Загрузка...

Как заставить GPT доводить задачи до конца: промпты и настройки GPT

Как заставить GPT доводить задачи до конца: промпты и настройки GPT

GPT исправил файл, написал «готово» и забыл про тесты. После «продолжай» вспомнил про тесты, но забыл их запустить. Получается разработчик с ручным приводом.

OpenAI признаёт раннее завершение задач в GPT-5.1 Prompting Guide. Это сокращённая адаптация руководства: инструкции для кодинг-агента, параметры API и границы их применения. Примеры для Laravel добавлены при переводе.

Задать условие завершения

OpenAI рекомендует прямо требовать полный цикл: изучить контекст, внести изменения, проверить и доработать. Перевод блока solution_persistence, с ограничением опасных действий:

Самостоятельно собирай контекст, планируй, реализуй, тестируй и исправляй найденные проблемы. Не жди нового запроса на каждом этапе.
Не заканчивай на анализе или частичной правке. Доводи согласованную задачу до проверенного результата.
Остановись, если пользователь изменил направление или возник блокер, требующий его решения.
Деплой, удаление данных и другие опасные действия выполняй только с разрешения.

К общим инструкциям нужны критерии конкретной задачи:

Исправь повторное списание при повторной доставке webhook.
Готово, когда:
- первая доставка создаёт одну операцию;
- повтор того же event_id не создаёт новую;
- регрессионный тест проходит.
Запусти соответствующие тесты. Если запуск недоступен, укажи причину. Не выдавай написанный тест за пройденный.

Краткость ответа настроить отдельно

По наблюдениям OpenAI, излишняя краткость иногда ухудшает полноту решения. Ограничивать стоит отчёт:

В итоговом ответе укажи: что изменено, чем проверено, что осталось. Для небольшой правки достаточно трёх пунктов. Не копируй полные методы и логи.
Ограничение длины относится к ответу, не к объёму работы.

Во время длинного запуска полезнее сообщить «нашёл запись операции до проверки event_id», чем десятый раз обещать продолжить исследование.

reasoning и verbosity решают разные задачи

reasoning.effort задаёт режим рассуждения, text.verbosity — подробность ответа. Пример запроса через HTTP-клиент Laravel:

<?php

use Illuminate\Support\Facades\Http;

$response = Http::withToken(config('services.openai.key'))
    ->timeout(60)
    ->post('https://api.openai.com/v1/responses', [
        'model' => 'gpt-5.1',
        'reasoning' => ['effort' => 'none'],
        'text' => ['verbosity' => 'low'],
        'instructions' => 'Отвечай кратко. Проверяй все условия.',
        'input' => 'Объясни разницу между идемпотентностью и дедупликацией.',
    ])
    ->throw()
    ->json();

$text = collect($response['output'] ?? [])
    ->where('type', 'message')
    ->flatMap(fn (array $message) => $message['content'] ?? [])
    ->where('type', 'output_text')
    ->pluck('text')
    ->implode("\n");

echo $text;

Ключ задайте в config/services.php: 'openai' => ['key' => env('OPENAI_API_KEY')]. Сам ключ хранится в .env. throw() выбросит исключение при HTTP-ошибке. Текст извлекается из элементов output[].content[] с типом output_text: отдельного поля output_text, которое предоставляет Python SDK, в сыром ответе ожидать не нужно.

У GPT-5.1 значение none отключает reasoning-токены. Инструменты web search, file search и пользовательские функции при этом доступны. Для сложного расследования режим нужно сравнить на своих задачах; меньшая задержка ещё не означает больше правильных решений. Пример выше показывает параметры API, а не автономного агента.

Вызов инструмента ещё не означает выполненное действие

В руководстве описаны apply_patch и shell. Модель формирует операцию; ваше приложение применяет патч или запускает команду и возвращает результат.

Модель → shell_call → исполнитель → shell_call_output → модель
  • Для патча вернуть успех или ошибку и диагностический вывод.
  • Для команды вернуть stdout, stderr и код завершения.
  • Связать результат с исходным вызовом через call_id.

Если интеграция не продолжает цикл после выполнения инструмента, требование «не останавливайся» её не починит. Доступ к файловой системе тоже появляется у исполнителя, а не от слова shell в промпте.

Описание функции должно задавать условия использования. Например: «после изменения поведения запусти соответствующие тесты; успех подтверждай только результатом запуска». Ошибку подключения к БД нужно отличать от упавшего assertion.

Независимые чтения можно выполнять параллельно. Запуск тестов должен дождаться сохранения правок. Два агента, одновременно исправляющие один метод, обычно ускоряют только появление конфликта.

План хранить с состояниями

OpenAI предлагает для многошаговых задач 2–5 этапов в отдельном инструменте планирования. Один этап имеет статус in_progress, остальные ожидают или завершены. Статусы обновляются по ходу работы.

completed    Воспроизвести повторное списание
in_progress  Исправить обработчик и добавить тест
pending      Запустить проверки и оценить результат

При смене подхода обновить план. Перед завершением объяснить каждый невыполненный пункт. Перенос тестов на потом не делает исправление проверенным. Для правки в несколько строк такой учёт избыточен.

Ограничить генерацию интерфейса

В разделе про дизайн OpenAI рекомендует использовать токены и существующие компоненты. Новый цвет сначала добавляется в палитру светлой и тёмной темы, затем применяется в интерфейсе.

Используй компоненты проекта и цвета из его токенов. Не добавляй произвольные hex/rgb в шаблоны. Если токена не хватает, предложи минимальное расширение для обеих тем.

Исправлять промпт по сбоям

«Не задавай вопросов» и «ничего не предполагай» конфликтуют при первом недостающем параметре. OpenAI предлагает сначала разобрать неудачные запуски, затем точечно изменить инструкции.

  1. Собрать запрос, реально выполненные вызовы, ответ и причину неуспеха.
  2. Попросить модель указать конкретные строки промпта, вызывающие сбой. Пока ничего не переписывать.
  3. Отдельным запросом устранить противоречия, сохранив рабочие правила.
  4. Повторить исходные примеры и проверить регрессии.

Например, вместо двух запретов задать приоритет: безопасные недостающие детали допускают явно названное предположение; отсутствие данных для оплаты, удаления или деплоя требует уточнения.

Что проверить в рантайме

Это уже дополнение к руководству. Если агент всё равно останавливается, проверьте лимит шагов, тайм-аут, бюджет токенов и возврат результатов инструментов. Для автоматического продолжения нужен внешний контролёр критериев готовности, ограниченный числом попыток. Бесконечное «попробуй ещё» расходует деньги вполне успешно.

Начать достаточно с критериев приёмки и честной обратной связи от исполнителя. Затем прогнать один и тот же набор задач до и после изменения промпта. Без такого сравнения улучшение останется впечатлением.

Источник: OpenAI, GPT-5.1 Prompting Guide и исходник в Cookbook. Рекомендации относятся к GPT-5.1; перенос на другие модели требует проверки.

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *