昨天发布的 GPT-5.2 从根本上改变了生产级 AI Agent（智能体）的架构。虽然媒体头条大多聚焦于基准测试跑分，但对于工程师而言，真正的突破在于全新的 Compaction API（上下文压缩 API） 以及细粒度的 reasoning_effort（推理强度）控制。
对于构建长期运行 Agent 的开发者来说，最大的痛点一直是“上下文漂移（Context Drift）”——随着对话历史的累积，模型会逐渐失去焦点，对约束条件产生幻觉，或者干脆撞上 Token 硬限制。RAG（检索增强生成）只是权宜之计，它无法满足对持续、演进且连贯的思维流的需求。
GPT-5.2 通过引入 潜在上下文压缩（Latent Context Compaction） 和深度可控的“思考（Thinking）”模式解决了这一问题。本指南将剥去营销噱头，直接为你提供构建 SOTA（State-of-the-Art）Agent 的实战策略。
核心概念：潜在压缩与推理强度
GPT-5.2 引入了两项架构级转变：
- 推理强度 (Reasoning Effort): 不同于 o1 模型不透明的推理过程，GPT-5.2 允许你手动锁定
reasoning_effort（从none到xhigh），从而在延迟和思考深度之间做权衡。 - 压缩 (Compaction):
/responses/compact端点不再是传统的文本摘要（这往往会丢失细微差别），而是对对话状态进行基于损失感知的压缩，将其转换为 不透明的加密项（opaque, encrypted items）。这些项目保留了模型的内部“思维过程”和任务相关信息，同时极大地减少了 Token 占用。
压缩循环架构 (The Compaction Loop)
graph TD
A["用户输入"] -->|"JSON 请求"| B["GPT-5.2 (推理强度: High)"]
B -->|"响应 + 内部状态"| C["应用层逻辑"]
C -->|"历史记录 > 阈值?"| D{"决策"}
D -- 否 --> E["继续对话"]
D -- 是 --> F["调用 /responses/compact"]
F -->|"压缩历史记录"| G["不透明上下文 Blob"]
G -->|"注入输入流"| H["下一请求 (低 Token 占用)"]
代码实战：实现压缩循环
要使用这些功能，你必须升级到最新的 OpenAI Python SDK (v2.11.0 或更高版本)。请注意，这里从 chat.completions 转变为了新的 responses 命名空间。
import os
from openai import OpenAI
import json
# 确保运行环境为 openai>=2.11.0
client = OpenAI(api_key=os.environ.get("OPENAI_API_KEY"))
def run_agentic_turn(history, user_input, compact=False):
"""
使用 GPT-5.2 执行一轮对话，并可选择性地压缩历史记录。
"""
# 1. 追加用户输入
history.append({"role": "user", "content": user_input})
# 2. 调用 GPT-5.2 并显式指定推理强度
response = client.responses.create(
model="gpt-5.2",
reasoning={"effort": "high"}, # 选项: none, low, medium, high, xhigh
input=history
)
output_message = response.output[0]
print(f"Agent: {output_message.content}")
# 3. 将响应添加到历史记录
# 注意：我们存储原始的模型 dump 以保留元数据
history.append(output_message.model_dump())
# 4. 压缩逻辑 (核心突破点)
if compact:
print("正在压缩上下文...")
compacted_response = client.responses.compact(
model="gpt-5.2",
input=history
)
# 历史记录现在被替换为单个不透明的压缩项
# 该项目专为上下文接续而设计
return [compacted_response.model_dump()]
return history
# 使用示例
conversation = []
conversation = run_agentic_turn(conversation, "为高频交易机器人起草一个 Python 后端。")
# 下一步压缩上下文，大幅节省 Token
conversation = run_agentic_turn(conversation, "重构 websocket 处理程序以使用 asyncio。", compact=True)
conversation = run_agentic_turn(conversation, "现在添加一个风险管理层。")
分步实施指南
1. 锁定推理强度 (Reasoning Effort)
不要依赖默认值。GPT-5.2 在某些端点默认使用 medium，但在其他端点（如 4o 迁移场景）默认为 none。
- 使用
none：用于简单的聊天、从 GPT-4o 迁移的场景以及对延迟敏感的任务。 - 使用
high或xhigh：仅用于复杂的规划、代码架构设计或深度研究。 - 行动点： 更新你的 API 调用，显式设置
reasoning={"effort": "medium"}，以避免因默认开启“深度思考”而导致的成本激增。
2. 实施“范围约束 (Scope Discipline)” Prompt
GPT-5.2 的可操控性极强，但也可能表现得过于急切。为了防止 Agent 自作主张发明功能（范围蔓延），你必须使用新的 XML 分隔约束模式。
将此代码块复制到你的系统指令中（现在通过 instructions 参数或 developer 角色传递）：
<design_and_scope_constraints>
- 严格且仅实现用户请求的内容。
- 禁止任何额外的功能、组件或 UX 装饰。
- 如果指令有歧义，选择最简单的有效解释。
- 除非明确要求，否则不要发明新的 UI 元素或 Token。
</design_and_scope_constraints>
3. 部署“压缩”策略
Compaction 不仅仅是摘要，它是 状态持久化。
- 何时压缩： 在主要里程碑之后（例如，完成一个模块的代码编写）或当上下文超过约 20k Token 时。
- 不要每轮都压缩： 这会增加延迟和成本。
- 视为黑盒： 永远不要尝试解析压缩后的项目。它是仅供模型使用的加密向量 Blob。
4. 掌握智能体可操控性 (Steerability)
对于自主循环，使用 <user_updates_spec> 来控制模型如何汇报进度。这能减少“废话（chatter）”并保持上下文窗口的整洁。
<user_updates_spec>
- 仅当你开始一个新的主要阶段时，才发送简短的更新（1-2句）。
- 避免叙述常规的工具调用过程（如“正在读取文件...”，“正在运行测试...”）。
- 每次更新必须包含至少一个具体的成果（“已找到 X”，“已确认 Y”）。
</user_updates_spec>
结语
GPT-5.2 不仅在智能程度上实现了巨大飞跃，更在 可控性 上迈出了一大步。能够 compact（压缩）上下文本质上赋予了长期任务“无限记忆”，且没有传统文本摘要带来的信息衰减。通过将其与严格的 <scope_constraints> 结合，你终于可以构建出能够真正完成任务、而不会迷失在噪音中的 AI Agent。
- 阅读完整的 GPT-5.2 Prompting 指南
- 查看 发布说明
- 获取 SDK: OpenAI Python v2.11.0