OpenAI 发布 GPT-6 Astra 下的技能与提示词重写指南

编码智能体已经取得了长足进步，最佳实践也在快速变化。随着模型能力越来越强，过去需要大量手把手引导和脚手架支撑的工作，如今已不再需要。

如果你在过去一年里一直使用 Codex 这类智能体来处理项目，那么你在努力引导模型产出好结果的过程中，很可能已经积累了大量指令。每次新版本发布，都值得重新审视这些假设，而有了 GPT-6 Astra，这一点比以往任何时候都更重要。

这些指令可以有多种形式：技能、AGENTS.md，以及你的任务提示词，都在塑造模型完成工作的方式。

更好的技能

这些指令可以以技能的形式存在，技能本质上是以 Markdown 文件存储的提示词，还可以与资源和打包脚本一起打包。一般来说，它们最适合用于针对特定工作流的指导，或在使用某些应用时提供指引。

如今人们默认会在项目中打包大量技能，每个技能都带有名称和描述，这些会被加载到模型的上下文中，以便模型知道何时使用它们。但许多描述实在太长，而当你添加过多技能时，Codex 会开始缩短它们的描述以适配。模型最终看到的每段描述都变少了，从而更难判断该选择哪个技能。

更糟的是，描述之间常常相互矛盾，或者过度强调技能应在何时使用，导致模型加载了实际上对任务没有帮助的指令。

创建技能的一个常见工作流是使用 $skill-creator 技能。我们最近更新了它的指导，以帮助缓解我们在实践中看到的许多失败模式。

首先，技能描述应尽可能简短，同时清楚说明模型应在何时使用它们：

明确说明适用场景

差

创建并验证 Postgres schema 迁移。在处理数据库、查询、模型或持久化时使用。

好

创建并验证 Postgres schema 迁移。在添加或更改迁移，或审查其上线过程时使用。

在这里，差的技能描述会促使模型在任何涉及数据库相关内容时都使用它，而不是只在需要处理迁移时才使用。

其次，一个有用技能的关键标志之一是渐进式披露。阅读技能会占用上下文，让你更接近压缩阈值，并引入可能不适用于当前任务的指导。对于包含多个工作流的技能，应让根文档成为一个极简的路由器，指向支持性文档和脚本。给模型足够的指导，让它知道该去哪里查找，而不必强迫它阅读当下无关的内容。

第三，许多技能被写成了详尽的行程表或食谱。模型在理解细微差别和模糊性方面已经强了很多，因此过于具体的指导如今反而可能拖累结果，而在过去它是有帮助的。

仓库技能还会指导其他贡献者的智能体，而这些智能体可能使用不同的模型。对 Sol 或 Luna 有帮助的指导，可能会对 GPT-6 Astra 造成过度约束，所以请考虑哪些模型会使用你留下的指令。

因为 AGENTS.md 会在模型于你的仓库中工作时始终生效，所以你应该经常重新审视每一条指令，问问自己它是否仍然必要。

为了修一个拼写错误，就要求先看一堆文档或完整仓库地图，这太过分了。GPT-6 Astra 能够自行判断需要阅读什么，而不必在每次更改前都被推动去审查整个项目。

按任务需要来阅读

Bad

每次编辑前，都要阅读 architecture.md、database.md 和 deployment.md。

Good

使用 architecture.md 了解服务边界，使用 database.md 了解 schema 变更，并在准备部署时使用 deployment.md。

让模型在每次编辑前都读取文件，是消耗上下文并拖慢工作进度的绝佳方式。不过，只要结合上下文，指向某些文档仍然会很有帮助。也一定要确保你的文档保持更新！

以前的模型需要鼓励才会运行测试并检查自己的工作。GPT-6 Astra 会自行做到这一点，因此相同的指令可能会导致不必要的测试。

GPT-6 Astra 很细致，但在任务该推进到什么程度方面可能会更犹豫。有时它需要一点推动才能继续。你可以使用 AGENTS.md 为你已知安全的特定工作流授予许可，例如本地测试套件：

本地测试使用一次性 fixture，并且没有生产环境访问权限。运行它们，修复由所请求变更导致的失败，并重新运行受影响的测试，无需在每一步都请求批准。

要特别注意你如何描述边界。如果以前的模型未经许可就替你做事，你可能已经添加了强硬措辞来让它先询问。这可能有用，但作为我们对齐程度最高的模型，GPT-6 Astra 拥有好得多的判断力，并且除非知道任务是安全的，否则不会执行任务——所以你也应该这样对待它。

如果你之前设定边界，是因为想防止其他模型做得太过，而你现在要切换到 GPT-6 Astra，请考虑更新那些措辞：Astra 可能会把它看得太认真，并可能在你实际上乐意让它继续的地方停止工作。

如果你习惯了 GPT-5.6 Sol 接受一个请求并长时间持续推进，那么 GPT-6 Astra 在何时停止方面可能会显得更犹豫。它可能完成第一版实现后就回来等你审查，而实际上还有工作要做。

这正是提前定义完成标准会有帮助的地方。你可能需要推动 Astra 继续，直到它完全完成。如果任务包括让实现运行起来、检查结果并修复失败项，就把这些作为请求的一部分。要求在第一次实现后停下来审查，会把模型拉向更早的停止点，所以检查一下这是否真的是你需要做出的决定。

如果你想让它超越第一轮继续探索，就说明你想探索什么，以及它应该在哪里停止。

新模型是清理旧问题的好机会，但你不需要手动审查所有内容：让 GPT-6 Astra 根据本文讨论的内容做一次审计，然后去构建一些你以前不会尝试的东西！