# 从 GPT 换到 Claude，远不止换个接口

> 提示词里留着给旧模型打的补丁，真正要保住的是评测集，而 OpenAI Evals 平台将于 11 月 30 日彻底关停。

原文: https://fdetimes.net/zh/analysis/model-migration-prompts-gpt-claude-gemini-llama/

2026 年 10 月 31 日起，OpenAI 的 Evals 平台对现有用户变为只读；2026 年 11 月 30 日，平台将彻底关闭。凡是靠 Evals 在换模型前做测试的团队，只剩不到八周时间寻找替代方案。

客户问：换成 Claude 效果会不会更好？用 Gemini 会不会更便宜？Llama 能不能跑在自己的基础设施上？假设你是这个项目的前线部署工程师（FDE），这个问题落到了你头上。

最省事的做法是换掉接口地址、保留提示词，看看效果如何。但 OpenAI、Anthropic、Google 和 Meta 的官方文档都表明，这样行不通。表现好的提示词是为某个特定模型调出来的。换模型时，要保住的是测试集，而不是提示词的措辞。

## 提示词是为特定模型写的

先看 OpenAI 自己。OpenAI 建议生产应用固定使用某个模型快照，因为即使是同一系列的不同快照，表现也可能不同。也就是说，还没离开 OpenAI，风险就已经存在。

OpenAI 还区分了两种提示风格：推理模型只需给出高层目标，效果更好；GPT 模型通常需要精确的分步指令。为了让 GPT 答对而写得很细的提示词，可能并不适合推理模型，反之亦然。

同一家厂商内部的差异都这么大，提示词换到另一家厂商就更难原样适用。原因在于，写提示词的人往往会加上一些弥补旧模型短板的句子。新模型已经没有这些短板了，这些句子却还留在提示词里。

## 好用的 GPT 提示词，到了 Claude 上可能帮倒忙

设想一个为物流公司提取发票数据的提示词，已经在 GPT 上调了好几个月。它用 markdown 划分各个部分，包含督促模型认真彻底的指令，比如“MUST read every line, MUST NOT skip anything”（必须逐行阅读，不得跳过任何内容）。末尾还有一步，要求模型检查自己的输出。助手轮次用 `{` 做了预填充（prefill），以强制模型返回 JSON。

迁移到 Claude 4.6 时，这个提示词有四处需要复查。第一处会让集成立刻出错。Anthropic 明确表示，从 Claude 4.6 系列模型起，不再支持对最后一个助手轮次做预填充。因此，用 `{` 强制输出 JSON 的技巧必须换成别的办法。

第二处更难察觉。根据 Anthropic 的迁移说明，Claude 4.6 更主动，可能对旧模型需要的指令反应过度。Anthropic 建议弱化那些督促模型更彻底的指令。过去用大写字母防止旧模型遗漏的句子，现在可能让新模型用力过猛。

第三处是自检步骤。Anthropic 提醒，从为早期模型编写的提示词中沿用下来的复查指令，可能导致模型过度检查，增加 token 用量和延迟。

第四处涉及格式和成本。VentureBeat 的一篇独立分析指出，OpenAI 的模型更适合用 markdown 划分提示词的各个部分，Anthropic 的模型则更适合用 XML 标签。该文还指出，Anthropic 的分词器通常会把同样的文本切成更多 token。

所以，即使提示词一字未改，旧表格里的成本数字也不再成立。

**要点:** 换模型之后，旧提示词里很多句子只剩下副作用，因此每一句都需要复查。

## Gemini 和 Llama 的坑在别处

如果目标是 Gemini 3，问题出在别的地方。Google 建议提示词直接、结构清晰，采样参数保持默认值，并提醒把 temperature 设到 1.0 以下可能导致模型出现意外行为。

如果你习惯在提取任务中把 temperature 设为 0，迁移到 Gemini 3 时应尽早检查这个习惯。

Google 还建议在给 Gemini 的提示词中始终加入少样本（few-shot）示例。按照 Google 的说法，不带示例的提示词效果可能较差。一个在其他模型上只靠指令就能正常工作的提示词，需要补上几组输入输出示例。

Llama 的差异在更底层。Meta 的模型使用自有的提示格式和特殊 token，Meta 的文档要求函数调用严格遵循指定格式，对工具的支持也更有限。因此，按 GPT 风格写的提示词和工具 schema 不能直接照搬，工具调用层几乎总要重写。

下表把这些要点整理成按目标模型划分的检查清单。其中关于 XML 标签和分词器的建议来自 VentureBeat 的独立分析，并非 Anthropic 的官方指南：

| 目标模型 | 可能引发故障的旧习惯 | 应对方法 |
|---|---|---|
| GPT（换快照或换成推理模型） | 不固定快照；给推理模型写分步指令 | 固定快照；对推理模型改为说明高层目标 |
| Claude 4.6 | 预填充助手轮次；督促彻底的指令；遗留的自检步骤；markdown 分节 | 去掉预填充；弱化指令；删除或精简检查步骤（依据 Anthropic）。尝试 XML 标签，并按分词器重算成本（依据 VentureBeat 的分析） |
| Gemini 3 | temperature 设为 0；提示词不带示例 | 采样参数保持默认；加入少样本示例；写直接、结构化的提示词 |
| Llama | GPT 风格的工具 schema 和函数调用 | 按特殊 token 格式重写；工具调用严格遵循 Meta 的格式 |

## 先写评测，再改提示词

这张表只告诉你该看哪里。改过的提示词是否真的更好，只能靠测量。OpenAI 建议在修改生产环境的提示词之前，先准备有代表性的测试样例（fixture）、测试和评测检查。

Anthropic 更进一步，把这一步当作前提：做提示词工程之前，需要先有清晰的成功标准和验证方法。

自动化工具也替代不了这一步。OpenAI 的提示词优化器提醒，它改写出的提示词可能表现更差，上线前必须经过评测和人工审核。

回到发票的例子。假设你有 50 张真实且已标注的发票，包括模糊的、多页的和缺字段的。先在当前模型上跑一遍，得到基线，比如 46/50。

然后把提示词移植到新模型上再跑一遍，记录三个数字：通过率、平均 token 数和平均延迟。

有了这张表，和客户的对话就完全不同了。你不必再说“Claude 看起来还行”，而是可以说清楚新模型通过了 50 个用例中的多少个、哪些没通过、token 用量多了还是少了多少。Anthropic 也指出，有时换个模型比调提示词更容易。

但只有做了评测，你才知道自己属于哪种情况。

如果团队在用 OpenAI 的 Evals 平台，2026 年 11 月 30 日这个截止日期就是现在把测试样例迁到自己代码仓库的理由。把它们保存为文件，纳入版本控制，并且能针对任何模型运行。

对于上表没有涉及的目标模型，比如 Grok，同样适用这个原则：阅读厂商的提示词文档，列出自己的旧习惯，然后让测试样例集来做判断。

## 一套测试样例集，胜过一句“精通提示词”

对于想成为 FDE 的开发者，模型迁移是很好的练习，因为它贴近真实工作。拿一个自己写过的提示词，移植到另外两个模型上，搭一个小型评测框架来运行同一套测试样例，再写一页记录哪里出了问题、怎么修好的。成果可以直接放进作品集。

阅读岗位描述时，留意“eval”“LLM evaluation”“model migration”或“multi-model”等字眼。如果出现了，就把这段经历放到简历最前面，并用可衡量的结果来描述，例如“将一条提取数据管道从 GPT 迁移到 Claude，在 50 个测试样例上保持通过率不变，并通过删除多余的自检步骤降低了延迟”。

这样一句话，比“精通提示词工程”更有说服力。

模型会不断被替换，而用客户真实数据标注的测试样例集，每次切换都能复用。如果只能先做一件事，那就先建测试样例集，再优化提示词。

**本周动手试试:**

- 选一个正在生产环境中运行的提示词，写 30-50 个测试样例，包括输入、预期输出和通过标准。在当前模型上运行，得到基线。
- 重读这个提示词，标出只为旧模型服务的部分：督促彻底的指令、自检步骤、预填充、temperature 0。这就是换模型时的复查清单。
- 把提示词移植到另一个模型（Claude 或 Gemini），运行同一套测试样例，在对比表中记录通过率、token 数和延迟。

## 信源

- [Prompt engineering | OpenAI API](https://developers.openai.com/api/docs/guides/prompt-engineering)

- [Prompt optimizer | OpenAI API](https://developers.openai.com/api/docs/guides/prompt-optimizer.md)

- [Prompt engineering overview](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/overview)

- [Prompting best practices](https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices)

- [Prompt design strategies | Gemini API | Google AI for Developers](https://ai.google.dev/gemini-api/docs/prompting-strategies)

- [llama-models/models/llama3_1/prompt_format.md at main · meta-llama/llama-models](https://github.com/meta-llama/llama-models/blob/main/models/llama3_1/prompt_format.md)

- [Swapping LLMs isn't plug-and-play: Inside the hidden cost of model migration](https://venturebeat.com/ai/swapping-llms-isnt-plug-and-play-inside-the-hidden-cost-of-model-migration)