
# 在 ~/.codex/config.json 中设置{ "model": "gpt-5.6-sol", "max_tokens": 4096}/model gpt-5.6-sol # 切换到Sol旗舰模型/model gpt-5.6-terra # 切换到Terra均衡模型/read # 读取当前目录代码/run "命令" # 执行终端命令/test # 运行测试/review # 代码审查模式/refactor # 重构当前文件# Python SDK示例import openaiclient = openai.OpenAI(api_key="your-api-key")# 调用GPT-5.6 Solresponse = client.responses.create( model="gpt-5.6-sol", input="分析这份销售数据并生成季度报告", tools=[ {"type": "code_interpreter", "name": "data_analysis"}, {"type": "web_search"}, {"type": "file_search"} ])print(response.output)工具类型 | 功能说明 | 适用场景 |
|---|---|---|
web_search | 实时联网搜索 | 获取最新资讯、验证实时数据 |
code_interpreter | 代码解释器/沙箱执行 | 数据分析、数学计算、代码运行验证 |
file_search | 向量文件检索 | 企业知识库问答、文档问答 |
computer_use | 操控电脑界面 | 自动化桌面操作、网页数据抓取 |
MCP | 模型上下文协议 | 连接外部系统、数据库、API |
function_call | 自定义函数调用 | 对接自有业务逻辑、外部系统 |
structured_output | 结构化输出 | 生成JSON、Schema约束的格式化结果 |
# 竞品分析多智能体示例# Agent 1: 信息收集Agentresearcher = client.responses.create( model="gpt-5.6-terra", input="搜索并整理竞品A、竞品B的最新产品动态和市场表现", tools=[{"type": "web_search"}])# Agent 2: 数据分析Agent(接收Agent1结果)analyst = client.responses.create( model="gpt-5.6-sol", input=f"对以下竞品信息进行深度分析:\n{researcher.output}", tools=[{"type": "code_interpreter"}])# Agent 3: 报告生成Agent(接收Agent2结果)reporter = client.responses.create( model="gpt-5.6-terra", input=f"将以下分析结果整理为结构化报告:\n{analyst.output}", tools=[{"type": "structured_output"}])print(reporter.output) # 输出完整竞品分析报告对比维度 | GPT-5.6 Sol | GPT-5.6 Terra | GPT-5.6 Luna |
|---|---|---|---|
自主任务拆解 | ✅ 完整支持,自动迭代优化 | ✅ 支持中等复杂度任务 | ⚠️ 简单任务,单步为主 |
超长上下文(150万Token) | ✅ 完整支持 | ⚠️ 中等长度(10万字内) | ❌ 不支持 |
多工具协同 | ✅ 全部工具链完整支持 | ✅ 常用工具支持 | ⚠️ 基础工具 |
长时间运行任务 | ✅ 支持数小时复杂工作流 | ✅ 适中复杂度任务 | ❌ 不适合 |
多Agent Ultra配置 | ✅ Terminal-Bench 91.9% | — | — |
推荐使用入口 | Codex / API | ChatGPT Work / API | API批量调用 |
# 低效提示帮我写代码# 高效提示(角色+目标+约束)你是一位资深后端架构师,负责将用户需求转化为可落地的REST API设计方案。要求:1. 优先使用RESTful规范2. 考虑高并发场景(QPS≥10000)3. 所有接口需提供JSON Schema文档目标:设计用户认证模块的完整API方案