我一直在用 GPT-5 来处理运行时间更长且更复杂的任务。比如，将它与 Background Agents 搭配来处理独立任务，并在不同任务之间切换时使用并行的前台 Agent 来审查它们的输出。

GPT-5 是我用过可引导性（steerable）最强的模型之一。在做某些任务时，我需要更明确地说明自己想要完成什么。如果描述太模糊，模型最后采取的方向往往和我预期不一样。当我讲得更具体时，我对模型表现出的智能程度感到惊喜。

过去一周里，有几次我在写代码时卡住了，而 GPT-5 解决了其他模型想不明白的复杂 Bug。我用它来做的任务包括检查我们的 Stripe 查询，并找出最佳的优化方式来降低延迟。

GPT-5 默认的写作风格比我想要的更啰嗦一些，所以我设定了一条规则，让它的回复更加简洁。我也更偏好更具主动性的 Agent 行为，于是我把模型引导为在我提示之后少问一些跟进问题。我一直用它来处理更难的编码问题。

我最喜欢的试用方式，是对多个不同模型使用完全相同的 Prompt，看它们有没有谁能一次性给出我预期的结果。我们的前端和后端使用 protobuf，有时候会让模型犯难。我让 GPT-5 构建一个后端 API endpoint 以及对应的前端 React 组件，它们分别位于我们 monorepo 中的两个子模块里。它不仅一次性把这些代码写对了，还重新生成了 protobuf 来修复类型错误。