GPT 6 Luna

让重复工作更高效

GPT-6 Luna 面向范围明确、需要频繁执行的任务。它适合把客服留言分配到正确类别，从文档中提取固定字段，为商品资料生成简洁说明，或把零散记录整理成统一格式。对这类工作，清楚的规则和稳定的输出往往比长篇分析更重要。

文本与图片都能成为输入

模型支持文本和图片输入、文本输出。你可以让它读取截图中的关键信息，对照规则判断某份材料属于哪一类，或结合商品图和已提供的属性撰写说明。需要结构化结果时，提前定义字段、可选值和缺失信息的处理方式，便于应用直接接收和检查。

把规则写成可重复执行的流程

例如工单分流，应说明类别边界，提供容易混淆的例子，并为无法确定的内容设置人工复核选项。信息提取任务则要明确只能使用输入中出现的事实，不能为凑齐字段而补全不存在的信息。先用具有代表性的样本检查规则，再扩大使用范围，更容易发现边界问题。

Luna 也可参与工具工作流。内置工具和带推理的函数调用适合通过 Responses API 接入；Chat Completions 的函数调用要求 reasoning_effort=none。对于简单分类可采用较轻的推理设置，遇到复杂或高歧义材料时，再转交更深入的分析流程。

客服分流示例

“把下面的留言分为退款、物流、产品咨询、其他四类。输出 category、summary、needs_human 三个字段。用户同时提到多个问题时，按最需要处理的问题分类；信息不足或存在投诉升级迹象时，needs_human 为 true。不要替用户补写未提到的事实。”

提供各类别的边界和几条真实样本，有助于形成一致结果。

信息缺失时该怎么输出？

在规则中指定 null、空数组或待确认状态，不要让模型猜测。程序端继续校验字段和取值范围。

哪些任务适合升级处理？

涉及多份矛盾材料、复杂因果判断或难以定义的需求时，先让Luna完成整理与分流，再交给更深入的分析环节。