GPT-5 生产环境下的协同编码：Cursor 对 GPT-5 的提示调优

我们很荣幸邀请到 AI 代码编辑器 Cursor 作为 GPT-5 的早期可信测试伙伴。下文将简要展示 Cursor 如何通过提示调优，充分释放 GPT-5 的能力。更多细节可参考 Cursor 团队发布的官方博客，了解 GPT-5 上线首日的集成实践：
GPT-5 正式登陆 Cursor！零基础小白也能 10 分钟上手的 AI 编程教程

系统提示与参数调优

Cursor 的系统提示聚焦于可靠的工具调用，在“输出冗长”和“自主行为”之间取得平衡，同时允许用户配置自定义指令。其设计目标是让 Agent 在长周期任务中保持较高自主性，同时忠实遵循用户给出的指令。

团队最初发现，模型输出过于啰嗦，经常附带状态更新和任务后总结； 这些信息虽技术上相关，却打断了用户的自然工作流。与此同时，工具调用返回的代码质量很高，但因过度精简而难以阅读——变量名多为单字母。为找到更佳平衡，他们将 verbosity API 参数设为 low，使文本输出保持简洁； 然后在提示中明确要求“仅在代码工具里使用冗长输出”。

编写代码时优先考虑清晰性。应选择易读、易维护的解决方案，使用清晰的命名、必要的注释以及简单的控制流程。除非明确要求，否则不要编写代码高尔夫或过于巧妙的一行代码。在编写代码和使用代码工具时，使用高冗长度。

这种“参数 + 提示”的双重设置，最终让 Cursor 得到了一种兼顾效率与可读性的输出格式：状态更新和最终总结保持简洁，而代码 diff 则足够详细、易读。

Cursor 还发现，模型偶尔会在动手前先把决定权抛给用户，导致长任务流程出现不必要的停顿。为解决这一问题，他们在提示里不仅提供可用工具和周边上下文，还补充了大量产品行为细节：例如明确告知 GPT-5 可以使用 Cursor 的 Undo / Reject 代码功能、用户的偏好设置等。这些具体信息显著减少了歧义，使模型在长周期任务中能持续自主推进而极少中断。他们发现，下面这段提示在长时间任务中表现尤佳：

请注意，你对代码的修改将以「拟议更改」的形式呈现给用户。这意味着：  
a) 你的修改可以非常主动——用户随时可以一键拒绝；  
b) 你的代码应当写得好、便于快速审阅（例如使用有意义的变量名，而不是单字母）。  


如果你打算采取的下一步会改动代码，请直接动手修改，然后让用户选择接受或拒绝，而不是先询问用户是否执行。  
总之，你几乎永远不应该问「要不要这样做」；正确的做法是：先主动实现方案，再询问用户是否接受已完成的更改。

Cursor 发现，此前针对旧模型效果不错的提示段落，在 GPT-5 上必须经过微调才能发挥最佳效果。示例如下：

<maximize_context_understanding>
务必**全面**收集信息。在回复之前，必须确保你已掌握**完整**上下文。如有需要，可调用额外工具或提出澄清问题。
...
</maximize_context_understanding>

这一段在旧模型上效果不错，因为旧模型需要额外鼓励才会深入分析上下文；但在 GPT-5 上反而适得其反——它本就内省且会主动收集上下文。对小型任务而言，这条提示经常导致模型反复调用搜索工具，而其实内部知识已足够。

为解决这一问题，Cursor 去掉了前缀 maximize_，并把“务必”“全面”等措辞软化。调整后，GPT-5 能更准确地判断何时依赖内部知识、何时调用外部工具，既保持高度自主又避免不必要的工具使用，整体更高效、更贴合需求。Cursor 的测试还发现，使用类似 <[instruction]_spec> 的结构化 XML 标签能提升指令遵循度，也方便在提示中跨段落引用先前定义的规则或类别。

<context_understanding>
…  
如果你刚做了一次编辑，可能只部分满足了用户的查询，但自己并不确定，那就继续收集信息或调用更多工具，再结束本轮。  
能自己找到答案时，优先不要向用户求助。  
</context_understanding>

尽管系统提示已经提供了坚实的默认基础，用户提示仍然是实现“可操控性”的高效杠杆。GPT-5 对直接、明确的指令反应极佳；Cursor 团队反复验证，结构化且范围清晰的提示能带来最可靠的结果——无论是控制冗长度、表达个人代码风格偏好，还是对边界条件的敏感度。
特别是，Cursor 允许用户自行配置“Cursor 规则”，在 GPT-5 更强的可操控性加持下，这一功能显著提升了用户的个性化体验。