重新审视 GPT-6 Astra 的 Skills 与提示词
编程智能体已经取得了长足进步,与之配套的最佳实践也在迅速变化。过去需要大量手把手引导和脚手架才能完成的工作,如今已经不再需要这些东西。
如果过去一年你一直在项目中使用智能体,那么在不断引导模型获得理想结果的过程中,你很可能已经积累了大量臃肿的指令。每次新模型发布,都值得重新检查这些旧有假设;但到了 GPT-6 Astra,这件事比以往任何时候都更重要。
这些指令可以采用多种形式:Skills、AGENTS.md 和具体任务中的提示词,都会影响模型如何完成工作。
Skill 文件
Skill 文件是这类指令的一种载体。它本质上是保存在 Markdown 文件中的提示词,有时还会附带脚本。一般来说,Skill 最适合为某种工作流提供指导——模型只在处理特定任务时才需要这套工作流——或者说明如何使用某个 plugin。
很多人习惯在项目里下载一大堆 Skills,但这是错误的做法。每个 Skill 都有名称和描述,这些信息会被加载到模型的上下文中,让模型判断应该在什么时候使用它。如果很多描述写得过长,而你又添加了太多 Skills,Codex 就会开始缩短这些描述,以便将它们塞进上下文。结果是模型看到的每条描述都不完整,更难判断究竟应该选择哪个 Skill。
更糟的是,不同 Skill 的描述可能彼此冲突,或者带着过强的“选我”倾向,导致模型加载一些对当前任务根本没有帮助的指令。
如果你曾让 Codex 创建 Skill,它大概率使用过 $skill-creator。我们最近从几个方面更新了这项 Skill 的指导内容,希望缓解实践中观察到的许多失败模式。
首先,Skill 描述应该尽可能简短,同时清楚说明模型应该在什么时候使用它。
上面的错误描述会诱导模型在任何涉及数据库的任务中使用该 Skill;正确描述则把适用范围限定在必须处理 migration 的时候。
其次,一项好用的 Skill 有一个关键特征:渐进式披露(progressive disclosure)。读取 Skill 会占用上下文,使对话更快接近上下文压缩(compaction),同时还可能引入与当前任务无关的指导。对于包含多种工作流的 Skill,应把根文档写成一个最小化的路由器,由它指向相关的辅助文档和脚本。只需要给模型足够的提示,让它知道应该去哪里查找;不要强迫它阅读当下用不到的内容。
第三,许多 Skills 过去被写成了细致复杂的行程表或操作配方。模型理解细微差别和模糊信息的能力已经大幅提高,因此,过度具体的指导现在可能反而妨碍结果,而在过去它们或许还有帮助。
仓库中的 Skills 也会指导其他贡献者使用的智能体,而那些智能体可能运行在不同模型上。对 Sol 或 Luna 有帮助的指导,可能会对 GPT-6 Astra 形成过度约束。因此,应该考虑清楚:你留下的这些指令,最终会被哪些模型使用。
AGENTS.md
由于模型只要在你的代码仓库中工作,AGENTS.md 就会生效,因此应该重新检查其中的每一条指令,并问问自己:当前任务真的还需要它吗?
如果只是修正一个拼写错误,却要求模型在每次修改前先阅读一整套文档或完整的仓库地图,显然过头了。GPT-6 Astra 能自行判断需要读取哪些内容,不必逼着它在每次修改前都审查整个项目。
要求模型在每次修改前都读取一批文件,是消耗上下文、拖慢工作的绝佳方法。不过,只要结合具体情境,指向某些文档依然可能有帮助。当然,也要确保这些文档始终保持更新。
以往的模型需要有人提醒它们运行测试并检查自己的工作。GPT-6 Astra 会主动完成这些步骤,因此,沿用同样的指令可能造成不必要的测试。
GPT-6 Astra 做事很彻底,但在判断一项任务究竟应该推进到什么程度时,它可能更谨慎。有时你需要稍微推它一把,让它继续完成工作。对于你明确知道安全的特定工作流,例如本地测试套件,可以在 AGENTS.md 中直接授予它相应权限:
本地测试使用一次性 fixtures,无法访问生产环境。直接运行测试,修复由本次改动造成的失败,并重新运行受影响的测试;每一步都不需要另行请求批准。
决策边界
描述操作边界时必须格外谨慎。如果以前的模型曾在未经允许的情况下代替你执行操作,你可能会加入措辞强硬的指令,要求模型先询问再行动。这种做法可能有用,但 GPT-6 Astra 的判断能力已经好得多,你也应该据此调整对待它的方式。它会认真遵守你设定的边界,所以也可能在一些你本来愿意让它继续推进的地方停下来。
持续推进
如果你已经习惯 GPT-5.6 Sol 接到请求后长时间持续执行,那么 GPT-6 Astra 在决定何时停止方面可能会显得更加谨慎。它可能完成第一版实现后就回来请你检查,即使后面其实还有工作没有完成。
这正是应该在开始之前定义“完成”标准的地方。如果任务包含让实现真正运行起来、检查结果并修复失败,就把这些要求明确写进请求里。如果要求模型在第一版实现完成后停下来等待审查,就会把它拉向一个更早的停止点;所以要先确认,这是否真的是一个必须由你来做的决定。
如果你希望模型在第一次尝试之后继续探索,就明确说明希望它探索什么,以及应该在哪里停止。
新模型也是一次清理旧包袱的好机会。可以让 GPT-6 Astra 根据本文讨论的内容审计现有指令,然后去构建一些过去根本不敢尝试的东西。

