OpenAI 공식 문서 — GPT-5.5 prompting guide 심화

11. GPT-5.5 프롬프트 작성법

GPT-5.5는 outcome-first 프롬프트(목표만 명확히 주고 경로는 모델이 고르도록)에 특히 강합니다. 추론 효율이 좋아져 low/medium reasoning effort부터 다시 검토할 가치가 있고, 도구 중심 워크플로에서는 preamble·phase·assistant-item 재현 패턴이 그대로 중요합니다. 이 페이지는 OpenAI 공식 GPT-5.5 prompting guide를 한국어로 정리하고 Codex 사용 맥락에 맞게 풀어냅니다.

이 페이지에서 배우는 것

• 1GPT-5.5와 GPT-5.4의 프롬프트 작성 차이점 (짧은 outcome-first가 더 잘 동작하는 이유)
• 2Codex의 $openai-docs Skill로 기존 프로젝트를 GPT-5.5로 자동 마이그레이션하는 방법
• 3Personality / Collaboration style을 분리해서 어시스턴트 UX를 설계하는 패턴
• 4Preamble로 time to first visible token(첫 응답 체감 속도)을 개선하는 방법
• 5Outcome-first 프롬프트와 stopping conditions, retrieval budget, 검증 루프 작성법
• 6Phase 파라미터를 사용하는 Responses API 워크플로의 assistant-item 재현 규칙
• 7실전에서 바로 쓸 수 있는 prompt skeleton (Role / Personality / Goal / Success / Constraints / Output / Stop rules)

GPT-5.5에서 무엇이 달라졌나

GPT-5.5는 짧고 outcome 중심의 프롬프트에서 가장 강합니다. 이전 모델용으로 누적된 길고 절차 위주의 프롬프트 스택을 그대로 가져오면, 노이즈가 늘어나고 모델의 탐색 공간이 좁아져 결과가 오히려 기계적으로 변하는 경우가 많습니다.

• ✓짧고 outcome-first 프롬프트가 process-heavy 스택보다 보통 더 잘 동작합니다.
• ✓추론 효율이 좋아져 low·medium reasoning effort를 다시 평가한 뒤에야 더 높은 단계로 올리는 것이 좋습니다.
• ✓도구 호출이 많은 Responses API 워크플로에서는 preamble, phase 처리, assistant-item 재현이 여전히 중요합니다.
• ✓고객 대면 UX와 에이전트 UX 모두에서 personality·retrieval budget·검증 규칙을 명시하면 결과 품질이 안정됩니다.

모델 자체의 동작 변화에 대한 상세 설명은 Using GPT-5.5 guide를 참고하세요. 이 페이지는 그 변화에 따라오는 프롬프트 작성 방식에 집중합니다.

Codex로 자동 마이그레이션 ($openai-docs Skill)

기존 GPT-5.4 기반 프로젝트의 프롬프트 스타일을 GPT-5.5에 맞게 정리하려면 OpenAI Docs Skill을 그대로 호출하면 됩니다. Codex 앱·CLI·IDE 어디서든 동일하게 동작합니다.

$openai-docs migrate this project to gpt-5.5

다른 코딩 에이전트(예: Cursor, Windsurf, JetBrains)에서 이 skill을 사용하려면 OpenAI skills repository에서 직접 다운로드해 등록할 수 있습니다.

Personality와 collaboration style 분리

GPT-5.5의 기본 톤은 효율적이고 직설적이며 작업 지향적입니다. 프로덕션 시스템에는 잘 맞지만, 고객 대면 어시스턴트·서포트·코칭 같은 대화형 제품에서는 두 가지를 분리해 명시하는 것이 좋습니다.

둘 다 짧게 유지하세요. 개인 톤 지시가 작업 목표·성공 기준·도구 규칙·정지 조건을 대신할 수는 없습니다.

예시 1 — 차분하고 작업 지향적인 어시스턴트

# Personality
You are a capable collaborator: approachable, steady, and direct. Assume the user is competent and acting in good faith, and respond with patience, respect, and practical helpfulness.

Prefer making progress over stopping for clarification when the request is already clear enough to attempt. Use context and reasonable assumptions to move forward. Ask for clarification only when the missing information would materially change the answer or create meaningful risk, and keep any question narrow.

Stay concise without becoming curt. Give enough context for the user to understand and trust the answer, then stop. Use examples, comparisons, or simple analogies when they make the point easier to grasp. When correcting the user or disagreeing, be candid but constructive. When an error is pointed out, acknowledge it plainly and focus on fixing it.

Match the user's tone within professional bounds. Avoid emojis and profanity by default, unless the user explicitly asks for that style or has clearly established it as appropriate for the conversation.

예시 2 — 표현이 풍부하고 협력적인 어시스턴트

# Personality
Adopt a vivid conversational presence: intelligent, curious, playful when appropriate, and attentive to the user's thinking. Ask good questions when the problem is blurry, then become decisive once there is enough context.

Be warm, collaborative, and polished. Conversation should feel easy and alive, but not chatty for its own sake. Offer a real point of view rather than merely mirroring the user, while staying responsive to their goals and constraints.

Be thoughtful and grounded when the task calls for synthesis or advice. State a clear recommendation when you have enough context, explain important tradeoffs, and name uncertainty without becoming evasive.

표현형 제품에는 따뜻함·호기심·유머·관점을 명시하되 짧게 유지하세요. Personality로 경험을 만들고, 불명확한 목표나 누락된 작업 지시는 별도로 보강하세요.

Preamble로 첫 응답 체감 속도 개선

스트리밍 환경에서 사용자는 첫 토큰이 보이기까지 걸리는 시간(time to first visible token)에 민감합니다. GPT-5.5는 가시 응답을 내기 전에 추론·계획·도구 호출 준비를 할 수 있는데, 그 동안 화면이 비어 있으면 응답이 멈춘 것처럼 느껴집니다.

여러 단계가 필요하거나 도구 호출이 예상되는 작업에서는 짧은 preamble(요청을 인식하고 첫 단계를 알리는 한두 문장)을 명시적으로 요청하세요. 실제 작업 내용은 그대로지만, 사용자가 체감하는 응답성이 좋아집니다.

기본 패턴

Before any tool calls for a multi-step task, send a short user-visible update that acknowledges the request and states the first step. Keep it to one or two sentences.

코딩 에이전트(메시지 phase 분리)에 대한 명시

You must always start with an intermediary update before any content in the analysis channel if the task will require calling tools. The user update should acknowledge the request and explain your first step.

Outcome-first 프롬프트와 정지 조건

GPT-5.5는 프롬프트에 목표·성공 기준·제약·사용 가능한 컨텍스트가 명확히 정의되어 있고, 경로 선택은 모델에게 맡길 때 가장 강합니다. 모든 단계를 일일이 적기보다 "도착지"를 묘사하세요.

권장 패턴

Resolve the customer's issue end to end.

Success means:
- the eligibility decision is made from the available policy and account data
- any allowed action is completed before responding
- the final answer includes completed_actions, customer_message, and blockers
- if evidence is missing, ask for the smallest missing field

불필요한 절대 규칙은 줄이세요

오래된 프롬프트는 ALWAYS·NEVER·must·only를 반복적으로 사용해 모델 행동을 강제하려는 경향이 있습니다. 진짜 invariant(안전 규칙·필수 출력 필드·절대 해서는 안 되는 동작)에는 그대로 쓰세요. 그러나 판단이 필요한 영역(언제 검색할지, 언제 더 묻고 멈출지, 언제 도구를 호출할지, 언제 반복을 그만둘지)에는 강제 명령 대신 의사결정 규칙(decision rules)이 낫습니다.

피할 패턴 — 모든 단계를 강제로 묶는 절차형 지시:

First inspect A, then inspect B, then compare every field, then think through
all possible exceptions, then decide which tool to call, then call the tool,
then explain the entire process to the user.

정지 조건을 명시

Resolve the user query in the fewest useful tool loops, but do not let loop minimization outrank correctness, accessible fallback evidence, calculations, or required citation tags for factual claims.

After each result, ask: "Can I answer the user's core request now with useful evidence and citations for the factual claims?" If yes, answer.

증거 부족 시 행동 정의

Use the minimum evidence sufficient to answer correctly, cite it precisely, then stop.

Formatting — 출력 구조와 길이

GPT-5.5는 출력 형식·구조에 대한 steerability가 높습니다. text.verbosity를 명시하고, 기대되는 출력 모양을 묘사하며, 무거운 구조는 진짜 가독성에 도움이 되거나 제품 UI가 안정된 artifact를 필요로 할 때만 사용하세요. API의 text.verbosity 기본값은 medium이며, 더 간결한 응답이 필요하면 low로 두세요.

대화체 기본 포맷팅

Let formatting serve comprehension. Use plain paragraphs as the default format for normal conversation, explanations, reports, documentation, and technical writeups. Keep the presentation clean and readable without making the structure feel heavier than the content.

Use headers, bold text, bullets, and numbered lists sparingly. Reach for them when the user requests them, when the answer needs clear comparison or ranking, or when the information would be harder to scan as prose. Otherwise, favor short paragraphs and natural transitions.

Respect formatting preferences from the user. If they ask for a terse answer, minimal formatting, no bullets, no headers, or a specific structure, follow that preference unless there is a strong reason not to.

청중·길이 명시

Write for a senior business audience. Keep the answer under 400 words. Use short paragraphs and only include bullets when they improve scannability. Prioritize the conclusion first, then the reasoning, then caveats.

편집·재작성 — 무엇을 보존할지 먼저 알리기

요약·재작성·고객 메시지처럼 형식과 길이를 그대로 두고 표현만 다듬어야 하는 작업에서는 "유지할 것"부터 적은 뒤 개선 요청을 보내세요.

Preserve the requested artifact, length, structure, and genre first. Quietly improve clarity, flow, and correctness. Do not add new claims, extra sections, or a more promotional tone unless explicitly requested.

Grounding, citations, retrieval budget

근거 기반 응답에서는 citation 동작도 프롬프트의 일부입니다. 무엇이 근거를 필요로 하는지, 어느 정도면 충분한지, 근거가 부족할 때 어떻게 행동할지 정의하세요. 증거 부족이 자동으로 "사실이 아니다"로 환원되어서는 안 됩니다. 더 자세한 예시는 citation formatting guide를 참고하세요.

Retrieval budget — 검색 정지 규칙

Retrieval budget은 검색을 멈출 시점을 모델에게 알려주는 규칙입니다. "충분한 증거가 충분하다"는 임계를 명시하면, GPT-5.5가 무한 검색 루프에 빠지지 않습니다.

For ordinary Q&A, start with one broad search using short, discriminative keywords. If the top results contain enough citable support for the core request, answer from those results instead of searching again.

Make another retrieval call only when:
- The top results do not answer the core question.
- A required fact, parameter, owner, date, ID, or source is missing.
- The user asked for exhaustive coverage, a comparison, or a comprehensive list.
- A specific document, URL, email, meeting, record, or code artifact must be read.
- The answer would otherwise contain an important unsupported factual claim.

Do not search again to improve phrasing, add examples, cite nonessential details, or support wording that can safely be made more generic.

창작 작업 가드레일 — 사실과 표현 분리

슬라이드, 출시 카피, 고객 요약, 발표 스크립트, 리더십 블러브, 내러티브 프레이밍 같은 창작/생성 작업에서는 어떤 부분이 출처에서 와야 하는지, 어떤 부분이 자유롭게 작성될 수 있는지 분리해서 알려주세요.

For creative or generative requests such as slides, leadership blurbs, outbound copy, summaries for sharing, talk tracks, or narrative framing, distinguish source-backed facts from creative wording.

- Use retrieved or provided facts for concrete product, customer, metric, roadmap, date, capability, and competitive claims, and cite those claims.
- Do not invent specific names, first-party data claims, metrics, roadmap status, customer outcomes, or product capabilities to make the draft sound stronger.
- If there is little or no citable support, write a useful generic draft with placeholders or clearly labeled assumptions rather than unsupported specifics.

프론트엔드 작업 — 시각적 taste

UI 코드를 생성할 때는 프론트엔드 프롬프트 예시를 참고하세요. 제품·사용자 컨텍스트, 디자인 시스템과의 정렬, 첫 화면 사용성, 익숙한 컨트롤, 기대되는 상태, 반응형 동작, 그리고 흔히 발생하는 generated-UI 안티패턴(제너릭 hero, 중첩 카드, 장식적 그라데이션, 노출된 instructional 텍스트, 깨진 레이아웃 등)을 다룹니다.

모델이 자기 작업을 검증하게 하기

GPT-5.5에게 출력을 검증할 수 있는 도구 접근을 주고, 검증을 명시적으로 요청하세요.

코딩 에이전트 — 구체적 검증 명령

After making changes, run the most relevant validation available:
- targeted unit tests for changed behavior
- type checks or lint checks when applicable
- build checks for affected packages
- a minimal smoke test when full validation is too expensive

If validation cannot be run, explain why and describe the next best check.

시각 artifact — 렌더 후 검사

Render the artifact before finalizing. Inspect the rendered output for layout, clipping, spacing, missing content, and visual consistency. Revise until the rendered output matches the requirements.

엔지니어링 계획 — 추적 가능하게

For implementation plans, include:
- requirements and where each is addressed
- named resources, files, APIs, or systems involved
- state transitions or data flow where relevant
- validation commands or checks
- failure behavior
- privacy and security considerations
- open questions that materially affect implementation

Phase 파라미터 — Responses API의 assistant-item 재현 규칙

GPT-5.4부터 도입된 assistant-item phase 값을 GPT-5.5도 동일하게 사용합니다. 도구 호출이 많거나 장시간 실행되는 Responses 워크플로에서는 중간 업데이트와 최종 답변을 phase로 구분합니다.

• ✓previous_response_id를 사용하면 API가 이전 assistant 상태를 자동 보존합니다.
• ✓애플리케이션이 assistant output item을 다음 요청에 수동으로 재현한다면, 각 원본 phase 값을 그대로 보존해 다시 전달해야 합니다.
• ✓이 규칙은 preamble·반복 도구 호출·중간 업데이트 후 최종 답변이 한 응답에 섞여 있을 때 특히 중요합니다.

규칙 요약

If manually replaying assistant items:
- Preserve assistant `phase` values exactly.
- Use `phase: "commentary"` for intermediate user-visible updates.
- Use `phase: "final_answer"` for the completed answer.
- Do not add `phase` to user messages.

권장 prompt skeleton

복잡한 프롬프트의 출발점으로 이 구조를 사용하세요. 각 섹션은 짧게 유지하고, 동작을 바꾸는 곳에만 디테일을 추가합니다.

Role: [1-2 sentences defining the model's function, context, and job]

# Personality
[tone, demeanor, and collaboration style]

# Goal
[user-visible outcome]

# Success criteria
[what must be true before the final answer]

# Constraints
[policy, safety, business, evidence, and side-effect limits]

# Output
[sections, length, and tone]

# Stop rules
[when to retry, fallback, abstain, ask, or stop]

본 가이드의 다른 페이지와의 연결

• ✔10. Harness Engineering — 프롬프트보다 먼저 환경(저장소·Skills·검증 루프)을 설계하는 관점. GPT-5.5 프롬프트는 그 위에서 동작합니다.
• ✔9. Skills — $openai-docs migrate ... 같은 명령은 Skill로 패키징되어 있습니다. 자체 프롬프트를 skill로 묶어 재사용하면 GPT-5.5의 짧은 outcome 프롬프트와 잘 어울립니다.
• ✔7. Settings — Personality 옵션, Memories, AGENTS.md 4-tier 컨텍스트는 어시스턴트 톤과 collaboration style을 지속적으로 유지하는 영구 저장소 역할을 합니다.
• ✔3. Review Pane — "검증 루프"의 데스크톱 구현. 모델에게 "변경 후 검증을 돌리라"고 지시했을 때 결과를 확인하는 화면.
• ✔6. Automations — 같은 outcome-first 프롬프트를 매일/매주 실행. approval_policy와 retrieval budget을 함께 명시하면 무인 실행이 안정됩니다.

장점 / 주의점