码库结构不确定，就必须调用工具去读代码，坚决不允许凭空猜测或编造答案。

第三条是显式规划与反思。要求模型在每次调用工具的前后，都必须在文本里写出具体的步骤与反思，而不是闷头连环盲调工具。

OpenAI 测试显示，仅仅加上这三条简单的提示，GPT-4.1 在软件工程基准测试 SWE-bench Verified 上的得分就直接拉高了近 20%。官方形容，这三句话能彻底把模型从被动的聊天机器人状态，转变成极具主动性的干活机器。

别手动塞 Schema，让非推理模型出声思考

除了这三条铁律，OpenAI 还给出了两项非常明确的工程细节指导。

首先是不要手动拼接工具格式。有些开发者习惯把函数定义手写进系统提示词，再自己写正则解析输出。OpenAI 强调必须使用官方 API 的 tools 参数传递结构。实验表明，单是用好原生 API 传参，测试通过率就额外提升了 2%。

其次是让模型出声思考。GPT-4.1 并不是内部自带隐式思维链的推理模型，但只要在提示词里强行要求它在工具调用之间写出分步规划，解题通过率就能再提高 4%。在公开的官方模板里，OpenAI 甚至用大写字母反复警告模型：测试不严谨是这类任务的第一死因，必须反复运行测试直到完全无误。

靠着这一整套提示词框架，GPT-4.1 在 SWE-bench Verified 上取得了 55% 的解决率，刷新了非推理模型的最佳纪录。

为什么重要

对开发者而言，这份指南最大的价值是把智能体工程去玄学化。GPT-4.1 展现出了极高的可控性，如果它跑偏了，不需要换复杂的越狱咒语，用一句清晰强硬的大白话直接纠正，它就能立刻回到正轨。

从技术演进上看，这也给行业提了个醒：提升智能体能力不一定要死磕模型内部推理。通过严格的流程控制、强制工具调用以及让模型在文本层出声规划，普通前沿模型的执行力也能大幅跃升。

我们认为，OpenAI 这套做法非常聪明，它几乎是用零额外推理成本的方式拉满了模型的潜力。但它的隐患也很明显：当模型变得极其死板而听话，对提示词架构的设计要求反而变得苛刻。如果开发者的提示词本身逻辑有漏洞，GPT-4.1 也会毫不犹豫地一条道走到黑。