过去一年，我们最常被灌输的观念是：提示词写得越细越好，规则堆得越全越稳。于是大家拼命往 system prompt、AGENTS.md、CLAUDE.md、Skill 里塞规则，恨不得把每一个步骤都写成\”强制门禁\”。
可 OpenAI 现在调头了。官方 prompt 指南最新给出的建议，几乎和过去的常识相反——提示词越短越好，框架越细越糟。
这不是挤牙膏式的优化，而是一次被数据撑起来的\”大扫除\”。这篇是一篇深度解读：为什么模型越强，你的提示词越该删；该怎么删；以及删错了会怎样。
一、先看一组反常的数据
OpenAI 在编程 Agent 任务上的内部测试，给出了三组很有反差的数字：
- 紧凑的提示词，质量分反而提升了 10%–15%；
- Token 用量下降了 41%–66%；
- 任务执行成本降低了 33%–67%。
换句话说，你少写一点，模型做得好一点，还便宜一大截。这三者同时成立，就说明问题不在\”信息量\”，而在\”干扰量\”。
再看官方给出的方向变化。GPT-5 在 2025 年 8 月发布时，官方强调的是 XML 块、上下文采集模板、带分步过程描述的工具调用脚本——那时候是教你怎么把流程写细。到了新模型这一代，官方建议删掉的是：重复内容、不改变行为风格的指令、低效示例，以及模型自己已经处理得很好的步骤；取而代之的重点变成了：看得见的结果、成功标准、停止条件，以及像安全要求这样的硬约束。
一句话概括：从\”教它怎么做\”，转向\”告诉它要什么\”。
二、为什么越强的模型，越怕你啰嗦
乍一听很反直觉。模型变聪明了，不是更该能处理长提示词吗？恰恰相反。
关键在\”指令遵循能力\”这一条。新一代模型的 instruction followin
