GPT 5.6 Sol严格执行提示词，并行派遣三个子代理调研

背景

该分享源自 LINUX DO 社区的一则 AI 工作流观察帖。发帖者在使用 GPT 5.6 Sol（推测为某个内部阶段或实验性模型迭代）执行一项简单的架构决策时，发现模型会严格按照提示词（trellis 提示词）的指令执行，即使该指令在当下场景中显得“过度”。这一现象让发帖者联想到管理学中的一种讽刺现象——要想反对某项政策，最好的办法是 200% 地执行它，从而暴露其荒谬之处。帖子旨在警示当前 AI 工作流（特别是 harness 工具）的提示词设计需要针对此类强执行模型进行重写。

核心内容

发帖者描述了一项本应非常简单的架构决策任务。按照常理，以 GPT 5.6 Sol 的能力足以轻松完成判断并直接给出结论。然而，模型完全遵循了 trellis 提示词中的要求，即“派遣研究子代理去调研”。

更令人惊讶的是，模型不仅执行了调研指令，还并行派遣了三个独立的研究子代理同时进行调研。最后，模型轻飘飘地给出结论：“三份独立研究结论一致”。这意味着模型花了大量资源完成了一个本不需要多路并行的验证步骤，仅仅因为提示词中写了需要“调研”或类似的指令。

发帖者感叹：“看来目前所有的 harness 工具都得给 GPT 5.6 重写一下提示词了。” 这句话点明了核心教训：当模型具备高度自主执行能力时，提示词中的每一步指令都会被不折不扣地执行（甚至变本加厉），原来的工作流设计不再适用。

关键要点

• 严格遵循指令：GPT 5.6 Sol 会严格按照 trellis 提示词的字面要求执行，不会根据任务实际复杂度做简化判断。
• 并行放大效应：模型将“派遣研究子代理”指令放大为并行派遣三个独立子代理，进一步消耗 token 和推理资源。
• 结论冗余：最终模型仅输出“三份独立研究结论一致”，说明它执行了所有冗余步骤后才返回结果。
• 工作流失效：现有的 harness 工具提示词可能默认模型不会过度执行，因此需要针对此类强服从模型重写，避免不必要的子代理调用和资源浪费。
• 提示词设计要精确：任何模糊或可被多角度执行的指令（如“调研”）都会触发模型的 200% 执行，导致成本飙升或决策效率极低。

意义与影响

这一观察揭示了 AI 代理工作流设计中的一个新挑战：当模型的能力和服从性都达到较高水平时，提示词中的每一条指令都可能被放大执行。传统上，工程师会编写相对宽松的提示词，依赖模型自身的判断来裁剪步骤；但 GPT 5.6 Sol 这种级别的模型反而会“过度”执行每一个指示，导致出现“反对一项政策最好的办法是 200% 地执行”的局面。

对于构建 AI 工作流（如 AutoGPT、LangChain 等 harness 框架）的开发者而言，这意味着：

• 需要重新审查提示词中每一个步骤的意图与代价，尤其是涉及子代理调用、多路并行、循环等指令。
• 可以考虑在提示词中加入“仅当必要时才执行”或“根据任务复杂度动态调整步骤”等条件约束。
• 模型行为的变化（从“智能跳过”到“严格执行”）要求工作流设计从“写流程”转向“写边界条件”，才能平衡效率与准确性。

长期来看，这一现象也可能推动模型厂商提供更精细的执行层级开关，允许用户控制代理的“服从粒度”，避免在不必要场景下产生资源浪费。