Prompt Engineering 进阶：多轮上下文、结构化输出与 GPT-5.6 调优

第一篇 Prompt Engineering 讲了 8 个基础模板（角色、目标、约束、示例、格式…）。这篇是其进阶版：多轮上下文、结构化输出、few-shot 实战、长上下文策略、以及和 reasoning.effort 的协同。GPT-5.6 + Responses API 让这些模式比 GPT-4o 时代更稳。

1. 多轮上下文管理

GPT-5.6 上下文窗口 1.05M token，但实际成本按 token 计费，且越远的内容模型注意力越弱。多轮管理三件套：

滑动窗口

只保留最近 N 轮（通常 5-10）。最简单，缺点是丢失早期上下文。

messages = [
    {"role": "system", "content": STATIC_INSTRUCTION},  # 不变
    *messages[-10:]  # 只留最近 10 轮
]

摘要压缩

把早轮用一次独立调用摘要成 1-2 段，再塞回 history。保留关键信息但省 token。

def summarize(messages):
    summary_resp = client.responses.create(
        model="gpt-5.6-luna",
        input=messages,
        instructions="总结以下对话为 2-3 句话，保留决策、事实、未解决的问题："
    )
    return summary_resp.output_text

# 每 N 轮触发一次摘要
if len(messages) > 20:
    summary = summarize(messages[:-10])
    messages = [{"role": "system", "content": STATIC_INSTRUCTION},
                {"role": "system", "content": f"对话摘要：{summary}"},
                *messages[-10:]]

静态指令移出 system

不变的规则（角色、约束、风格）放 system；对话只放最新几条。system 占的 token 少、易于调试。

生产建议组合：滑动窗口 + system 静态指令，超过 15-20 轮再加摘要。

2. 结构化输出（Structured Outputs）

GPT-5.6 + Responses API 支持 strict JSON Schema 强制——模型在 token-by-token 解码时就保证符合 schema，几乎不可能格式错。比正则后处理稳定 100 倍。

schema = {
    "type": "object",
    "properties": {
        "intent": {"type": "string", "enum": ["search", "order", "cancel", "other"]},
        "confidence": {"type": "number", "minimum": 0, "maximum": 1},
        "items": {
            "type": "array",
            "items": {
                "type": "object",
                "properties": {
                    "name": {"type": "string"},
                    "qty": {"type": "integer", "minimum": 1}
                },
                "required": ["name", "qty"],
                "additionalProperties": False
            }
        }
    },
    "required": ["intent", "confidence"],
    "additionalProperties": False
}

response = client.responses.create(
    model="gpt-5.6",
    input="我要订两杯美式咖啡",
    text={"format": {"type": "json_schema", "json_schema": {"schema": schema, "strict": True}}}
)
# response.output_text 一定符合 schema，无需校验

关键细节：

• additionalProperties: False —— 防止模型塞额外字段
• enum 类型严格收敛输出空间
• required 显式列出所有必填字段

3. Few-shot 实战

3-5 个示例最佳。挑边界情况，不是挑你希望它怎么输出的那一个——挑它容易翻车的几个。

[示例 1 - 简单正面]
输入: "我要一杯拿铁"
输出: {"intent": "order", "items": [{"name": "拿铁", "qty": 1}]}

[示例 2 - 改单]
输入: "改成两杯"
输出: {"intent": "modify", "items": [{"name": "拿铁", "qty": 2}]}

[示例 3 - 取消]
输入: "算了不要了"
输出: {"intent": "cancel", "items": []}

[示例 4 - 闲聊]
输入: "你推荐什么咖啡好喝？"
输出: {"intent": "other", "items": []}

[示例 5 - 多意图]
输入: "再来一杯美式，加一份糖"
输出: {"intent": "order", "items": [{"name": "美式", "qty": 1}, {"name": "糖", "qty": 1}]}

排版按难度递增；示例放 user 消息（不是 system），让模型视它为"对话的一部分"。

4. 长上下文策略

1.05M token 听起来很多，但单次 1M input × Sol $5/MTok = $5/次。三条省钱杠杆：

• Prompt Caching：重复前缀（system 指令、长文档）按缓存价计费（约原价 1/2）
• 分块处理：长文档先分块，Luna + effort=none 跑提取，再聚合；比一次性塞满便宜 10 倍
• 分层摘要：详细放最后（注意力强）、摘要放最前；不要指望模型精确读中间位置

启用 Prompt Caching：

response = client.responses.create(
    model="gpt-5.6",
    input=[
        {"role": "system", "content": LONG_DOCUMENT},  # 缓存命中
        {"role": "user", "content": "文档里提到了哪几个产品？"}
    ],
    prompt_cache_key="doc-product-overview",       # 同 key 命中缓存
    prompt_cache_options={"mode": "explicit"},      # explicit / implicit（默认）
)

两种模式：

• implicit（默认）：OpenAI 自动决定缓存边界
• explicit：你在 content block 上显式标 prompt_cache_breakpoint，告诉模型缓存到哪结束——更可控

每个请求最多 4 次缓存写入、50 个 breakpoints；每 key 建议 ≤15 次/分钟。

5. 与 reasoning.effort 的协同

reasoning.effort 决定"想多深"，prompt 决定"想什么"。先 effort 再 prompt。

经验：把 effort 拉到 high 比把 prompt 写得天花乱坠更有效。模型想得深的时候，prompt 反而要短——给它清晰的子问题比给一堆规则强。

6. 常见错误与排查

• 多轮上下文超限 → 报错 400 → 启用滑动窗口 + 摘要
• JSON 解析失败 → 改用结构化输出 + strict schema；不要正则
• few-shot 不起作用 → 示例太少（<3）或全是相似案例；按难度递增排
• 长上下文效果差 → 启用 Prompt Caching + 摘要前置；不要把关键信息塞中间
• 模型答非所问 → effort 调高 + 约束清晰化；别在 prompt 里堆规则

7. 下一步

• 《Prompt Engineering 核心模式：8 个让 GPT 表现翻倍的模板》— 基础篇
• 《GPT-5.6 选型指南：Sol / Terra / Luna 到底怎么选（2026）》
• 《OpenAI API 函数调用实战：Responses API 工具使用完全指南》