使用GPT-5.6-sol前建议关闭superpowers/Harness

背景

在 AI 工具快速迭代的当下，用户对模型能力与辅助工具的配合效率越来越敏感。LINUX DO 社区的一位用户发帖分享了自己在使用 GPT5.6-sol 模型时的实际体验，指出其与 superpowers 或 Harness 等辅助提示词工具搭配时，存在速度慢、冗余行为多、效率不升反降的问题。该帖子反映了当前 AI 应用中的一个核心矛盾：模型能力提升并不必然带来实际工作效率的提升，甚至可能因过度精细化的行为而拖累产出。

核心内容

用户首先对比了之前使用的 GPT5.5 版本（即使被认为是“降智”版本）搭配 superpowers 工具的效果：速度尚可，仅在部分情况下需要人为纠正。但升级到 GPT5.6-sol 后，情况变得糟糕——速度极慢，且模型会执行大量无意义的 TDD（测试驱动开发）、过分解读用户意图的“行为测试”，一旦出现偏差，只会浪费更多时间。

用户进一步指出，GPT5.6-sol 的推理强度（reasoning intensity）应该根据不同任务按需调整，否则效率会进一步降低。具体建议：日常任务使用 low 或 medium 推理强度；复杂任务才使用 high 或 xhigh。然而，用户自己两次任务综合体验下来，即使搭配 superpowers 并给出了轻量化的提示词，依然感觉很慢，不过编码能力还算凑合。

总体评价：任务准确度高，但冗余过多，效率太低。用户认为，对于模型能力已经足够强的场景，再叠加上 superpowers 或 Harness 这类辅助工具，反而极大地降低了工作效率。使用 AI 工具的初衷是提高效率、增加效益，而不是浪费 token。

用户最后感悟：token 不是用得越多越好，而是用越低的成本实现越高的效率。他联想到 DeepSeekR1 在 2025 年给行业带来的震撼，指出在 AI 领域，单纯靠堆算力“力大砖飞”的模式已经不再适用，效率才是第一性原理。

关键要点

• GPT5.6-sol 模型本身非常谨慎，导致在搭配 superpowers 等辅助提示词工具时运行极慢。
• 5.6-sol 存在无意义的 TDD 和过分解读行为测试，一旦出现偏差会浪费大量时间。
• 推理强度应动态调整：日常任务用 low 或 medium，复杂任务用 high 或 xhigh，否则效率低下。
• 即使使用轻量化提示词，两次任务体验仍然慢，但编码能力尚可。
• 对于能力强的模型，额外叠加辅助工具（如 superpowers、Harness）反而会大幅降低工作效率。
• 核心原则：token 使用不是越多越好，而是在低成本下实现高效益。
• 行业的启示来自 DeepSeekR1：纯算力堆积的“力大砖飞”模式已过时，效率优先。

意义与影响

该帖子揭示了一个重要趋势：随着模型自身能力持续增强，用户对“工具链”的依赖策略需要重新审视。过去，辅助提示词工具（如 superpowers、Harness）能够有效弥补模型短板，但当模型本身已经具备高准确度和强推理能力时，再叠加这些工具反而会引入不必要的复杂度和冗余步骤，导致 token 浪费和时间成本激增。

用户提出的“效率才是第一性原理”呼应了 DeepSeekR1 等模型在行业中的示范效应——通过更精巧的架构设计、更合理的推理强度调优，而非单纯堆砌参数和计算资源，来获得实际可用性。这对于 AI 应用开发者、提示词工程师以及日常用户来说，意味着需要更精细地评估当前模型的实际表现，动态调整辅助工具的使用策略，避免“用力过猛”降低整体效率。

此外，帖子也提醒行业关注模型行为合理性与用户预期之间的平衡：过度谨慎和过分解读不一定是正向增强，可能反而成为效率瓶颈。未来，模型厂商在推出新版本时，或许需要内置更灵活的行为调控机制，让用户能自行选择模型“积极”与“保守”的程度，以实现最佳生产效果。