GPT 5.4 Nano

把重复判断变成稳定流程

GPT-5.4 nano 适合规则明确、需要频繁执行的工作，例如给客服消息分配类别、从收据中提取字段、筛选产品评论、整理搜索候选，或为后续处理生成简短摘要。它的重点是速度与成本，适合作为业务流程前端的初筛和整理助手。

它接受文本与图片输入，可以把视觉内容纳入同一套处理规则。比如，从商品截图中识别标题与促销信息，再按给定规则生成标签；从票据图片中提取日期、币种和金额，并标出看不清的字段。对于图片里的细字或关键数字，建议让它返回对应原文，方便核验。

结构化输出使结果容易交给程序处理。设计请求时，先列出固定字段、枚举范围和缺失值规则，再给少量代表样例，通常比要求自由发挥更适合批量任务。函数调用也可以让它把已识别的需求转交给查询或处理工具，承担智能体中的单一步骤。

候选排序可以依据你提供的相关性、时效性或业务优先级进行，但这类判断应通过真实样本评估。遇到材料互相矛盾、需要长链推理或决策影响较大的情况，可以让它标记出来，交给更强模型或人工继续分析。清晰的升级条件比让每条输入都得到确定答案更实用。

常见配置问题

分类标签太多怎么办？ 把类别定义和边界案例写清楚，保留“其他”或“待复核”，并检查相近类别的混淆情况。

能直接做搜索排序吗？ 可以为已提供的候选进行语义判断与排序；候选检索、索引维护和业务规则仍需要你的系统完成。

先定义字段，再提交内容

为重复任务提供固定规则，输出保持简短。

将这条售后消息分为退款、物流、质量、咨询或其他。
返回 JSON：category、order_id、summary、needs_review。
order_id 只提取原文中明确出现的编号，缺失写 null。
summary 不超过 30 字；同时涉及多个诉求或信息不足时 needs_review 为 true。
消息：{客户原文}

图片提取时增加“看不清写 null，不补全数字”。候选排序时说明排序标准，并要求返回候选原有 ID，避免系统无法匹配结果。用包含模糊输入与边界类别的样本检查准确率后，再投入大量调用。