大数跨境

GPT-6 Astra这么猛,但是配错Skill等于白搭

GPT-6 Astra这么猛,但是配错Skill等于白搭 萝卜AI笔记
2026-09-08
6

以上就是今天的分享,觉得有帮助,帮请帮一键三连:点赞、转发,再看留言,你的反馈对我很重要!


大家好,我是萝卜哥~

Astra 发布这几天,群里基本处于炸开的状态。有朋友第一时间把 Codex 升上去,跑了两天回来跟我说,好像除了速度快了一些也没感觉到多强,钱倒是花得挺快。

我扒了一圈官方文档和几家做过实测的博客,发现问题多半不在模型身上,而在装了一堆为老模型准备的 Skill。

Astra 的用法跟以前不太一样,如果你还按 5.6 那套配,等于给一个已经会开车的人继续绑辅助轮。

这篇就把我看下来最值得配的几个 Skill 捋一遍,基本的日常工作都能包住了,然后剩下的 skill,我觉得都可以自己创建,也不是难事。

Astra 最适合长链条、跨软件、多步骤、需要持续执行的任务。Skill 不要贪多,重点是减少旧指令负担,把流程边界和高价值工具配好。


01先搞清楚 Astra 到底强在哪不看清优势,选 Skill 就是瞎搞

不看清这点,选 Skill 就是瞎搞。

在官方的公告里,最显眼的几个数字都集中在电脑操作上。OSWorld 2.0 拿到 72.6%,而且完成同样一批任务比上代 Sol 快了 47%。识别屏幕元素的 ScreenSpot Pro 从 76.9% 跳到 92.7%,多步自动化的 AutomationBench 从 18.1% 直接翻到 41.4%。终端里那些又长又乱的活儿,Terminal-Bench 4.0 是 57.9%,Sol 才 37.3%。

Image

长上下文也补齐了,25 万到 50 万 token 区间是满分,50 万到 100 万还有 96.3%。

但是呃,通用编码那几项提升就很有限了,DeepSWE 和 FrontierCode 基本跟上代持平,有实测博客直接说这部分省下来的主要是 token,代码质量本身没看出多大变化。价格还是每百万输入 10 刀、输出 50 刀,差不多是上代的 2.5 倍。

所以根据 Astra 的擅长方向来看,拿它写个正则、改个样式,纯属浪费钱。

要把它扔进那种跨好几个软件、要跑半小时、中途还会变需求的长链条任务里,才对得起这个单价。

那我们选 Skill 也照这个思路来。


02不建议把旧 Skill 原封不动搬过来Astra 需要的是更少负担

OpenAI 自己给的调优建议里,反复在讲同一件事,Astra 需要的脚手架比以前少。

那些“改任何东西之前先通读整个仓库”、“动手前先问我一遍”、“记得写测试”的老规矩,在 Astra 面前全是负担。它本来就会做,你写一遍反而让它卡在那儿等你确认。

官方甚至列了一份 slop 词黑名单,让你在 prompt 里明确禁掉。里面有 delve into、leverage、还专门点名了那种“X,而不是 Y”的对比句式。

Image

看到这条我笑了一下,因为这也是我自己写文章一直可以避免的句式,毕竟这个句式太 AI 了。

所以如果你的 Agent 里面安装了一大堆 Skills,那现在真的可以让 Astra 来帮你全面梳理一遍了。

Astra 对相互打架的指令特别敏感,装得越多,它越容易在半路停下来问你话。

我自己也刚刚让 Astra 深入分析了一把,把我自己创建的 Skills 都优化了一下,效果明显。

Image

下面就来介绍我觉得最值得安装的插件和 Skills。

别把老 Skill 当成资产无脑迁移。Astra 更适合少量高质量 Skill,加上清晰的流程边界。


03系统级别插件,三个就够先把执行能力补齐
插件 01Computer Use 和 Chrome

Computer Use 和 Chrome 这两个官方插件。 一个接管电脑上的应用,一个接管浏览器。

配上前面那个 92.7% 的屏幕识别成绩,“把这个表里三月份的数据抄到另一个软件里去”这种体力活,真的可以完全叫出去了。

Image
Image
插件 02Superpowers

Superpowers。 GitHub 上二十八万星,目前最大的第三方框架。

它管的是整个流程该怎么走,需求先问清楚,方案拆成小块给你确认,再落地实现。这跟前面说的“少上脚手架”其实并不冲突,因为它定的是阶段边界,不是在教模型谨慎。

Image
插件 03gh-fix-ci

gh-fix-ci。 CI 挂了它会自己去看日志、定位、改完再推一次,一句 $skill-installer gh-fix-ci 就可以安装好。

经常写代码的话再配个 Context7,让它改代码前先查一遍库现在的真实用法。

前面说了 Astra 在编码这方面其实进步有限,单价又贵,最怕的就是拿着过时接口瞎写,钱花了活儿还得返工。

Computer Use、Chrome、Superpowers、gh-fix-ci 是我觉得最值得优先装的几类。核心不是让 Astra 变得“更会想”,而是让它更顺畅地完成跨软件、跨页面、跨流程的执行。


04自媒体创作,在精不在多别拿高价模型做低价文案

很多做账号的朋友,一定要看这里。

做内容的 skill 一定要好好选一下,那种“丢一句话生成一段文案”的 Skill,配 Astra 纯属浪费。

干出来的活儿跟上代大模型没区别,钱倒是多花两倍多。

Skill 01Brand Voice

风格档案类 Skill,我推荐 Brand Voice。 这个是我认为最能吃到 Astra 红利的工具。

它干的事是从你已经发布的内容里反推出一份风格说明,以后写稿都照着走。

这里的关键是旧模型上下文不够,最多喂三五篇当样本,抓出来的风格特别浅,无非是“口语化”“多用短句”这种废话。

Astra 在 50 万到 100 万 token 区间还有 96.3% 的准确率,你可以把几十上百篇旧稿一次性投喂给它,让它自己去找规律。

哪类开头你的完读率高,哪些词你从来不用,这种颗粒度的模仿才有意义。

Image
Skill 02marketingskills

marketingskills。 Corey Haines 打包的 54 个营销类 Skill,使用 npx skills add coreyhaines31/marketingskills 命令可以一次性全部安装好。

里面对做号最有用的是 SEO 那一组和社媒那一组。

你可以让 Astra 一口气把选题分析、成稿、配图、分发文案全串起来跑完,它的优势就是一整套流程,单独一个工具反而看不出差别。

Image
Skill 03情报收集

情报收集,我觉得使用官方 Chrome 插件再配一个深度研究类 Skill 就行。

做资讯和测评的都知道,最费时间的从来不是写,是满世界找料再核对。

但深度研究相关的 skill 现在特别乱,GitHub 上叫 deep-research 的仓库一抓一大把,长得还都差不多,星数基本是个位数,几个市场标的装机量相互还对不上,所以这个真的没办法推荐。

其实真正决定研究质量的是下面那层搜索源,我的建议是先把 MCP 设置好。

推荐搜索源:Exa 管语义搜索,Firecrawl 负责把 JS 渲染页面啃成干净 markdown,Tavily 适合预算紧的场景,每月还有一千次免费额度。

Exa 管语义搜索,适合“帮我找跟这段话说的是同一件事的内容”这种活儿,一句 npx -y mcp-remote https://mcp.exa.ai/mcp 接上。

Firecrawl 专治那些 JS 渲染的页面,能把它啃成干净的 markdown,装法是 npx -y firecrawl-mcp

预算紧的话 Tavily 也够用,它是专门为大模型调过的,每月还有一千次免费额度,命令是 npx -y tavily-mcp

至于上面那层研究 Skill,我建议你用 skill-creator 自己写一个。它无非就是把一个大问题拆成几个小的分头去搜,回来交叉验证一遍,最后带着出处汇总给你。

这套流程怎么走最贴合你的选题,还是自己定义最省心。

Skill 的价值在于固化你已经会的东西,如果某个方向现成的 skill 都不太行,那就自己动手,反正也就一个文件的事。
Skill 04Remotion

Remotion。 视频这块最热的一个,在 skills.sh 上装机量到了 500 万,安装方法是 npx skills add remotion-dev/skills

它用代码渲染视频,同一套模板换数据就能批量出片,适合那种每期结构固定的栏目化内容。

Image

素材处理还有官方那三件套,pdf、transcribe、speech,扒表格、转文字稿、再念出来,办公三件套,每天都用到。


05串起来是什么样走一遍你就懂了

上面推荐的这些可能看着比较零散,咱们用一个案例来串起来看具体怎么使用。

假设一个很常见的活儿,某个新出的 AI 视频工具突然火了,你想两天内出一篇测评,外带一条短视频和一条 X 帖子。

第一步先派它出去找资料

Chrome 插件配研究类 Skill,让它把官方文档、定价页,还有 Reddit 和 X 上真实用户的吐槽全翻一遍,回来交一份带出处的简报。

这里有个小技巧,直接跟它说重点找差评和失败案例。

夸奖满地都是,能撑起一篇测评的永远是别人没说过的坑。

第二步让 Computer Use 去跑测试

接着让 Computer Use 直接去官网注册账号,把工具装上,按你给的三个测试用例各跑一遍,每一步自己截图存进文件夹。

以前做测评,截图全靠你一张张手点手截,一个下午就没了。现在它替你点,你只负责审图,挑出哪几张能用、哪张失真了要重跑。

派活前要写清完成标准:比如三个用例各要一张截图加一段结果记录,少一样都不算完。

第三步用风格档案出初稿

接下来把前面生成的那份简报和你的风格档案一起丢给它,让它出初稿。

这一步的关键在于风格档案是从你几十篇旧稿里整理出来的,所以出来的东西带着你的语感,省掉了以后反复改口吻的时间。

第四步做标题、帖子和短视频

最后做衍生,使用 marketingskills 里那组社媒 Skill 出一批标题备选和 X 帖子文案。

Remotion 套你固定的视频模板,把三张截图和结论渲成一条短视频。

最后,发布一定你自己来,别交给机器,各个平台几乎都限制自动发布,千万不要因小失大啊。

这么走一遍,你真正花时间的地方从找料和截图,挪到了审图和下判断。

省下来的是体力,留给你的是脑力,这才是这次升级值钱的地方。

06写在最后Skill 固化的是流程,不是判断力

Skill 这东西的本质是把你已经会的流程固化下来,让你不用每次重复交代,它复制不了你没有的东西。

选题该不该做,这个角度有没有人写烂了,最后还是得你自己拿主意,AI 只是帮你把想清楚之后的执行环节压缩到几分钟。

而且 Astra 单价那么高,你越是没想清楚就开工,烧的钱越多。想清楚再动手,才会真的省钱。

Astra 不适合被一堆旧 Skill 绑住。它真正值钱的地方,是在长上下文、电脑操作、多步骤自动化和复杂执行链路里,把你已经想清楚的流程快速跑完。

最后,别光顾着收藏啊喂,挑一两个先装上跑跑看。

跑过一遍你才知道哪些对你有用。


以上就是今天的分享,觉得有帮助,帮请帮一键三连:点赞、转发,再看留言,你的反馈对我很重要!


【声明】内容源于网络
0
0
萝卜AI笔记
做有温度的AI人
内容 184
粉丝 1
萝卜AI笔记 做有温度的AI人
总阅读11.8k
粉丝1
内容184