OpenAI 建议 GPT-6 Astra 提示词应精简，减少安全限制

OpenAI 建议：GPT-6 Astra 需要更精简的 prompt 和更少的限制规则

据 OpenAI 透露，过长的技能描述、全面阅读要求以及僵化的审批规则可能会阻碍 GPT-6 Astra 的表现。该公司建议开发者将指令更紧密地绑定到具体任务上，并更清晰地定义何时算工作完成。

OpenAI 的 Eric Provencher 写道，随着时间累积的指令会消耗上下文，或导致 GPT-6 Astra 过早停止工作。他建议在切换模型时审查技能、AGENTS.md 和任务 prompt。更强的模型不需要手把手指导，这与 Provencher 早些时候关于模型迁移的建议一致。

模糊的技能描述会导致错误选择

技能是存储为 Markdown 文件的 prompt，可以包含资源和脚本。Provencher 表示，它们最适合用于特定的工作流或应用场景。技能名称和描述会进入模型的上下文，以便 Codex 能为给定任务选择正确的技能。

技能过多会迫使 Codex 截断描述，去掉它正确选择所需的信息。冲突的描述或过于宽泛的范围也可能加载模型不需要的指令。

Provencher 建议保持范围描述简短精准。一个用于 Postgres schema 迁移的技能，只应在创建或修改迁移时触发，或在检查其部署状态时触发。如果一个技能涵盖多个工作流，其主文档应简要指向正确的补充文档和脚本。这样模型只会读取它实际需要的内容，因为每多读一份内容都会消耗上下文并使其更接近总结。

详细的逐步序列也可能拖慢更新的模型，因为它们自己能更好地处理细微差别和歧义。但共享技能适用于每个贡献者的 agent，所以团队需要谨慎。对于 Sol 或 Luna 有效的规则，对于运行 Astra 的人来说可能已经过于严格了。

每次变更前强制阅读会浪费上下文

Provencher 还表示，AGENTS.md 中管理仓库工作的规则需要定期审查。要求模型在每次变更前阅读多份文档或完整项目概述，对于修正拼写错误这样的操作来说过于杀鸡用牛刀。Astra 可以自己弄清楚需要什么。

Provencher 建议不要每次都强制它阅读 architecture.md、database.md 和 deployment.md，而是选择性地指向这些文档。在服务边界工作时提供架构信息。在修改 schema 时提供数据库文档。在发布时提供部署说明。他还补充说，文档也需要保持最新。

明确的权限也可以减少安全操作的重复确认请求。对于使用一次性数据且无生产环境访问权的本地测试，AGENTS.md 可以明确允许 agent 运行测试、修复由请求变更引起的错误，并重新运行受影响的测试而无需再次询问。

Astra 需要明确的目标，而不是检查清单

Provencher 表示，如果你早期因为模型失控而用严格的审批规则锁定了某些操作，那么在切换到 Astra 时是时候重新审视这些规则了。OpenAI 认为该模型有更好的判断力，但它也可能过于字面地解读旧限制，以至于在你希望它继续时反而停了下来。已知的安全工作流应该被明确允许。

即便没有限制，Astra 也可能比 GPT-5.6 Sol 更早停止。Provencher 建议提前定义"完成"的含义。如果 agent 应该实现某内容、运行它、检查结果并修复错误，所有这些都需要在 prompt 中说明。要求在第一次实现后进行检查会设置更早的停止点。

OpenAI 最近发布了 GPT-6 Astra 的详细提示技巧，而这次关于技能和项目指令的建议正是对该指南的补充。