OpenAI выпустила подробное руководство по prompt-инженерии для GPT-5. Документ включает описание новых рабочих процессов, параметров API, паттернов запросов и отдельные уроки из интеграции с редактором кода Cursor.
GPT-5 обучен для работы с инструментами, следования инструкциям и понимания длинных контекстов. В OpenAI советуют использовать Responses API, чтобы сохранять логику модели между вызовами инструментов. Это повышает эффективность и качество работы. В примере, переход с Chat Completions на Responses API и передача истории раздумий с помощью “previous_response_id” увеличили результаты Tau benchmark в трейдинге с 73,9% до 78,2%. Такой подход экономит токены, сохраняет планы между вызовами инструментов, ускоряет работу и улучшает производительность.
Параметр “reasoning_effort” регулирует “агентскую инициативу” модели. Снижение значения уменьшает самостоятельность. Жесткие критерии поиска по контексту и ограничение количества вызовов инструментов (например, до двух) позволяют лучше управлять процессом и решать, когда переходить к следующим действиям при недостаточной уверенности.
Чтобы повысить инициативу агента, советуют увеличивать reasoning effort и включать инструкции по настойчивости, чтобы не тратить время на ненужные вопросы. Также рекомендуется прописывать, когда нужно остановиться, различать безопасные и рискованные действия, задавать пороги для возврата задач пользователю. Например, при оплате порог должен быть ниже, чем при поиске, а при программировании удаление файлов требует большей осторожности, чем поиск текста.
При долгих задачах GPT-5 умеет заранее объявлять о будущих вызовах инструментов: сначала строит план, затем регулярно сообщает о ходе работы. Частоту и стиль этих сообщений можно управлять через prompt: от перефразирования цели до кратких отчетов и итоговых результатов. Для сложных задач рекомендовано делить работу на более мелкие подзадачи с несколькими раундами.
OpenAI отмечает силу GPT-5 в разработке ПО. Он справляется с большими кодовыми базами, исправляет ошибки, обрабатывает существенные диффы, рефакторит несколько файлов, внедряет новые фичи и даже создает приложения с нуля.
Для старта проектов OpenAI перечисляет рекомендуемые стек и инструменты: Next.js (TypeScript), React, HTML, Tailwind CSS, shadcn/ui, Radix Themes, иконки Material Symbols, Heroicons, Lucide, анимации Motion, шрифты Inter, Geist, Mona Sans, IBM Plex Sans или Manrope.
Для создания новых веб-приложений советуют шаблон prompt’а, в котором модель формирует критерии качества (5–7 пунктов) и повторяет цикл до их стопроцентного выполнения.
В случае постепенных изменений и рефакторинга изменения GPT-5 должны логично вписываться в текущую архитектуру. В руководстве уделяется внимание принципам (ясность, повторное использование, лаконичность, делимость на демо, качество визуала), структуре каталогов, UI/UX-правилам (иерархия шрифтов, цвета, отступы, индикаторы состояния, доступность).
Редактор Cursor первым интегрировал GPT-5 и поделился опытом в блоге. Модель давала слишком подробные статусы задач и слишком сжатый код (например, однобуквенные переменные). Проблему решили снижением глобального параметра “verbosity” для статусов и увеличением детализации для кода: “Пиши код, делая упор на понятность … Используй high verbosity для кода и инструментов”. Итог — короткие статусы, но гораздо более понятные изменения в коде.
Также GPT-5 иногда задавал лишние вопросы для уточнения. После добавления в prompt информации о функциях undo/reject и предпочтениях пользователя, количество перебиваний уменьшилось. Модель начала сама предлагать изменения, отправляя на проверку только готовое решение.
Еще один вывод: ранее успешные prompt’ы для старых версий вызывали слишком много обращения к инструментам у GPT-5. После их сокращения стало проще выбирать между использованием знаний модели и внешних инструментов; формальные XML-похожие инструкции и отдельные пользовательские правила Cursor усилили контроль над процессом.
Новый API-параметр “verbosity” управляет длиной ответа независимо от reasoning_effort. Его можно задавать глобально и переопределять, например, для коротких статусов и развернутых кодовых ответов (как в Cursor).
Режим “minimal reasoning” дает максимум скорости при сохранении преимуществ рассуждений. Рекомендуют начинать prompt с краткого обоснования, делать четкие статусы перед вызовами инструментов, давать точные инструкции и добиваться полного выполнения задачи до передачи её обратно.
GPT-5 очень буквально воспринимает инструкции. “Нечеткие или противоречивые prompts сбивают рассуждение”, — предупреждает руководство. OpenAI советует пользоваться Prompt Optimizer для выявления неясных или противоречивых формулировок.
