近期，限时先删OpenAI 与 Anthropic 在额度发放上展开了激烈竞争。掉堆

随着 Fable 5 的官方多次延期，Codex 直接取消了 Plus、指南Business 及 Pro 用户每 5 小时的限时先删使用时长限制。

对于 Codex 的掉堆高频用户而言，这意味着无需再遵循网络上流传的官方“每 5 小时发送一条消息以重置计时器”的繁琐操作，避免了在急需使用时因额度耗尽而被迫等待的指南尴尬。

然而，限时先删随着用户开始大规模使用，掉堆一个显著的官方新问题浮现：GPT-5.6 虽然更加智能，但其 Token 消耗速度也呈指数级增长。指南

此前在 Codex 内实测 GPT-5.6 时，限时先删仅一个 3D 网页开发任务，掉堆便导致 Codex 持续运行近三个小时。官方

社交媒体上的反馈证实了这一现象，大量用户抱怨 GPT-5.6 驱动的 Codex 已成为“Token 刺客”，不仅耗时增加，额度消耗更是令人咋舌。

尽管官方解释称，这是由于用户低估了 GPT-5.6 Sol Ultra High 推理档位的 Token 消耗，以及部分待修复的 Bug 所致，但问题依然普遍存在。

更有用户发现，随着模型智能水平的提升，以往被视为神器的 Skills 对 GPT-5.6 而言，反而成了 Token 消耗的主要来源，甚至成为一种负担。

社区共识逐渐形成：Superpowers、Grill 以及 AGENTS.md 等 Skills 和文档现在可以直接删除。由于现代模型已具备原生 Agentic 能力，外部 Skills 的反复调用不仅冗余，还会污染上下文窗口，导致思考时间延长和 Token 浪费。

Superpowers 曾是 Agent 工具链中的必备 Skill，其逻辑是强制模型在任务开始前进行头脑风暴，并通过系统性 Debug 和验证走完固定流程。

然而，无论是 Fable 5 还是 GPT-5.6 Sol，模型能力的提升正在稀释 Skills 的功能价值。更强的模型需要更直接的工具交互，而 Skills 正逐渐沦为“过去式”。

有用户犀利点评：“这玩意儿就像那种安装后后台常驻且无法关闭的流氓软件，吃 Token 的速度比吃大米还快。”

因此，新模型必须匹配新的使用范式，否则 Token 将被无谓耗尽。

OpenAI 开发者体验工程师 Eric 在 X 平台发布了 GPT-5.6 的官方提示词指南，核心建议聚焦于设定边界：模型应在其运行的沙箱范围内工作，并明确定义成功验证的标准及完成状态。提示词中的歧义是导致运行时间和 Token 消耗激增的主要原因。

如何高效榨干 GPT-5.6 的潜力？

没有万能公式，无需照搬角色设定，也不必堆砌分步思考指令。OpenAI 的首要建议是：用你自己的话开始。

简短的提示往往足以启动任务。对于更复杂或重要的任务，补充以下四类信息即可：
1. 期望的结果
2. 相关背景
3. 成品形态
4. 不可触碰的边界

换言之，提示词高手的角色正在转变为“会交代工作的同事”。AI 的潜台词是：“少教我怎么做，只需说清楚你要什么。”

这份指南的深层价值在于揭示了新的工作分工：当 AI 从简单的聊天框走向 Work 和 Codex，提示词已从单一问题演变为任务简报、交付标准和验收规则。

1. 提示词的核心应在于“结果”

许多用户习惯为 AI 预设完整的工作流程：先分析、再建框架、逐项比较、最后得出结论，甚至规定角色、步骤数和字数。

OpenAI 的建议恰恰相反：先描述结果，仅在过程影响成品时才指定步骤。

例如，将会议记录整理为项目团队更新，只需说明：“将决定和下一步行动置于前端，形成简短更新。”

这两句话已清晰定义了交付物、读者和信息优先级。至于 AI 是先提取决定还是识别行动项，用户无需干预。过度规定步骤反而限制了模型搜索、比较和调整策略的空间。

这种转变源于模型能力的进化。早期模型易跑偏，故需复杂模板约束；如今模型具备文件读取、资料搜索、工具调用及代码编写能力，甚至能持续工作。人类若继续微观遥控，如同聘请同事却规定其每次点击鼠标的顺序。

2. 背景越多，结果未必越好

传统教程常建议“尽可能提供上下文”，导致用户倾倒数十份文件及长篇说明。

▲ 部分 Skills 现已沦为“无效上下文”

OpenAI 的标准更为克制：仅提供会改变结果的信息。

撰写项目周报时，最新计划和 Slack 中的既定决策至关重要；但三个月前的头脑风暴记录仅会制造噪音。若需 AI 根据截图判断界面问题，必须明确指出关注区域，而非期待其自动猜测。

这一原则考验用户的判断力：需区分决定性资料与背景知识，识别当前版本与过期文档，并在多源冲突时指定优先级。

因此，连接 Google Drive、Gmail、Slack 或 GitHub 后，最有效的提示并非“搜索所有内容”，而是明确：去哪里找、找什么、用于做什么。

例如：“使用 Drive 中的最新项目计划，结合 Slack 频道中与当前进度相关的决定和更新，准备一份状态简报。”

明确了资料入口、时间有效性和交付用途，AI 才能从“泛泛而看”转向“精准获取”。

3. 真正高价值的提示词，往往写在“边界”里

目标指引方向，边界控制风险。

官方指南中的边界设定非常具体：保留已批准的日期和预算；仅使用指定来源，缺失信息需标注；先起草邮件，禁止直接发送；建议控制在预算内。

这些表述虽无华丽技巧，却远比“你是一位拥有 20 年经验的专家”实用。

AI 进入真实工作场景后，最大风险并非文笔不佳，而是篡改数据、猜测缺失信息、绕过审批流程或误发草稿。

OpenAI 提醒，边界设定应聚焦于一两个可能引发额外工作的关键风险。若规定过细，任务将退化为人工遥控；若完全无边界，则如同将公司账号交给行动力强但缺乏经验的实习生。

这也是 OpenAI 逐渐厘清 Chat、Work 与 Codex 界限的原因。

4. 好的提示词，收尾在于“验收”

再完美的任务简报，若缺乏检查，仍可能在交付前翻车。

OpenAI 在示例中多次加入最终检查环节：
* 项目更新需确认每项行动均有负责人和截止日期；
* 季度报告生成简报与演示文稿后，需核对数据一致性；
* Codex 修复 Bug 后，需重新执行复现步骤并运行最小范围的相关测试。

这些要求具备共同点：可验证性。“写得专业一点”难以验收，而“控制在一页内，先写三个待决事项，每个数字标明来源”则易于检查。

过去，提示词关注输入的智能程度；如今，随着 AI 开始交付文件、修改代码和操作工具，输出的可审查性变得更为关键。提示词实质上是一份小合同：前半段定义交付物，后半段定义完成标准。

Codex 的官方示例尤为典型：修复设置页 Bug 时，用户需提供复现步骤、相关文件及约束条件，并要求 Codex 先在本地复现，提出补丁，修复后再次复现，并运行验证和最小测试集。

模型能力越强，这种验收意识越重要。能持续工作的 AI 虽能处理更多事务，但也可能沿错误方向走得更远。

5. 第一条提示，无需完美

官方指南消除了另一种焦虑：首条提示无需一次到位。

先看结果，再指示具体修改。大多数任务可通过后续消息迭代完成，无需清空对话。

这更符合人类协作逻辑：我们很少能在初次交代时预见所有细节，往往需看到草稿后，才知悉对结构、语气或证据的真正关切。

OpenAI 将这种“边做边改”的理念融入 Codex 交互：

• 引导功能：将新信息注入当前任务，直接调整方向；
• 排队功能：将消息排入下一轮，待当前工作结束后处理；
• 语音输入：在 ChatGPT 桌面端按住 Ctrl+M，直接口述想法，检查转写后发送。

OpenAI 意在表明：自然语言已足够，真正影响结果的是我们是否想清楚需求，以及在发现偏差时能否准确指正。

Chat、Work 与 Codex：按任务重量选择

这份指南将三种场景并列，选择依据在于任务重量：

• Chat：适合快速问答、简短改写、头脑风暴及轻量草稿。如同即时协助，几轮对话即可收尾。
• Work：面向需多资料/工具、含多步骤、涉及修改或需交付较大成果的任务。如产品研究、报告整理、演示文稿制作，或协调发布流程（整合时间线、负责人、依赖、风险、公告及 FAQ）。

• Codex：处理代码、代码库及开发工具。如解释跨模块请求、复现并修复 Bug、补充函数测试、根据截图制作原型，或将重构任务交予云端执行。

选择逻辑：
* 单一问题 → Chat
* 需资料、过程及文件的工作 → Work
* 需进入代码库、调用开发工具并运行验证的工作 → Codex

将简单问题塞入 Work 会浪费额度；让 Chat 承担跨来源、带审批及文件交付的复杂任务，易中途崩溃。

选对工具后，提示词反而可以更精简，因为产品已为用户提供了部分环境、上下文和执行能力。

结语：AI 越会干活，人越要会定义“干完”

无论是 Skills 还是提示词，过去常被视为互联网秘术。有人收集万能开场白，有人研究标点措辞，有人将长篇模板存入收藏夹，期待复制粘贴即得高质量答案。

OpenAI 的官方指南实则重申了使用 AI 的常识：说清结果，给对材料，标出风险，约定验收；若首版有偏差，继续迭代。

模型升级将不断淘汰具体技巧，某些关键词或 Skills 今日有效，明日即可能冗余。

未来真正稀缺的能力，并非编写复杂的提示词，而是：
1. 知道什么值得交给 AI；
2. 判断什么结果可直接使用；
3. 明确哪些动作必须由人拍板。

当 AI 进化到能听懂人话，现在轮到我们将工作讲明白了。