OpenAI 建议：GPT-6 Astra 需要更精简的提示词和更少的限制规则

OpenAI 指出，过于冗长的技能描述、不加区分的阅读要求以及僵化的审批规则可能会阻碍 GPT-6 Astra 的性能。公司建议开发者将指令更紧密地绑定到具体任务，并更清晰地定义任务完成的标志。

OpenAI 的 Eric Provencher 撰文称，随着时间推移积累的指令会消耗上下文空间，甚至导致 GPT-6 Astra 过早停止工作。他建议在更换模型时，审查技能、AGENTS.md 和任务提示词。Provencher 认为，能力更强的模型不需要太多人工引导。这与 OpenAI 此前关于模型过渡的建议 相符。

模糊的技能描述会导致误选

技能是存储为 Markdown 文件的提示词，可以包含资源和脚本。Provencher 表示，它们在特定工作流程或应用场景中效果最好。其名称和描述会进入模型上下文，以便 Codex 为特定任务选择合适的技能。

技能过多会迫使 Codex 截断描述，从而丢失正确选择所需的信息。根据该博文，描述冲突或范围过宽也会导致加载模型不需要的指令。

Provencher 建议保持范围描述简短且精准。用于 Postgres 架构迁移的技能，应仅在创建或修改迁移、或检查其部署时触发。如果一个技能涵盖多个工作流程，Provencher 写道，其主文档应简要指向正确的补充文档和脚本。这样模型只读取实际需要的内容，因为每一次额外的读取都会消耗上下文，并推动其接近总结的阈值。

根据 Provencher 的说法，详细的逐步操作序列也会拖慢较新的模型，因为它们能更好地自行处理细微差别和模糊性。但共享技能适用于每位贡献者的智能体，因此团队需要谨慎。对 Sol 或 Luna 有效的设置，对于运行 Astra 的人来说可能已经过于严格。

每次改动前强制阅读会浪费上下文

Provencher 表示，AGENTS.md 中管理仓库操作的规则也需要定期审查。要求模型在每次改动前阅读多份文档或完整的项目概述对于修复拼写错误来说是大材小用。Astra 能够自行判断需要哪些信息。

Provencher 建议，不要每次都强迫它阅读 architecture.md、database.md 和 deployment.md，而是有选择性地指向这些文档。在涉及服务边界时提供架构信息，在修改模式时使用数据库文档，在发布时参考部署说明。他补充道，这些文档也必须保持更新。

根据该文章的说法，明确授予权限还可以减少针对安全操作的重复确认请求。对于使用临时数据且无法访问生产环境的本地测试，AGENTS.md 可以明确允许智能体运行测试、修复因请求变更导致的错误，并在无需再次询问的情况下重新运行受影响的测试。

Astra 需要明确的目标，而非清单

Provencher 表示，如果早期模型经常“失控”，导致你用严格的审批规则将一切锁死，那么在切换到 Astra 时，是时候重新审视这些规则了。OpenAI 认为该模型具有更好的判断力，但它也可能对旧的限制解读得过于字面化，导致在你希望它继续执行时停了下来。文章指出，已知的安全工作流应被明确允许。

Provencher 指出，即使没有限制，Astra 也可能比 GPT-5.6 Sol 更早停止。他建议预先定义“完成”的含义。如果智能体需要实现某功能、运行它、检查结果并修复错误，那么所有这些内容都需要包含在提示词中。要求在首次实现后汇报进度的指令，会设定一个更早的停止点。

OpenAI 最近发布了针对 GPT-6 Astra 的详细提示技巧，上述关于技能和项目指令的建议正是基于该指南构建的。