把模型当同事用：GPT-5.5 式 Agent 工作流实战（ChatGPT / Codex）

很多人看到“新模型发布”就只问一个问题：更聪明了吗？

更该问的是：能不能把一件复杂工作从头做到尾？

面向真实工作场景的模型，关键能力通常集中在三件事：

• 能理解“复杂目标”（不是一句话需求那种）
• 会主动用工具（文件、浏览器、代码环境、插件、系统操作）
• 会自我检查（知道哪里可能错，能返工到可交付）

这套东西，我习惯叫它：把模型当“能干活的同事”来用。下面直接上可执行的打法。

备注：我没法替你验证某条截图/标题是不是官方发布。判断标准很简单：以你自己 ChatGPT/Codex 里能否选到对应模型、官方文档/控制台是否出现为准。

你真正需要的，不是“更强”，是“更能跑完流程”

所谓 Agent 体验，说白了就是：

• 给它一个目标，它能把任务拆成一串动作
• 中途遇到缺信息，会问你要、会自己去找（在你允许的工具范围内）
• 做完会对照验收标准检查，不合格会继续改

你最直观的感受会是：

• 以前你要盯着它一步步走，现在它能自己推进一段时间
• 以前输出像“作文”，现在更像“交付件”（代码、表格、清单、报告、可运行脚本）

开工前 2 分钟：把“可控性”设好，不然后面一定翻车

1）确认你要它交付什么

别说“帮我做个方案”。改成这种：

• 交付物：README + 里程碑计划 + 风险清单 + 可复制的执行步骤
• 格式：Markdown 或 表格
• 时间范围：按 1 周能落地的版本

2）把工具权限讲清楚

你允许它用什么？不允许什么？

• ✅ 允许：读取我上传的文件、使用代码执行器、访问指定网站
• ❌ 不允许：登录账号、下单购买、执行不可逆操作

3）设“停止条件”，防止它无休止扩展

例子：

• “最多给 2 套备选方案，选不出来就问我”
• “查资料最多 15 分钟，超时给当前最可靠结论+不确定点”

通用 Agent 提示词模板（直接复制就能用）

把下面这段当你的“标准工单”。你每次只改【目标】和【约束】就行。

你现在扮演我的执行型 Agent。

【目标】
把 XXX 做到可交付：……（一句话说清终点）

【背景资料】
- 我会提供文件/链接：……
- 已知限制：……

【可用工具】
- 你可以使用：文件阅读、代码执行、浏览器搜索、插件（如有）
- 你不可以：登录我的账号、进行支付、删除不可恢复数据

【交付物】
- 必须输出：A、B、C
- 输出格式：Markdown，包含清单/表格

【验收标准】
- 满足：……（可检查、可量化）
- 必须列出：关键假设 + 风险 + 下一步

【工作方式】
- 先给“行动计划”（不超过 8 条），再执行
- 每完成一块就自检：哪里可能错？证据是什么？
- 信息不足就问我，不要瞎编

这段模板的价值是：把模型从“聊天模式”切到“交付模式”。

场景 1：代理式编程（Agentic Coding）——让它写代码别只会“贴片段”

你想要的不是一段代码，你想要的是：

• 能跑
• 有测试
• 能读懂（命名、注释、结构）
• 有回滚/错误处理

实战任务：加一个功能并跑通测试

你可以这样下单：

目标：在现有项目里新增“批量导入 CSV”的功能，并提供单元测试。

约束：
- 不允许引入超过 1 个新依赖
- 兼容 Node 18
- 失败时给出可读错误信息

交付：
- 改动点列表
- 关键代码片段
- 测试用例
- 运行方式（命令行）

自检：
- 覆盖边界：空文件、超大文件、非法字段、重复数据

你要盯住的 3 个关键点

• 让它先扫项目结构：目录树、入口文件、现有测试框架
• 让它先写测试再补实现：能大幅减少“看起来对，跑不起来”
• 让它输出变更清单：你 review 会轻松很多

场景 2：电脑操控（Computer Use）——把“点点点”外包出去 🖥️

最适合外包的工作长这样：

• 页面步骤固定
• 需要重复很多次
• 你不想每天被这些琐事拖到晚下班

实战任务：整理一份竞品价格表

给它一个明确动作序列：

目标：从 5 个竞品官网整理“套餐价格/限制/是否含 API”的对比表。

规则：
- 每个竞品至少引用 1 个官方页面链接
- 遇到地区/币种切换，按“美元/月”统一
- 查不到就标记“未知”，并写明你查过哪里

交付：
- 一张对比表（Markdown 表格）
- 链接清单
- 不确定点列表

小提醒

• 电脑操控最怕“你没说清楚就默认瞎点”。把禁区说清楚：不登录、不授权、不提交表单。

场景 3：知识工作（Knowledge Work）——让它产出能直接发的文档

常见的“伪努力”是：让模型写一篇看似完整、实际空洞的报告。

解决办法：让它按交付结构写，而不是按“文章”写。

实战任务：写一份能开会的周报/项目复盘

直接用这个结构压住它：

• 本周产出（可验证：链接/截图/PR/数据）
• 关键决策（做了什么取舍，为什么）
• 风险与阻塞（需要谁拍板）
• 下周计划（按天拆到任务，标责任人/依赖）

提示词示例：

把我粘贴的工作记录整理成“能直接发到群里”的周报。

硬要求：
- 每条产出后面带证据（链接/数字/文件名）
- 把风险按“影响/概率/应对”写成表
- 任何含糊词（比如“优化了”“提升了”）都要改成具体结果

场景 4：早期科研/调研（Early Scientific Research）——它像个“迭代型研究搭子”

早期研究最折磨人的地方是：线索多、概念乱、方向摇摆。

你需要的是：

• 研究地图（领域→子方向→代表方法）
• 证据链（每个结论对应引用）
• 可复现实验/验证思路（哪怕是小实验）

实战任务：把一个方向快速摸清

示例提示词：

方向：用 LLM 做“长程任务规划”的方法综述（偏工程落地）。

交付：
- 概念地图：关键术语+它们的关系
- 代表路线：每条路线 3 篇代表工作（给链接）
- 工程落地清单：做 demo 需要的组件/数据/评估指标
- 争议点：3 个争议点，每个争议点给两派观点与证据

规则：
- 不要编论文，不确定就标注“待核验”
- 只要 10 篇以内，但要“典型+高质量”

这种任务的爽点在于：你不用一次把问题问完。你可以让它一轮轮迭代，把图越画越清晰。

自我检查（Self-check）怎么写才有效：给它一张“质检单”

很多模型会“自检”，但你不给标准，它就会自嗨。

直接把质检项写死：

• 检查 1：需求对齐（交付物是否齐全？有没有漏项？）
• 检查 2：事实核验（引用是否存在？数据来源在哪里？）
• 检查 3：可执行性（照着做能复现吗？缺哪些前置条件？）
• 检查 4：风险提示（哪里最可能翻车？如何止损？）

你甚至可以加一句狠话：

“如果发现自己在猜，就停下来问我，不要继续写。”

速度不变、token 更省：你能怎么“薅到效率”？

如果模型延迟差不多，真正影响你体验的是两点：

• 同样的任务，输出更短更准（token 更省）
• 返工次数更少（你少催它、少改它）

你可以这样控成本：

• 明确输出长度：比如“对比表不超过 30 行”
• 要求“先给大纲，确认后再展开”
• 要求“引用优先，观点靠后”（减少空话）

避坑清单（真的很常见）

• 只说“做个 XX”，没说交付格式：它就写成一篇散文
• 不给工具权限边界：它就会在你不想的地方乱试
• 没有验收标准：它永远觉得自己写得不错
• 一次塞太多目标：它会平均用力，结果样样不精
• 让它“持续执行”但不给停止条件：能把你带进无尽分支地狱

一套你今天就能用的“Agent 工作流”

把复杂工作跑起来，用这个闭环就够了：

• 目标（可交付）
• 计划（8 条以内）
• 执行（每块出结果）
• 自检（按质检单）
• 追问（缺信息就问）
• 复盘（沉淀模板，下次直接复用）

你会发现：模型的“聪明”没那么玄学，你把工单写清楚，它就能更像人一样干活。

想要我帮你把某个具体任务（写代码/做调研/写方案/做对比表）改成一份可直接投喂的 Agent 工单，把你的目标和素材丢过来就行。