如需查看完整的文档索引,请参阅 llms.txt。在文档页面的 URL 末尾加上 .md 即可查看该页面的 Markdown 版本。
主导航
主题

为 Realtime 模型编写提示词

为 Realtime 语音模型设计和测试提示词。

请选择您用于开发的 Realtime 模型。如果使用 GPT-Live,请参阅为 GPT-Live 编写提示词。

gpt-realtime-2 是我们面向低延迟语音到语音应用的先进推理语音模型。它可以先思考再开口。与早期实时模型相比,它能更可靠地遵循指令,使用更大的上下文窗口,也能更精准地调用工具。

要充分发挥这些能力,请在设计提示词时明确您希望助手如何行动。写清助手的职责、何时需要做决定、如何调用工具以及必须遵守的限制,让助手知道该做什么、何时做,以及应避免什么。

从简单的提示词开始。无需一开始就写入大量指令。先用最精简的提示词运行评测,再针对测试中未达到预期的行为补充指令。

选择模型

模型适用场景提示词设计重点
gpt-realtime-2

您需要最强的实时推理、工具使用和指令遵循能力。

调整推理强度、行动前的说明和工具使用策略,明确如何准确采集实体和管理长会话状态。

gpt-realtime-1.5您需要快速、可靠的非推理语音到语音模型。

遵循实时模型提示词的基本结构,并测试对延迟敏感的行为。

Realtime 2.0 提示词指南

如果语音智能体需要更强的推理能力,或需要更好地选择工具、准确处理实体、维护长会话状态,请使用 gpt-realtime-2。先将推理强度设为 reasoning.effort: “low”,测试默认的行动说明行为,并明确执行哪些写入操作前必须获得确认。

Realtime 2 有哪些变化

为 Realtime 2 编写提示词时,请按具备推理能力的语音智能体来设计。简单语音机器人的提示词不足以发挥它的能力。

变化 对提示词的影响
推理 对于复杂任务,允许模型在开口或调用工具前进行内部推理。用简短的行动说明避免尴尬的沉默或无意义的填充语。
提示词的精确性更重要 将“尽量提供帮助”等宽泛指导改为明确的触发条件、行动和例外规则,写清何时行动、具体做什么,以及哪些情况下不应行动。
指令冲突的代价更高 除非确有必要,否则请删除相互重叠的 always、never、only 和 must 规则。当规则相互冲突时,明确其优先级。
工具调用行为更易控制 指明助手何时应立即行动、询问缺失信息、核对必须准确无误的细节、在失败后重试,或升级处理。
可以专门控制行动前的说明 在较长的推理或工具调用流程开始前,模型可以用语音简短说明进展。指定何时需要说明、说明应有多短,以及何时跳过。
上下文窗口扩大 gpt-realtime-2 将实时上下文窗口从 32k 个 Token 扩展到 128k 个 Token,更适合长会话和较长的系统提示词。

行动前的说明是简短的语音进度提示,例如“我现在帮您查一下这笔订单”。它与隐藏的思维链不同。请勿要求模型披露内部推理过程。

推荐的提示词结构

将提示词分成简短的小节,并为每节添加标题,让模型能快速找到相关指令。

# 角色与目标

# 个性与语气

# 语言

# 推理

# 消息通道

# 行动前的说明

# 回复详略

# 工具

# 语音不清晰时的处理方式

# 实体采集

# 长上下文中的行为

# 升级处理

各个场景需要的小节有所不同。请按您的产品需求添加相关小节。

设置推理强度

提高 gpt-realtime-2 的推理强度可以让模型进行更深入的推理,但会增加延迟。请选择足以让助手胜任当前工作流的最低推理强度。

对于大多数生产环境中的语音智能体,请从 low 开始。根据任务复杂度、可接受的延迟和失败代价调高或调低推理强度。

推理强度 适用场景 示例
minimal 任务简单,首要目标是尽量降低延迟。 智能家居指令、设置定时器、简单查询日程。
low 需要快速响应和基本推理能力。 客户支持、查询订单、简单的政策问答。
medium 助手需要通过推理完成多步骤任务。 技术支持、故障诊断、复杂的请求分流。
high 更深入的推理能显著提高成功率。 对准确性要求高的工作流、决定是否升级处理、有约束条件的任务。
xhigh 任务值得为最高推理强度付出额外的延迟和成本。 复杂规划、紧急情况分诊、涉及重大后果的工具编排。

除了设置 API 参数,还可以通过指令引导模型决定何时推理,以及推理到什么程度。

## 推理

- 对于可以直接回答的问题、简单查询和简短确认,快速回应,不要推理。
- 对于多步骤任务、工具调用决策、故障排查或升级处理,先推理再行动。
- 如果用户的语音不清晰,请用户澄清,不要花时间进行长时间推理。

合理使用行动前的说明

行动前的说明是简短的语音提示,让用户在语音智能体推理、查询信息或调用工具期间也能感受到回应。使用得当时,用户知道助手正在处理请求。使用不当时,这些话就会显得多余,让用户觉得等待时间更长。

gpt-realtime-2 默认会生成行动前的说明。先测试默认行为。如果与您的产品体验不符,再通过明确的指令调整。

行动说明的生成与播放时间线

## 行动前的说明

只有在简短说明有助于让用户知道请求正在处理时,才开口说明。

### 何时需要说明

遇到以下情况时,先简短说明:

- 即将调用的工具可能让用户等上一会儿。
- 需要通过推理处理多步骤请求。
- 正在核查记录、可用情况、账户状态或政策细节。
- 正在准备升级处理或交接。
- 保持沉默会让用户觉得助手没有响应。

需要说明时,在开始实质性推理或使用工具之前立即说出来。

### 何时跳过说明

遇到以下情况时,不要先作说明:

- 可以立即给出直接的答案。
- 用户只是在确认、纠正或拒绝某件事。
- 语音不清晰,需要请用户澄清。
- 刚收到的音频是静音、背景噪声、电话等待音乐、电视声音或旁人的交谈。
- 工具调用很快,告知进展对用户没有帮助。

### 说明的风格

作说明时:
- 表达自然、平静、简洁。
- 不同轮次换用不同说法。
- 描述要采取的行动,不要讲述内部推理过程。
- 避免用无实义的话填补停顿。

避免以下说法:

- “让我想想……”
- “嗯……”
- “请稍等,我正在处理……”
- “我现在要访问工具……”

### 说明的长度

用一个短句说明。

除非在执行影响重大的操作前需要向用户解释,否则最多说两个短句。

### 推荐说法
- “我现在帮您查一下这笔订单。”
- “我查一下您的预约详情。”
- “在做任何更改之前,我先核实一下。”
- “我查一下相关规定,再告诉您下一步怎么做。”
- “我调出记录,我们核对一下是不是这个账户。”

### 避免的说法
- “让我先想一想。”
- “请稍候,我正在处理您的请求。”
- “我现在要使用工具了。”
- “这个问题很有意思。我会仔细推理。”

控制回复长度

如果提示词针对每种任务写明需要提供多少细节,gpt-realtime-2 就能更好地控制回复长度。请结合场景具体说明怎样才算“简洁”。直接回答问题、报告工具结果、排查故障、比较选项和升级处理所需的回复长度可能各不相同。

## 回复详略

- 直接回答:用 1 至 2 个短句。
- 请求澄清:一次只问一个问题。
- 工具结果:先概述结果,然后只说明接下来有用的一步。
- 比较产品或选项:说清主要区别、各自的取舍,以及每个选项适合哪些人。
- 故障排查:除非用户要求提供完整流程,否则一次只给一个步骤。
- 升级处理:简要说明为什么需要升级,以及接下来会发生什么。

示例:

用户:我该选哪个套餐?

助手:如果您想尽量节省费用,可以选 Basic。如果您需要团队权限管理和共享账单,可以选 Pro。如果您看重合规审查或管理员控制功能,可以选 Enterprise。

设计工具调用行为

gpt-realtime-2 的工具调用能力更强,但具体行为仍取决于提示词和工具规范的设计。如果提示词未说明何时应行动、提问、确认或在失败后补救,助手可能过早调用工具、提出不必要的问题,或重复执行已经失败的调用。

设置工具调用的主动程度

对于只读、低风险的操作,适合让助手主动调用工具。对于会修改数据、对外产生影响或依赖精确标识符的工具,助手应更谨慎。

工具类型 默认行为
只读、低风险的查询 在意图和必填字段均明确时调用。
依赖精确标识符的只读查询 查询前先确认标识符。
用户可见的通信 发送前先起草内容或概述要发送的信息。
更改账户 调用前先确认。
购买、取消、付款 调用前确认金额、操作对象及后果。
不可逆或影响重大的操作 获得明确确认,并在适当时提供升级处理选项。

如果工作流同时涉及读取和写入操作,可以采用以下兼顾两者的默认规则,并根据您的使用场景调整。

## 工具

只使用当前工具列表中明确提供的工具。不要编造工具、假定某个工具存在、模拟工具或更改工具名称。

对于只读工具:
- 用户意图明确且已取得所有必填字段时,调用工具。
- 除非查询依赖必须准确无误的标识符,或选错记录的风险不可忽视,否则无需请求确认。
- 只有在必填字段缺失、有歧义或相互矛盾时,才提问澄清。

对于写入工具或对外执行的操作:
- 调用工具前,概述准备执行的操作。
- 说明主要后果,例如会更改、发送、取消或订购什么,或会收取多少费用。
- 请用户确认。
- 等用户明确确认后,才调用工具。

对于精确标识符:
- 订单 ID、运单号、账号、确认码、电话号码和电子邮件地址都必须准确无误。
- 只有在字段类型明确时才规范化其值。
- 在针对特定账户进行查询、验证或写入前,确认最终值。

调用工具后:
- 只有在工具调用成功后,才能告诉用户操作已完成。
- 如果调用失败,简要说明哪里出了问题,不要直接展示原始错误信息,并告诉用户接下来可以怎么做。

高风险操作示例:

用户:用我的卡付清剩余款项。

不恰当的回复:

助手:已经从您的卡上扣款了。

恰当的回复:

助手:我确认一下,您想用已保存的卡支付剩余的 248.16 美元。现在扣款可以吗?

处理工具调用失败的情况

工具调用失败也是对话的一部分。妥善的处理方式应让用户知道发生了什么,以及接下来可以怎么做。

不同的失败需要不同的处理方式,具体取决于工具类型、失败原因及对用户的影响。有时应直接在后台重试,无需打断用户。有时则需要请用户澄清信息、纠正标识符、确认新的操作或选择其他途径。

## 工具调用失败

如果工具调用失败:
1. 用用户容易理解的话简要说明哪项操作失败了。
2. 不要责怪用户,也不要展示工具返回的原始错误信息。
3. 如果可能是标识符不准确所致,复述刚才使用的值,请用户纠正。
4. 如果问题可能只是暂时的,询问用户是否要重试一次。
5. 如果同一问题反复出现,提供其他解决途径或升级处理选项。

调用失败后,不要用相同的参数反复调用同一个工具。

先核对已记录的值是否正确,再考虑请用户提供其他标识符。

不恰当的回复:

助手:出错了。

恰当的回复:

助手:我用 O、R、D、短横线、3、1、2、5、B、2、3 没查到匹配的记录。我有哪里听错了吗?

确保提示词与可用工具一致

实时模型倾向于主动提供帮助。如果提示词提到了实际不可用的工具,或者工具列表与提示词不一致,模型可能会编造工具名称,或声称已完成实际并未执行的操作。

例如,如果提示词中写的是 lookup_order,但提供的工具名为 search_orders,模型可能会使用错误的名称调用工具,或模拟执行该操作。

## 可用工具

只使用当前工具列表中明确提供的工具。

不要编造、臆测或模拟工具。如果指令中提到了某个工具,但工具列表中没有,就视为不可用。

如果用户请求的操作需要使用不可用的工具:
1. 不要假装已经完成操作。
2. 简要说明该工具当前不可用。
3. 在支持的操作中,提供最接近用户需求的下一步。

只有相关工具调用成功后,才能告知用户操作已完成。

使用附录中用于审核提示词的元提示词,检查生产环境的提示词是否存在指令矛盾、工具缺失或稍有变化就容易失效的指令。

处理静音和背景音

语音智能体通常会默认作答。在生产环境中,它们经常会听到无需出声回应的音频,例如静音、背景噪声、电话等待音乐、电视声音或旁人的交谈。

当助手应该保持安静、继续聆听时,请使用一个不执行实际操作的等待工具。这样,模型可以结束当前轮次,无需说“我在听”或“我没听清”。

工具设计:

{
  "name": "wait_for_user",
  "description": "Call this when the latest audio does not need a spoken response, such as silence, background noise, hold music, TV audio, side conversation, or speech not addressed to the assistant. This tool helps end the turn without a spoken reply.",
  "parameters": {
    "type": "object",
    "properties": {},
    "required": []
  }
}

配合以下提示词指令使用:

## 处理静音和背景噪声

如果刚收到的音频是静音、背景噪声、电话等待音乐、电视声音、旁人的交谈,或不是对你说的话,调用 `wait_for_user`。

调用该工具后,不要再开口回应。

不要说“我在听”“我没听清”“您慢慢来”或“准备好后告诉我”。

只有在用户明确对你说话或请求帮助时,才恢复正常回应。

这种做法适用于用户没有对助手说话的情况。如果用户显然是在对助手说话,但内容听不清,请让用户澄清请求。

按用途使用消息通道

gpt-realtime-2 可以在 commentary 通道中生成用户可见的中间消息,并在 final 通道中给出面向用户的最终回复。如果您对不同通道中的行为有不同要求,请为相应通道单独编写指令。

通道 用户是否可见 用途
commentary 是 行动前的说明和工具调用。
final 是 面向用户的最终消息。

例如,工具调用发生在 commentary 通道中。如果您希望助手在使用工具之前、期间或之后说些什么,请在指令中说明发言与 commentary 通道中工具调用的先后关系。

在 commentary 通道中调用工具前,简要告诉用户你正在做什么。

gpt-realtime-2 可以在单轮对话中输出多个阶段的回复。在 API 输出中,response.done 事件通过 phase 值标明相应内容是中间说明还是最终回答。

您可以使用该字段,在应用中分别处理各个阶段。例如,可以将中间说明播放或显示为简短的进度提示,并用 final_answer 呈现助手的完整回复。

response.output[0].phase: "commentary"
response.output[1].phase: "final_answer"

处理听不清的语音

模型只应根据它有把握听懂的语音采取行动。如果语音不清晰,模型应简短提问,请用户澄清,避免猜测。

不要让模型推测缺失的词语、调用工具、采集实体、生成行动说明,或在后台花时间推理以还原用户可能说过的话。

## 语音不清晰时的处理方式

- 只回应清晰的语音或文本。
- 如果用户的语音不清晰,用简短的英语请用户再说一遍,例如“Sorry, could you repeat that clearly?”。
- 不要连续两次用同一句话请用户澄清听不清的语音。
- 如果语音有歧义、有噪声、无声、无法听懂或部分中断,或无法确定用户的原话,就视为语音不清晰。
- 不要根据听不清的语音猜测用户的意思。
- 语音不清晰时不要推理。
- 语音不清晰时,不要在 commentary 通道中给出行动说明或调用工具。

示例:

用户语音:“查一下订单,三、一……”[语音中断]

不恰当的回复:

助手:我现在帮您查订单 31。

恰当的回复:

助手:订单号我只听到了一部分。您能逐位再念一遍吗?

准确采集实体

许多实时工作流都依赖准确无误的值,例如订单 ID、运单号、电子邮件地址、确认码、账号、理赔编号、工单 ID、客服受理编号和电话号码。

通过语音准确采集这些信息并不容易。用户可能语速很快,用不同方式给数字分组,只拼读部分内容,夹杂填充语,说到一半改口,或读出发音相似的字符。哪怕只错一位数字,也可能导致查询失败或查到错误的账户。

采集实体时要谨慎。一次收集一个值,只对明确的内容进行规范化,调用工具前确认必须准确无误的值,并确保用户每次纠正信息后都能重新核对。

每次收集一个实体

如果工作流需要多个值,请逐一收集。这样可以避免不同字段的内容混在一起,在语音对话中尤其重要。

## 实体采集顺序

逐一收集必填值。

- 只询问下一个缺失的值。
- 不要在同一轮中询问多个值。
- 提问前,先检查用户是否已在此前的对话或本次会话中提供过该值。
- 如果已有可能适用的值,先向用户确认再使用。

示例:

“我看到您之前提供的运单号是 ABC-54321。这次也用这个号码,还是有其他运单号?”

只有收集到当前值、验证其有效性并获得确认后,才能调用工具。

处理逐个拼读的字符

当用户逐个拼读 ID、代码、姓名或电子邮件地址时,可以使用以下指令。拼读内容是语音输入,需要将其整理为最终值。

## 逐个拼读的字符

如果用户逐个字符口述 ID、代码或电子邮件地址,将听到的字符连成一个值。保留用户明确读出的短横线、点号、下划线、斜杠或加号。除此之外,不要自行添加空格或分隔符。

示例:

- "A B C one two three" -> "ABC123"
- "B C dash nine eight seven" -> "BC-987"
- "J O H N at example dot com" -> "john@example.com"

除非用户明确说值中包含空格,否则不要在逐个拼读的字符之间插入空格。

谨慎规范化口述数字

口述数字标识符时,用户可能逐位读出数字、分组读数,或按日常习惯读出整个数。如果字段需要一串连续的数字,请将听清的数字转换为相应的数字串。

## 处理口述数字

收集数字标识符时,将口述的数字转换为数字串。

示例:

- "one two three four" -> "1234"
- "one twenty three" -> "123"
- "one nineteen" -> "119"
- "ninety nine eleven" -> "9911"
- "nine thousand nine hundred eleven" -> "9911"

如果存在多种合理的解读,先请用户澄清再使用该值。

示例:

“我不确定听到的是 119 还是 1-19。您能逐位再念一遍吗?”

调用工具前确认精确标识符

订单 ID、运单号、账号、理赔编号、确认码和类似标识符都必须准确无误。在工具调用中使用这些字段前,请先确认。

对于数字标识符,请逐位复述。按完整数值读出来可能会让错误更难察觉。

示例:

助手:我确认一下,我听到的是 8……3……5……2……1,对吗?

如果用户纠正了其中一个字符或数字,请在调用工具前完整复述更正后的值。

示例:

助手:好的,现在是 8……3……5……7……1,对吗?

## 确认精确标识符

在使用必须准确无误的标识符调用工具前:

- 与用户确认规范化后的最终值。
- 逐位复述数字标识符。
- 不要使用猜测、不完整或有歧义的值。
- 如果用户纠正了该值,在调用工具前完整复述更正后的值。

逐个字符确认电子邮件地址

电子邮件地址必须准确。点号、短横线、下划线、重复的字母以及发音相似的名字都可能导致账户查询失败,或将消息发到错误的地址。

请用户拼读电子邮件地址:

助手:您能逐个字符拼一下电子邮件地址吗?我想确保每个字符都记对了。

复述时,请核对完整的最终地址:

助手:我确认一下,是 c、h、e、n,接着是 @,然后是 example、点、com,对吗?

## 确认电子邮件地址

电子邮件地址必须记录准确。

如果用户按日常习惯说出地址,没有逐个字符拼读,请用户逐个字符再说一遍。

示例:

“您能逐个字符拼一下电子邮件地址吗?我想确保每个字符都记对了。”

复述时,请与用户核对完整的最终地址。

示例:

“我确认一下,是 c、h、e、n,接着是 @,然后是 example、点、com,对吗?”

实体采集工作流

避免按字面执行指令带来的问题

与早期实时模型相比,gpt-realtime-2 会更严格地按字面遵循指令。在旧模型上效果良好的提示词可能需要调整。

措辞要准确。模型可能优先遵循指令的字面表述,而忽略您原本希望它在更广泛的情形下采取的行为。过于宽泛或僵化的规则可能以意想不到的方式左右助手的行为,多条规则相互重叠时尤其如此。

慎用 must、only、never 和 always 等表示约束的词。只有行为确属硬性要求时才使用这些词,避免仅为加强语气而使用。过多的硬性约束可能使助手机械行事、过于谨慎,或无法处理合理的例外。

建议明确适用范围:

对于会修改用户数据的写入操作,调用工具前请用户确认。

避免范围过宽:

做任何事之前,一律先请用户确认。

后一种写法可能导致助手在执行无风险的只读查询前也要求确认,例如查看订单状态、查询可用情况或读取账户信息。

按字面理解指令的示例

编写提示词的一般建议:

  • 用明确的指令表达意图,避免让模型自行揣测。
  • 除非某种行为确实必须严格执行,否则避免使用不必要的约束词。
  • 尽量减少相互矛盾的指导。
  • 谨慎使用多层优先级指令,尤其要留意指令之间的优先级冲突。
  • 逐步测试提示词。微小的措辞变化就可能显著改变模型行为。
  • 从早期实时模型迁移时,部分提示词可能需要重新组织才能获得最佳效果。

分别控制语言和口音

请分别设置语言和口音要求。

用户的口音不能代表他们希望使用的语言。例如,用户说英语时可能带有印地语、西班牙语、法语或普通话口音,但仍然希望得到英语回复。

避免使用如下宽泛的语言指令:

模仿用户的说话方式。
自然地用用户的语言回答。
适时切换语言。
说得像当地人一样。
根据用户的口音调整自己的口音。

这些指令范围过宽。模型可能会因为口音、填充词、简短的应和声或个别外语词而切换语言。

英语回复策略

## 语言

默认用英语回复。

- 不要仅凭口音推断语言。
- 判断语言时,忽略简短的填充音、应和声和零星的外语词。
- 只有在用户明确要求,或用另一种语言表达了实质性内容时,才切换语言。
- 如果没有把握判断语言,简短提问确认,不要猜测。
- 行动前的说明、口头过渡语、与工具相关的消息和最终回答都使用同一种语言。
- 调整口音时,不得改变回复语言。

多语言策略

## 语言

除非用户明确使用了另一种语言,否则默认使用英语。

只有遇到以下情况才切换语言:

- 用户明确要求使用另一种语言。
- 用户用另一种语言表达了实质性内容,即提出了完整的请求、问题或更正。仅仅是问候、姓名、地址、填充词或借用的短语都不算。

不要根据以下线索切换语言:

- 口音。
- 发音。
- 填充词。
- 简短的应和声。
- 姓名。
- 地址。
- 零星的外语词。

如果不确定,可以问:

“您希望我继续用英语,还是用 [LANGUAGE]?”

控制口音

gpt-realtime-2 能更严格地遵循有关口音的指令,但模糊的口音提示词可能导致口音逐渐变化,或意外切换语言。

用于控制口音的提示词最好明确以下内容:

  • 目标口音。
  • 哪些特征应保持稳定。
  • 期望的语速、重音和韵律。
  • 调整口音是否应影响语言选择。

避免这样写:

说得像澳大利亚人一样。

建议这样写:

## 口音

用略带澳大利亚口音的英语说话。

- 从第一个词到最后一个词都保持口音稳定。
- 元音采用自然的澳大利亚英语发音,同时确保容易听懂。
- 不要刻意夸大口音。
- 不要因为用户的口音而改变回复语言。

自定义声音

如果标准声音无法稳定满足品牌、口音或角色要求,请使用自定义声音。

提示词可以引导口音、语速和表达方式,但无法完全取代声音设计。如果您的场景要求品牌声音始终如一,或需要准确还原特定口音,可以考虑使用自定义声音。

自定义声音仅向获批客户开放。请联系为您提供服务的客户团队获取使用权限。

在长会话中维护状态

gpt-realtime-2 将实时上下文窗口从 32k 个 Token 扩展到 128k 个 Token,更适合长会话。对于交流密集的双向对话,128k 个 Token 大致可容纳 1 至 2 小时的原始音频。实际可容纳的时长取决于工具使用、内部推理、注入的记录及其他会话细节。

在长上下文场景中,如果 gpt-realtime-2 能区分哪些信息仍然有效、哪些只是背景,以及来源冲突时应忽略哪些内容,效果会更好。请用清晰的结构标注信息,避免让模型仅凭原始对话记录或大段未经整理的上下文推断来源优先级。

如果会话一开始就需要提供大量上下文,例如检索到的记录、历史对话、政策、摘要、账户备注或背景文档,请按结构化模板组织这些信息。

从早期实时模型迁移

从早期实时模型迁移时,请结合提示词控制的具体行为来调整内容,避免仅仅照搬文本。

  1. 使用 Codex 或能力较强的推理模型,按照最新的 Realtime 提示词指南重新组织提示词。附上本指南的链接,让迁移过程有最佳实践可供参考。
  2. 将推理强度设为 low,覆盖默认值。仅在工作流需要更深入的规划时提高强度。
  3. 检查工具名称、参数、枚举、JSON 模式及其他设置,确保它们与预期实现一致。
  4. 删除过时的示例。为正常流程、存在歧义、对话中断、工具调用以及回退处理等情形添加简短示例。
  5. 比较迁移前后的代表性对话。使用现有评测检查是否出现退化,并记录有意引入的行为变化。
  6. 最后检查一遍一致性,确认提示词清楚区分了硬性要求、默认行为、工具规则、安全规则和回退行为。
  7. 运行评测,检查有代表性的失败案例,持续调整提示词,直到模型能可靠地按预期行动。

后续步骤

如果您使用 GPT-Live:

如果您使用 Realtime: