Como usar o GPT-6

Introdução

O GPT-5.5 eleva o nível de desempenho em fluxos de trabalho complexos em produção. Ele é especialmente indicado para programação, agentes que usam ferramentas intensivamente, assistentes que fundamentam respostas em fontes, recuperação de informações em contextos longos, criação de planos a partir de especificações de produto e interações com clientes que exigem execução de alta qualidade e respostas bem elaboradas.

Para aproveitar ao máximo o GPT-5.5, trate-o como uma nova família de modelos que exige ajustes próprios. Evite usá-lo como substituto direto do gpt-5.2 ou do gpt-5.4. Comece a migração estabelecendo uma nova referência de desempenho, sem importar todas as instruções do conjunto de prompts anterior. Parta do menor prompt que preserve o comportamento exigido pelo produto. Depois, use exemplos representativos para ajustar o esforço de raciocínio, o nível de detalhamento, as descrições das ferramentas e o formato de saída.

O GPT-5.5 oferece todos os recursos da API já disponíveis com o GPT-5.4, incluindo cache de prompts, ferramentas hospedadas, busca de ferramentas, compactação e tratamento de phase ao reenviar manualmente itens do assistente.

Veja exemplos de padrões eficazes em Práticas recomendadas para prompts.

Novidades

• Raciocínio mais eficiente: o GPT-5.5 alcança bons resultados com menos tokens de raciocínio do que os modelos anteriores, mesmo com o mesmo nível de esforço. Isso é especialmente útil em fluxos complexos, com uso intensivo de ferramentas ou com várias etapas, nos quais a economia de tokens se acumula.
• Melhor execução de tarefas com prompts focados no resultado: o GPT-5.5 está mais apto a partir de um objetivo claro, respeitar restrições e converter a intenção do produto em próximos passos concretos. Descreva o resultado esperado, os critérios de sucesso, os efeitos colaterais permitidos, as regras para o uso de evidências e a estrutura da saída. Evite detalhar o processo passo a passo, a menos que seja importante seguir um caminho específico.
• Uso mais eficaz e preciso de ferramentas: o GPT-5.5 é especialmente útil quando há muitas ferramentas disponíveis, em fluxos de serviços com várias etapas e em tarefas de longa duração executadas por agentes. Ele tende a ser mais preciso ao selecionar ferramentas e usar seus argumentos.
• O tom costuma ser mais elaborado, mas pode ser mais direto: o GPT-5.5 costuma produzir respostas mais acolhedoras e fáceis de ler, mesmo com menos orientações no prompt.

Mudanças de comportamento

1. O esforço de raciocínio padrão agora é medium: o GPT-5.5 usa medium por padrão para o esforço de raciocínio. Use medium como ponto de partida recomendado para equilibrar qualidade, confiabilidade, latência e custo. Em fluxos sensíveis à latência, avalie low antes de none se o uso de ferramentas, o planejamento, a busca ou a tomada de decisões em várias etapas ainda forem importantes. Reserve none para tarefas em que a latência é crítica e que dispensam raciocínio e chamadas encadeadas de ferramentas, como interações simples por voz, recuperação rápida de informações e classificação. Aumente o esforço para high ou xhigh somente quando as avaliações demonstrarem um ganho mensurável de qualidade que justifique a latência e o custo adicionais. Consulte a documentação sobre modelos de raciocínio para saber mais sobre as configurações recomendadas.

   Aumentar o esforço de raciocínio nem sempre melhora o resultado. Se a tarefa tiver instruções conflitantes, critérios de parada pouco claros ou acesso a ferramentas sem limites definidos, um esforço maior pode levar a análises excessivas, buscas desnecessárias ou perda de qualidade na saída. Aumente o esforço somente quando as avaliações demonstrarem um ganho mensurável de qualidade.

2. As imagens de entrada preservam mais detalhes visuais por padrão: o GPT-5.5 mudou a forma como processa imagens por padrão para preservar mais detalhes visuais e melhorar o desempenho do Uso do computador. Quando image_detail não é definido ou está definido como auto, o modelo agora adota o comportamento de original e mantém a imagem sem redimensionamento até o limite de 10.240.000 pixels no total ou de 6.000 pixels em qualquer dimensão, o que for atingido primeiro. Para usar high, especifique o valor diretamente. Nesse modo, os limites para preservar a imagem sem redimensionamento são de 2.500.000 pixels no total e de 2.048 pixels em qualquer dimensão. O modo low agora prioriza o uso eficiente do contexto e reduz de forma mais acentuada do que os modelos anteriores as imagens que ultrapassam 512 pixels em uma dimensão. Consulte a documentação sobre imagens e visão.

3. Maior fidelidade às instruções: o GPT-5.5 interpreta os prompts de forma literal e minuciosa, o que permite usar instruções específicas e descritivas quando o produto exigir. Defina critérios de sucesso e regras de parada, especialmente em fluxos de longa duração, com uso intensivo de ferramentas ou que envolvam coleta de evidências. Consulte Como escrever prompts focados no resultado e Como definir o nível de detalhe adequado.

4. O estilo padrão é mais conciso e direto: por padrão, o GPT-5.5 tende a ser eficiente, direto e focado na tarefa. Isso é útil em muitos fluxos de produção, mas experiências de conversa ou de atendimento ao cliente podem exigir orientações explícitas sobre personalidade, cordialidade, justificativas e formatação. Escolha text.verbosity de acordo com a experiência desejada. O padrão é medium, e low costuma ser um ponto de partida melhor para respostas concisas. Consulte as Práticas recomendadas para prompts.

5. Fluxos de programação exigem uma orquestração mais cuidadosa: o GPT-5.5 está mais apto a lidar com tarefas complexas de programação que exigem planejamento, uso de ferramentas, navegação pela base de código, verificação e execução em várias etapas. Para agentes de programação, especifique o que reutilizar, quando delegar a subagentes, quais testes executar, quais são os critérios de aceitação e quando continuar ou pedir ajuda.

Guia rápido de migração

Migração automatizada com o Codex

O Codex pode aplicar as mudanças recomendadas neste guia com a habilidade OpenAI Docs.

$openai-docs migre este projeto para gpt-5.5

Para usar essa habilidade em outros agentes de programação, baixe-a do repositório de habilidades da OpenAI.

API e parâmetros do modelo

• Atualize o slug do modelo para gpt-5.5.
• Use a API Responses em qualquer caso de uso que envolva raciocínio, chamadas de ferramentas ou interações em vários turnos.
• Ajuste reasoning.effort. Use low para raciocínio eficiente, medium para equilibrar latência e desempenho, high para tarefas complexas com agentes de IA que exigem raciocínio aprofundado e toleram maior latência, e xhigh para as tarefas assíncronas mais difíceis com agentes de IA ou para avaliações que testam os limites da inteligência do modelo. Consulte a documentação sobre modelos de raciocínio.
• Para obter respostas mais concisas, defina text.verbosity como low. No GPT-5.5, isso produz respostas proporcionalmente mais concisas do que o nível low no GPT-5.4.
• Em fluxos de longa duração ou com uso intensivo de ferramentas, verifique se o aplicativo trata corretamente phase, os preâmbulos e o reenvio de itens do assistente.
• Compare o modelo com outros em termos de exatidão, consumo de tokens e latência de ponta a ponta.

Criação de prompts

• Indique o resultado esperado e os critérios de sucesso.
• Reduza ou remova as instruções detalhadas que descrevem o processo passo a passo. Deixe o GPT-5.5 escolher o caminho, a menos que o produto exija um caminho específico.
• Sempre que possível, remova do prompt as definições do schema de saída. Use saídas estruturadas.
• Otimize o prompt para aproveitar o cache: coloque as partes estáticas no início e as dinâmicas no fim.
• Remova a data atual. O modelo já sabe a data atual em UTC.
• Revise e otimize seus prompts com as Práticas recomendadas para prompts.

Como usar modelos de raciocínio

Estas orientações se aplicam aos modelos da série GPT-5 e merecem ser revistas sempre que uma equipe migra cargas de trabalho para modelos de raciocínio. O GPT-5.5 mantém muitos recursos introduzidos em modelos anteriores. Vale a pena revisitá-los se você estiver migrando de um modelo GPT-5 anterior, do GPT-4.1 ou de um modelo de raciocínio como o o3.

Esses recursos podem passar despercebidos porque dependem, em parte, da configuração da API e da orquestração, além do próprio prompt. Em conjunto, a API Responses, os controles de raciocínio, o nível de detalhamento, as saídas estruturadas, o cache de prompts, o design das ferramentas, as ferramentas hospedadas e o gerenciamento de estado ajudam a aproveitar melhor a inteligência dos modelos de raciocínio e a obter a melhor combinação de confiabilidade, latência e custo.

• API Responses: o GPT-5.5 funciona melhor com a API Responses. Use previous_response_id para gerenciar o estado entre turnos. Em fluxos sem estado ou com zero retenção de dados, reenvie a cada turno os itens de saída relevantes retornados pela API. Para saber mais, consulte Como passar o contexto da resposta anterior.
• Esforço de raciocínio: use reasoning.effort para escolher entre low, medium, high ou xhigh. O padrão é medium, mas muitas cargas de trabalho apresentam bom desempenho com low. Reserve none para casos em que a baixa latência seja mais importante do que a inteligência. Consulte Modelos de raciocínio para ver recomendações detalhadas.
• Nível de detalhamento: use text.verbosity para controlar a extensão da saída. Trate a extensão da resposta final separadamente da qualidade do raciocínio. Quando necessário, especifique um limite de palavras, o número de seções, a largura das tabelas ou a exigência de que a saída contenha apenas JSON.
• Saídas estruturadas: evite descrever no prompt o schema de saída esperado. Use saídas estruturadas para validar a saída automaticamente e aumentar a exatidão.
• Cache de prompts: o cache de prompts funciona automaticamente em prompts longos que atendem aos requisitos e pode reduzir a latência e o custo dos tokens de entrada. Para aumentar a taxa de acertos do cache, mantenha o conteúdo estável no início da requisição. Coloque o contexto dinâmico específico do usuário perto do fim. Monitore usage.prompt_tokens_details.cached_tokens para medir o reaproveitamento. Use uma prompt_cache_key estável para requisições que compartilham um prefixo reutilizável. A chave ajuda a direcionar requisições relacionadas para o mesmo cache e é importante para otimizar a taxa de acertos no GPT-5.5. Para grupos com alto volume de requisições, siga as orientações para distribuir o tráfego entre mais chaves.
• Chamadas de ferramentas: o GPT-5.5 aceita os mesmos padrões de chamada de ferramentas do GPT-5.4, incluindo ferramentas de função e fluxos de agentes que usam ferramentas intensivamente. Concentre a maior parte das orientações específicas na descrição de cada ferramenta. Explique o que ela faz, quando usá-la, quais entradas exige, quais são seus efeitos colaterais, quando é seguro repetir a chamada e quais erros costumam ocorrer. Inclua contexto específico de ferramentas nas instruções de sistema somente quando ele se aplicar a várias ferramentas ou alterar de forma significativa as regras de operação do agente.
• Ferramentas hospedadas e busca de ferramentas: dê preferência às ferramentas hospedadas pela OpenAI quando elas atenderem às necessidades do fluxo, como Pesquisa na Web, busca em arquivos, Code Interpreter, geração de imagens e Uso do computador. As ferramentas hospedadas reduzem o trabalho de criar uma orquestração própria e mantêm os padrões comuns de uso de ferramentas alinhados à API Responses e ao SDK de agentes. Use ferramentas de função personalizadas quando precisar chamar seus próprios sistemas, garantir efeitos colaterais específicos do domínio ou disponibilizar fluxos internos de negócio. Para catálogos grandes, considere usar a busca de ferramentas para adiar o carregamento das definições e carregar apenas as ferramentas relevantes.
• Preâmbulos de ferramentas: os preâmbulos podem melhorar a experiência no chat porque o usuário recebe uma atualização inicial útil antes de o modelo gerar a resposta final. Eles também facilitam o acompanhamento do uso de ferramentas. O modelo pode indicar o que vai verificar ou fazer e, quando os resultados chegarem, retomar a execução a partir do mesmo estado do assistente.
• Tratamento de phase: se o aplicativo gerencia manualmente o estado da API Responses reenviando os itens de saída a cada turno em vez de usar previous_response_id, preserve o parâmetro phase nos itens de saída retornados pelo assistente e reenvie-o sem alterações. Isso é especialmente importante ao usar esforço de raciocínio, preâmbulos ou chamadas repetidas de ferramentas. Consulte Parâmetro phase.
• Compactação: para agentes de longa duração, planeje o uso da compactação da conversa ou do estado. Preserve as ações concluídas, as premissas ainda válidas, os IDs, os resultados das ferramentas, os impedimentos ainda não resolvidos e o próximo objetivo concreto.
• SDK de agentes: para novos sistemas com agentes de IA, adote os padrões mais recentes do SDK de agentes para orquestrar ferramentas, rastrear a execução, transferir o controle entre agentes e gerenciar o estado, sem precisar reconstruir a orquestração do zero.
• Data atual: o GPT-5.5 sabe a data atual em UTC. Você pode omiti-la das instruções de sistema. Especifique a data ou o fuso horário somente quando o aplicativo precisar de um fuso horário próprio do negócio, da data de entrada em vigor de uma política, da data local do usuário ou de outra referência diferente de UTC.

Práticas recomendadas para prompts

O GPT-5.5 funciona melhor quando o prompt define o resultado e dá ao modelo liberdade para escolher uma solução eficiente. Em comparação com modelos anteriores, muitas vezes é possível usar prompts mais curtos e focados no resultado. Descreva o que caracteriza um bom resultado, quais restrições importam, quais evidências estão disponíveis e o que a resposta final deve conter.

Evite importar todas as instruções de um conjunto de prompts anterior. Prompts antigos costumam detalhar demais o processo porque os modelos anteriores precisavam de mais orientação para manter o foco. Com o GPT-5.5, esse excesso pode introduzir ruído, restringir as alternativas que o modelo explora ou produzir respostas mecânicas demais.

Use os padrões a seguir como ponto de partida. Adapte-os à interface do produto, às ferramentas, às avaliações e à experiência que você deseja oferecer ao usuário.

Personalidade e comportamento

Por padrão, o estilo do GPT-5.5 é eficiente, direto e focado na tarefa. Isso é útil em sistemas de produção porque as respostas mantêm o foco, fica mais fácil orientar o comportamento do modelo e a conversa dispensa rodeios.

Para assistentes que interagem com clientes, fluxos de suporte, experiências de orientação individual e outros produtos de conversa, defina tanto a personalidade quanto o estilo de colaboração.

• A personalidade define como o assistente se expressa, incluindo tom, cordialidade, franqueza, formalidade, humor, empatia e cuidado com a redação.
• O estilo de colaboração define como o assistente trabalha: quando faz perguntas, quando adota premissas, quanta iniciativa deve tomar, quanto contexto oferece, quando verifica o próprio trabalho e como lida com incertezas ou riscos.

Seja breve nas duas descrições. As instruções de personalidade devem orientar a experiência do usuário. As de colaboração devem orientar o comportamento durante a tarefa. Ambas precisam vir acompanhadas de objetivos claros, critérios de sucesso, regras de uso de ferramentas e condições de parada.

Exemplo de bloco de personalidade para um assistente equilibrado e focado na tarefa:

# Personalidade
Você é um colaborador competente, acessível, equilibrado e direto. Parta do princípio de que o usuário é competente e age de boa-fé. Responda com paciência e respeito e ofereça ajuda prática.

Se a solicitação já estiver clara o suficiente para começar, prossiga. Use o contexto e adote premissas razoáveis. Peça esclarecimentos somente se a informação que falta puder mudar a resposta de forma significativa ou gerar um risco relevante. Nesse caso, faça uma pergunta específica.

Seja breve sem ser seco. Dê contexto suficiente para que o usuário entenda a resposta e confie nela. Encerre por aí. Use exemplos, comparações ou analogias simples quando facilitarem a compreensão. Ao corrigir o usuário ou discordar dele, seja franco e construtivo. Quando alguém apontar um erro, reconheça-o com clareza e concentre-se em corrigi-lo.

Acompanhe o tom do usuário e mantenha o profissionalismo. Por padrão, evite emojis e palavrões, a menos que o usuário peça esse estilo explicitamente ou já tenha deixado claro que ele é adequado à conversa.

Exemplo de bloco de personalidade para um assistente expressivo e colaborativo:

# Personalidade
Converse com desenvoltura. Demonstre inteligência e curiosidade, use humor quando for adequado e preste atenção ao raciocínio do usuário. Se o problema ainda estiver pouco claro, faça perguntas que ajudem a defini-lo. Assim que tiver contexto suficiente, tome uma posição.

Seja cordial, colabore com o usuário e cuide da redação. Mantenha a conversa natural e animada, sem falar só para prolongá-la. Apresente seu próprio ponto de vista e leve em conta os objetivos e as restrições do usuário, sem se limitar a repetir a opinião dele.

Quando a tarefa exigir uma síntese ou orientação, pondere as informações e fundamente sua resposta. Quando tiver contexto suficiente, faça uma recomendação clara, explique as vantagens e desvantagens relevantes e diga com franqueza o que ainda é incerto.

Para produtos que pedem mais expressividade, inclua orientações explícitas sobre cordialidade, curiosidade, humor ou ponto de vista, mas mantenha o bloco curto. Use a personalidade para moldar a experiência. Objetivos pouco claros ou instruções ausentes precisam ser corrigidos nas orientações da tarefa.

Reduza o tempo até o primeiro token visível com um preâmbulo

Em aplicativos que exibem a resposta em streaming, os usuários percebem quanto tempo leva para o primeiro trecho aparecer. O GPT-5.5 pode passar algum tempo raciocinando, planejando ou preparando chamadas de ferramentas antes de exibir texto.

Em tarefas mais longas ou com uso intensivo de ferramentas, peça ao modelo para começar com um preâmbulo curto: uma atualização visível que confirme o recebimento da solicitação e indique o primeiro passo. Isso pode dar ao usuário a sensação de uma resposta mais rápida sem alterar a tarefa em si.

Use esse padrão quando a tarefa puder exigir mais de uma etapa, precisar de chamadas de ferramentas ou envolver um fluxo de longa duração executado por um agente.

Em tarefas com várias etapas, antes de fazer qualquer chamada de ferramenta, envie ao usuário uma mensagem curta que confirme o recebimento da solicitação e indique o primeiro passo. Use uma ou duas frases.

Para agentes de programação que distinguem as fases de uma mensagem, você pode dar uma instrução mais explícita:

Se a tarefa exigir chamadas de ferramentas, comece sempre com uma atualização intermediária, antes de produzir qualquer conteúdo no canal de análise. Nessa mensagem ao usuário, confirme o recebimento da solicitação e explique seu primeiro passo.

Prompts focados no resultado e condições de parada

O GPT-5.5 tem melhor desempenho quando o prompt define o resultado desejado, os critérios de sucesso, as restrições e o contexto disponível, e deixa o modelo escolher o caminho.

Para muitas tarefas, basta descrever o resultado desejado, sem prescrever cada etapa. Assim, o modelo pode escolher a estratégia de busca, a ferramenta ou a forma de raciocínio mais adequada à tarefa.

Prefira este tipo de instrução:

Resolva o problema do cliente do início ao fim.

Para atender aos critérios de sucesso:
- decida se o cliente é elegível com base na política e nos dados da conta disponíveis
- antes de responder, conclua qualquer ação autorizada que se aplique ao caso
- inclua completed_actions, customer_message e blockers na resposta final
- se faltarem evidências, peça apenas o dado que falta para prosseguir

Evite regras absolutas desnecessárias. Prompts antigos costumam usar termos rígidos como ALWAYS, NEVER, must e only para controlar o comportamento do modelo. Reserve esses termos para requisitos que valem em qualquer circunstância, como regras de segurança, campos obrigatórios de saída ou ações que jamais devem ocorrer. Para escolhas que exigem discernimento, como decidir quando buscar informações, pedir esclarecimentos, usar uma ferramenta ou continuar iterando, prefira definir critérios de decisão.

Evite este estilo de instrução, a menos que todas as etapas sejam realmente obrigatórias:

Primeiro examine A, depois examine B, depois compare cada campo, depois considere
todas as exceções possíveis, depois decida qual ferramenta chamar, depois chame a ferramenta,
depois explique todo o processo ao usuário.

Defina condições de parada explícitas:

Resolva a solicitação do usuário com o mínimo de ciclos de chamadas de ferramentas necessário. Reduzir o número de ciclos não pode comprometer a exatidão da resposta, a consulta a evidências alternativas disponíveis, os cálculos nem a inclusão das marcações de citação exigidas para afirmações factuais.

Após cada resultado, pergunte a si mesmo: "Já consigo responder ao pedido principal do usuário com evidências úteis e citações que sustentem as afirmações factuais?" Se sim, responda.

Defina como agir quando faltarem evidências:

Use apenas as evidências necessárias para responder corretamente, cite-as com precisão e encerre.

Formatação

O GPT-5.5 segue com precisão as orientações sobre o formato e a estrutura da saída. Use esse controle quando ele facilitar a compreensão ou adequar a resposta ao produto.

Defina text.verbosity e descreva a estrutura esperada da saída. Reserve estruturas mais elaboradas para os casos em que elas facilitam a compreensão ou em que a interface do produto exige um artefato com estrutura estável. O valor padrão de text.verbosity na API é medium. Use low quando preferir respostas mais curtas e concisas.

Formatação simples para conversas:

Use a formatação para facilitar a compreensão. Em conversas do dia a dia, explicações, relatórios, documentação e textos técnicos, use parágrafos simples por padrão. Mantenha a apresentação limpa e legível, sem deixar que a estrutura ofusque o conteúdo.

Use títulos, negrito, marcadores e listas numeradas com moderação. Recorra a esses recursos quando o usuário os solicitar, quando for preciso comparar ou classificar itens com clareza ou quando for difícil localizar as informações em texto corrido. Nos demais casos, prefira parágrafos curtos e transições naturais.

Respeite as preferências de formatação do usuário. Se ele pedir uma resposta sucinta, formatação mínima, texto sem marcadores ou sem títulos, ou uma estrutura específica, atenda ao pedido, a menos que haja um motivo importante para fazer diferente.

Especifique o público e a extensão desejada:

Escreva para um público executivo. Use menos de 400 palavras. Escreva parágrafos curtos e use marcadores apenas quando facilitarem a leitura rápida. Apresente primeiro a conclusão, depois o raciocínio e, por fim, as ressalvas.

Para edições, reescritas, resumos ou mensagens destinadas a clientes, diga ao modelo o que preservar antes de pedir que melhore o estilo. Esse padrão é útil quando você quer refinar o texto sem ampliá-lo.

Preserve, em primeiro lugar, o material solicitado, sua extensão, sua estrutura e seu gênero textual. Melhore a clareza, a fluidez e a correção do texto sem comentar os ajustes. Não acrescente afirmações nem seções, nem adote um tom mais promocional, a menos que o usuário peça isso explicitamente.

Fundamentação, citações e limites de recuperação de informações

Para obter respostas fundamentadas, inclua no prompt as regras de citação. Defina quais afirmações precisam de respaldo, o que conta como evidência suficiente e como o modelo deve agir quando faltarem evidências. A ausência de evidências não deve levar automaticamente a uma resposta categórica de “não”. Para mais detalhes e exemplos, consulte o guia de formatação de citações.

Defina um limite explícito para a recuperação de informações

Os limites de recuperação de informações funcionam como regras de parada para a busca. Eles indicam ao modelo quando já há evidências suficientes para responder.

Para perguntas comuns, comece com uma única busca ampla e use palavras-chave curtas que ajudem a distinguir os resultados relevantes. Se os primeiros resultados trouxerem evidências suficientes que você possa citar para responder ao pedido principal, use esses resultados para responder, sem fazer outra busca.

Faça outra chamada de recuperação de informações somente se:
- Os primeiros resultados não responderem à pergunta principal.
- Faltar um fato, parâmetro, responsável, data, ID ou fonte de que você precise para responder.
- O usuário tiver pedido uma análise exaustiva, uma comparação ou uma lista abrangente.
- For preciso consultar um documento, URL, e-mail, reunião, registro ou artefato de código específico.
- Sem outra busca, a resposta incluiria uma afirmação factual importante sem respaldo.

Não repita a busca para melhorar a redação, acrescentar exemplos, citar detalhes secundários ou sustentar uma formulação que possa ser mais genérica sem perda de rigor.

Limites para a redação criativa

Em tarefas de redação, diga ao modelo quais afirmações devem vir de fontes e em quais partes ele pode escrever com liberdade criativa. Isso é especialmente importante em slides, textos de lançamento, resumos para clientes, roteiros de apresentação, textos breves para a liderança e na definição do enfoque de uma narrativa.

Em pedidos de criação de conteúdo, como slides, textos breves para a liderança, mensagens de divulgação, resumos para compartilhar, roteiros de apresentação ou definição do enfoque de uma narrativa, diferencie os fatos respaldados por fontes das escolhas criativas de redação.

- Para afirmações concretas sobre produtos, clientes, métricas, planos de desenvolvimento, datas, recursos ou concorrência, use fatos obtidos na busca ou fornecidos a você e cite as fontes dessas afirmações.
- Não invente nomes específicos, afirmações sobre dados próprios, métricas, informações sobre o andamento dos planos de desenvolvimento, resultados de clientes ou recursos do produto para dar mais força ao texto.
- Se houver pouca ou nenhuma evidência que possa ser citada, escreva um rascunho útil em termos gerais, com campos a preencher ou premissas claramente identificadas. Evite detalhes sem respaldo.

Engenharia de frontend e critérios de design visual

Para trabalhos de frontend, consulte os exemplos de instruções para conhecer formas práticas de orientar a qualidade da interface. Eles abordam o contexto do produto e do usuário, a compatibilidade com o sistema de design, a usabilidade da tela inicial, os controles familiares, os estados esperados e o comportamento responsivo. Também mostram padrões comuns a evitar em interfaces geradas, como seções de destaque genéricas, cartões dentro de cartões, gradientes decorativos, instruções de implementação visíveis ao usuário e layouts quebrados.

Peça ao modelo que verifique o próprio trabalho

Dê ao GPT-5.5 acesso a ferramentas que permitam verificar as saídas quando for possível validá-las.

Para agentes de programação, peça que executem comandos específicos de validação:

Depois de fazer as alterações, execute as verificações disponíveis mais relevantes:
- testes unitários específicos para o comportamento alterado
- verificações de tipos ou de lint, quando aplicáveis
- verificações de build dos pacotes afetados
- um teste de fumaça mínimo quando o custo da validação completa for alto demais

Se não for possível executar a validação, explique o motivo e descreva a melhor verificação alternativa.

Para artefatos visuais, peça uma inspeção após a renderização:

Renderize o artefato antes de finalizar. Examine o resultado para verificar o layout, possíveis cortes, o espaçamento, a presença de todo o conteúdo e a consistência visual. Faça os ajustes necessários até que o resultado renderizado atenda aos requisitos.

Para tarefas de engenharia e planejamento, peça planos de implementação que permitam rastrear como cada requisito será atendido:

Nos planos de implementação, inclua:
- os requisitos e o ponto do plano que atende a cada um deles
- os nomes dos recursos, arquivos, APIs ou sistemas envolvidos
- as transições de estado ou o fluxo de dados, quando relevantes
- os comandos ou procedimentos de validação
- o comportamento em caso de falha
- as considerações sobre privacidade e segurança
- as questões em aberto que afetem significativamente a implementação

Parâmetro phase

Desde o GPT-5.4, fluxos de longa duração ou com uso intensivo de ferramentas na API Responses podem usar os valores de phase nos itens do assistente para distinguir atualizações intermediárias de respostas finais. O GPT-5.5 segue o mesmo padrão.

Se você usar previous_response_id, a API preservará automaticamente o estado anterior do assistente. Se o aplicativo reenviar manualmente itens de saída do assistente na requisição seguinte, preserve o valor original de phase de cada item e reenvie-o sem alterações. Isso é especialmente importante quando a resposta inclui preâmbulos, chamadas repetidas de ferramentas ou uma resposta final após atualizações intermediárias do assistente.

Se você reenviar manualmente os itens do assistente:
- Preserve exatamente os valores de `phase` do assistente.
- Use `phase: "commentary"` para atualizações intermediárias visíveis ao usuário.
- Use `phase: "final_answer"` para a resposta final.
- Não adicione `phase` às mensagens do usuário.

Estrutura sugerida para prompts

Use esta estrutura como ponto de partida para prompts complexos. Mantenha cada seção curta. Acrescente detalhes somente quando eles mudarem o comportamento do modelo.

Papel: [1-2 frases que definam a função do modelo, o contexto em que atua e sua tarefa]

# Personalidade
[tom, postura e estilo de colaboração]

# Objetivo
[resultado visível para o usuário]

# Critérios de sucesso
[condições que devem ser atendidas antes da resposta final]

# Restrições
[limites relativos a políticas, segurança, regras de negócio, uso de evidências e efeitos colaterais]

# Saída
[seções, extensão e tom]

# Regras de parada
[quando tentar novamente, recorrer a uma alternativa, abster-se de responder, fazer uma pergunta ou parar]