OpenAIのAPIラインナップは進化を続け、最新のGPT-5.5をはじめとするGPT-5シリーズが登場しています。従来のモデルとは設計思想が異なる部分もあり、その能力を引き出すには新しいプロンプトの作法が必要です。本記事では、公式ドキュメントに基づき、現場で役立つ具体的なテクニックを解説します。
1. プロンプトのパラダイムシフト：「プロセス」から「成果」へ
GPT-5.5において最も重要な変化は、「成果重視（Outcome-first）」のプロンプトが推奨されるようになった点です。
-
手順の指定を最小限に
以前のモデルでは、ミスを防ぐために詳細な手順（ステップ・バイ・ステップ）を指定することが一般的でしたが、GPT-5.5ではむしろ「何が成功か（成果の定義）」と「制約条件」を明確に伝え、解決までの経路はモデルに任せる方が効率的です。 -
レガシーな指示の削除
過去のモデルで必要だった「ALWAYS」や「NEVER」といった過剰な強調は、GPT-5.5ではノイズとなり、モデルの探索空間を狭めてしまう可能性があります。判断が必要な場面では、絶対的なルールよりも「判断基準」を与えることが推奨されます。
2. 「Reasoning Effort（推論の努力量）」による最適化
GPT-5シリーズでは、モデルの「思考の深さ」を制御するreasoning_effortパラメーターが導入されました。
-
適切なレベルの選択
タスクの難易度に応じてnone（高速・安価）からxhigh（高度な推論）まで選択可能です。 -
デフォルト設定の注意点
GPT-5のデフォルトはmediumですが、GPT-5.1、5.2、5.4、5.5ではnoneがデフォルトとなっています。 -
チューニングのコツ
推論レベルを上げる前に、まずはプロンプトに「完了条件（completeness contract）」や「検証ループ（verification loop）」を追加することで、コストを抑えつつ精度を向上させられる場合があります。
3. エージェント開発とツール活用の新機能
より複雑なワークフローを構築するための機能も強化されています。
-
Responses APIの活用
ツール呼び出しの間で「推論（Reasoning）」を保持できるため、エージェントの動作がよりインテリジェントかつ効率的になります。 -
Preamble（前口上）の重要性
ストリーミングアプリケーションにおいて、モデルが推論やツール実行で沈黙する時間を埋めるため、「今から〇〇を確認します」といった短いPreambleを出力させることで、ユーザー体験（知覚的なレスポンス）を向上させられます。 -
Phaseパラメーター
GPT-5.4以降では、メッセージの役割（解説なのか最終回答なのか）を区別するためのphaseパラメーターが導入され、マルチステップのタスクでモデルが途中で止まってしまうのを防ぎます。
4. 特化型モデルと長文コンテキストへの対応
-
GPT-5.3 Codex
コーディングに特化したモデルで、高い自律性を持ち、数時間に及ぶような複雑なタスクも遂行可能です。 -
Compaction（要約・圧縮）
長期間のセッションにおいて、過去の会話履歴を「暗号化された不透明な状態」として圧縮することで、コンテキスト上限を気にせずに長いワークフローを維持できる機能が追加されました。
結論：評価（Eval）に基づいた反復が成功の鍵
GPT-5シリーズは非常に高い柔軟性（ステアラビリティ）を持っていますが、最高のパフォーマンスを得るためには、モデルの変更、プロンプトの調整、推論レベルの設定を一つずつ順番に変更し、その都度評価（Eval）を行うことが推奨されています。
新しいプロンプトの構造として、指示を「役割」「目標」「制約」「ツールルール」「完了条件」のようにブロック化して記述することで、GPT-5シリーズはより正確に意図を汲み取ってくれるようになります。