Пишите промпт для GPT-6.2 так, как поставили бы задачу коллеге: дайте исходные данные, назовите результат и объясните, как будете его принимать. Ниже — проверочный запрос и инструкции на случай, если модель теряет детали, пишет рабочими сокращениями или останавливается раньше времени.

OpenAI выпустила GPT-6.2 Astra и Sol 17 ноября 2026 года. Рекомендации общие для обеих моделей. В гайде по API есть готовые инструкции для типичных проблем, а гайд по Codex объясняет, как поставить задачу, выбрать глубину работы и проверить результат. Документация сверена 19 ноября 2026 года. Примеры не проверялись отдельным запуском Astra или Sol.

Первый запуск: получите ответ, который можно принять по критериям

1. Выберите модель. Откройте новую задачу в Codex или новый чат в ChatGPT и выберите GPT-6.2 Astra или Sol, если модель доступна в интерфейсе. Для проверки через API нужен настроенный запрос к одной из моделей.

2. Вставьте запрос. Для этого редакционного примера доступ к вашим файлам не нужен.

Промпт:

Напиши короткое сообщение для коллеги, который пропустил встречу. По заметке ниже сообщи, что изменилось и что ему нужно сделать.

Заметка: демо перенесли со среды на пятницу. Ольга обновит презентацию к четвергу. Коллеге нужно до четверга прислать Ольге один скриншот. Точное время демо не согласовано.

Готово, когда из сообщения ясно, в какой день демо, кто обновляет презентацию и что кому отправить к четвергу. Время пометь как несогласованное. Используй только факты из заметки. Верни только текст сообщения, ничего не отправляй.

3. Сверьте ответ с заметкой. Демо в пятницу, время не согласовано, Ольга обновляет презентацию к четвергу, коллега отправляет ей один скриншот до четверга. Все четыре факта должны быть понятны без заметки.

4. Повторите проверку на своей задаче. Если результат не прошёл конкретный критерий, измените одну инструкцию и повторите запрос в новой сессии с теми же данными, моделью и настройками. Перед переносом в постоянные правила проверьте правку ещё на нескольких примерах.

Если ответ слишком короткий или его трудно читать

У GPT-6.2 Astra ответы по умолчанию короче и прямее, чем у прежних моделей. При переходе OpenAI предлагает пересмотреть старые требования вроде «будь кратким». Замените общее ограничение конкретикой: например, «Для каждой рекомендации укажи причину, способ проверки и ограничение».

В длинных задачах в ответ иногда попадают сокращения из рабочих записей и сообщений субагентов. Для этого случая OpenAI предлагает писать финальный ответ заново для читателя. Вот оригинал:

Промпт:

Treat your final answer as the user's first look at your work, and not as a continuation of intermediate commentary. The final answer must always be fully self-contained: users should never need to read earlier commentary updates for context, since they are collapsed when the final answer is shown to the user.

Write the final answer and all other human-facing material anew for the intended reader. Do not copy or closely paraphrase your reasoning or adopt its writing style. Do not carry over working shorthand, jargon, or abbreviations from your reasoning, tool calls, or instructions to subagents and automations.

Для письма добавьте контекст читателя. Например, смежной команде могут быть нужны причина переноса и новый срок.

Если модель останавливается и ждёт подтверждения

Укажите, какие шаги разрешены, какие решения остаются за вами и что нужно проверить перед завершением. В рекомендациях OpenAI о завершении задач четыре причины сделать паузу: существенно меняется объём задачи, есть конкретное препятствие, требуется решение пользователя или предстоит разрушительное либо необратимое действие. В пределах полномочий модель может продолжить с обратимым допущением и назвать его в ответе.

Сокращённая русская адаптация рекомендаций для повторяющихся задач:

Промпт:

Выполняй разрешённые шаги до результата. Если для обратимого шага не хватает детали, сделай разумное допущение, сообщи о нём и продолжай в пределах задачи. Перед завершением сверь результат с критериями готовности и перечисли проверки, которые действительно выполнил.

Остановись, если существенно меняется объём работы, дальше нельзя продвинуться без недостающих данных или доступа, решение должен принять пользователь или предстоит разрушительное либо необратимое действие. Эти правила не расширяют выданные разрешения.

Если в вашем приложении есть асинхронный инструмент для вопросов, модель может запросить решение и продолжить те части задачи, которые от ответа не зависят.

Codex: глубина проверки, субагенты и визуальный результат

В гайде для Codex OpenAI предлагает выбирать уровень рассуждений (reasoning effort) по глубине проверки. Даже для ответа из одной строки может понадобиться исключить несколько объяснений.

Уровень в CodexКогда выбратьПример задачи
MediumНужен быстрый обзорНайти в проекте место, где собирается меню
HighНужно проследить одну вероятную причину через несколько системПроследить, где дата меняется между API и интерфейсом
Extra HighНесколько причин могут действовать одновременноПроверить, как часовой пояс и кэш вместе влияют на дату
UltraБольшая работа делится на независимые исследования; Codex сам решает, когда звать субагентовОтдельно изучить три варианта библиотеки и свести результаты

Разрешите Codex делегировать независимые части задачи субагентам. Например, один изучит документацию, пока другой проверит, какие вызовы есть в проекте. На общей машине попросите их ограничить число одновременных сборок и тестов. По завершении попросите агентов остановить свои фоновые задачи и убрать свои временные файлы.

В визуальной задаче приложите образец и назовите размер, в котором люди увидят результат. Редакционный пример для проекта с существующими иконками:

Промпт:

Сделай иконку «Экспорт» для панели инструментов. Возьми за образец иконки из папки icons/ и добавь файл в том же формате. Покажи рендер рядом с соседними иконками в размере 24 × 24 пикселя. Готово, когда в этом размере различима стрелка экспорта и толщина линий совпадает с остальными иконками. Остальные файлы не меняй.

Замените icons/ на реальную папку проекта. Для правок в коде укажите, какое поведение должно сохраниться и какой проверкой это подтвердить. Для интерфейса укажите, какое действие пользователь должен суметь выполнить в готовом экране, и попросите проверить его после сборки.

Куда положить инструкцию после проверки

  • Разовая задача: добавьте инструкцию прямо к запросу.
  • Codex: личные правила храните в ~/.codex/AGENTS.md при стандартной настройке, правила репозитория — в AGENTS.md проекта. Оставляйте там требования, которые нельзя вывести из кода, тестов и документации. Для повторяющегося сценария с отдельной процедурой подойдёт навык Codex: укажите, когда его применять.
  • Responses API: постоянные инструкции кладите первым сообщением с ролью developer в input, чтобы они могли кэшироваться. У GPT-6.2 верхнеуровневое поле instructions добавляется после input; используйте его для указаний на один запрос.

В открытом коде Codex для обеих моделей уже есть близкие правила об обратимых допущениях, читаемости кода и финальном ответе, понятном без рабочих комментариев. Их точное применение в облачном Codex и ChatGPT по этому файлу установить нельзя.

Настройки GPT-6.2 в API

Для новой интеграции OpenAI советует начать с medium в reasoning.effort в Responses API. При миграции с none или minimal начните с low. Для вызова инструментов у обеих моделей нужен Responses API. При миграции уберите temperature, top_p и top_logprobs. В Responses API также исключите message.output_text.logprobs из include, а в Chat Completions уберите logprobs. Правки начала переписки между запросами могут лишить модель доступа к результатам предыдущих рассуждений.

Чеклист промпта перед повторным запуском

  • Назван один конечный результат.
  • Приложены нужные данные или указано, где их взять.
  • Указано, кто будет читать ответ и что этому человеку уже известно.
  • Названа проверка, по которой можно принять результат.
  • Уточнено, какие действия допустимы.
  • Отдельно названы решения, которые остаются за пользователем.
  • Неясные детали можно закрыть обратимым допущением в пределах разрешений.
  • Требование к длине не мешает сохранить нужные подробности.
  • Уровень рассуждений соответствует глубине проверки.
  • После правки сохранён исходный пример, чтобы сравнить ответы в одинаковых условиях.

Следующий шаг

Если одна и та же инструкция пригодилась в нескольких задачах, разберите, что хранить в AGENTS.md, SKILL.md и DESIGN.md.

Если команда поддерживает несколько слоёв инструкций, для разбора хватит одного рабочего запроса, на котором модель регулярно теряет детали.

Если захотите обсудить, как это применить у себя или в команде — пишите в Telegram @pimenov