GPT-5 控制代理主动性

代理框架的控制力度可以横跨一个极宽的谱系：有些系统把绝大部分决策权都交给底层模型，而另一些系统则用严格的程序化逻辑分支把模型“拴得死死的”。GPT-5 接受了训练，能够在这个谱系的任意位置工作——既能在含糊不清的情境中做高层决策，也能处理目标明确、定义清晰的任务。本节将介绍如何最好地校准 GPT-5 的“代理主动性”：也就是它在主动行动与等待明确指令之间的平衡。

降低主动性的提示技巧

默认情况下，在代理环境中，GPT-5 会尽可能全面、周到地收集上下文，以确保输出正确答案。如果你想缩小 GPT-5 的代理行为范围——包括减少无关的工具调用、降低最终答案的延迟——可以尝试以下做法：

1. 切换到一个较低的 reasoning_effort。这会降低探索深度，但提升效率并减少延迟。许多工作流即使在中等甚至较低的 reasoning_effort 下也能稳定完成。
2. 在提示中明确定义探索问题空间的标准。这能减少模型“发散”思考、过度推理的需求：

<context_gathering>
目标：快速收集足够的上下文。并行探索，一旦可以行动就立即停止。


方法：
- 先广撒网，再发散到重点子查询。  
- 并行发起多种查询；阅读每条查询的顶部结果。去重并缓存路径，避免重复查询。  
- 避免过度搜集上下文。如需补充，仅在一个并行批次里做有针对性的搜索。


提前停止条件：
- 你能准确指出需要改动的内容。  
- 顶部结果已约 70% 收敛到同一区域/路径。


一次升级：
- 如果信号冲突或范围模糊，再跑一轮精炼的并行查询，然后继续。


深度：
- 只追踪你要修改的符号或其接口依赖；除非必要，不做传递展开。


循环：
- 批量搜索 → 最小化计划 → 完成任务。  
- 仅当验证失败或出现新的未知因素时才再次搜索。优先行动，而非继续搜索。
</context_gathering>

如果你愿意“一锤定音”，可以直接设定固定的工具调用预算，示例如下。该预算可根据你所需的搜索深度灵活调整。

<context_gathering>
- 搜索深度：极低  
- 强烈倾向于尽快给出答案，即便答案可能不完整。  
- 通常最多只允许 2 次工具调用。  
- 若你认为还需深入调查，先向用户汇报最新发现和未解疑问，待用户确认后再继续。  
</context_gathering>

在限制核心上下文收集行为时，给模型留一条“逃生通道”会很有帮助，让它更容易完成较短的上下文收集步骤。通常的做法是在提示中加入允许模型在不确定情况下继续的条款，比如上例中的 “即使答案可能不完全正确”。

提高主动性的提示

相反，如果你想鼓励模型更自主、更持久地调用工具，减少澄清问题或把问题抛回给用户的次数，我们建议：

1. 提高 reasoning_effort；
2. 使用类似下面的提示，鼓励模型坚持并彻底完成任务：

“请尽可能自主完成整个任务。即使需要多次调用工具或分步骤处理，也请坚持到底，除非遇到无法逾越的障碍，否则不要向用户寻求额外确认。”

<persistence>
- 你是代理——请持续运行，直到用户的查询被完全解决，再结束本轮并交回控制权。  
- 只有当你确信问题已解决时，才终止本轮。  
- 遇到任何不确定都不要停顿或把问题推给用户——通过研究或推理找出最合理的做法并继续。  
- 不要要求人类确认或澄清假设；你始终可以在后续调整。先做出最合理的假设并执行，待任务完成后用文档方式告知用户即可。
</persistence>

一般而言，最好明确告诉代理任务何时算“完成”，列举哪些动作安全、哪些不安全，以及什么情况下才允许把控制权交回给用户。例如，在一套购物工具里：

• 结账与支付工具应设定极低的“不确定容忍度”，稍有疑问就必须让用户确认；
• 搜索工具则应设定极高的容忍度，几乎不必打扰用户。

同样，在编程场景里：

• 删除文件的工具应有远低于 grep 搜索工具的容忍度；一旦可能对用户造成不可逆影响，就立即请求人工确认。