ARTICLE · 1017952
OpenAI 官方:重新思考 GPT-6 Astra 的技能和提示词
最近读了 OpenAI 开发者博客的一篇文章，标题叫《Rethinking Skills and Prompts for GPT-6 Astra》（重新思考 GPT-6 Astra 的技能和提示词），作者 Eric Provencher，2026 年 9 月 11 日发的。
里面有一件挺反直觉的事情：它开始建议开发者，重新检查过去写下的那些 Prompt、Skill 和 AGENTS.md，看看是不是该删掉一些。
原因很简单——模型变强了。过去需要人类手把手搭脚手架的事情，现在模型自己已经能判断和完成更多。
过去为了让 AI 做对事情，我们会给它写越来越详细的规则：该读什么、先做什么、什么时候测试、什么时候必须停下来问我们……
但到了 GPT-6 Astra，OpenAI 发现，有些原本用来“帮助模型”的规则，现在反而开始占用上下文、限制模型判断，甚至让它做更多不必要的工作。
换句话说，AI 越来越聪明之后，我们可能需要做的不是继续教它更多，而是开始删掉一些过去教给它的东西。
先说一下 Skill 是什么
OpenAI 原文的定义是：Skill 本质上是存储在 Markdown 文件里的提示词，也可以和资源、脚本一起打包，用来指导模型完成特定工作流。
很多人现在的习惯是，往项目里狂塞 Skill，每个 Skill 的描述还写得老长。
但问题是：很多 Skill 都有自己的 name 和 description，这些信息会进入模型上下文，当 Skill 数量越来越多时，Codex 会压缩这些描述来控制上下文规模，结果反而是：模型看到的每个 Skill 信息变少了，更难判断到底应该选哪个。
更糟的是，描述之间可能互相矛盾，或者过度强调使用场景，让模型加载了根本不需要的指令。
OpenAI 给了三条原则：
1. 描述要短，但必须写清楚“什么时候用”
坏的例子：
Use when working with databases, queries, models, or persistence.（用于处理数据库、查询、模型或持久化时使用）
这太宽了，模型一碰到数据库相关任务，就可能倾向于使用这个 Skill。
好的例子：
Use when adding or changing a migration.（在添加或更改数据库迁移时使用）
这才叫精准：只有真做数据库迁移时才用。
记住，Skill 描述的重点不是“它能干啥”，而是“啥时候该用它”。
2. 用“渐进式披露”，根文档只做“路由器”
如果一个 Skill 有多个工作流，根文档别写成一本大百科。
更好的做法是：根文档只做一个极简的“路由器”，指向具体的支持文档和脚本。
因为读 Skill 是要烧上下文的，强行让模型读一堆不相关的内容，只会拖慢它、干扰它。
3. 别写成过于详细的“菜谱”
GPT-6 Astra 对模糊和细微语境的理解已经很强了。
你写太具体的步骤，反而可能限制它发挥。
而且这里有一个容易被忽略的细节：仓库里的 Skill 不是只给你自己用的。
原文特别提醒：仓库里的 Skill 也会被其他贡献者的智能体使用，而这些智能体可能用的是不同模型，为 GPT-5.6 Sol 写的详细指导，对 GPT-6 Astra 可能就是过度约束。
所以以后写 Skill，不仅要问“这条规则有没有用”，还要问：“这条规则是给哪个模型看的？”
过去我们写 Skill，是在想“怎么把模型教会”，现在还要考虑“这个 Skill 未来会被哪个模型看到”。
AGENTS.md 是仓库里持续生效的指令文件。
好处是模型每次进这个仓库都能看到长期规则，但文章提醒：要经常重新审视每一条指令，看看它是不是还有必要。
几个典型误区，大家可以对号入座。
1. 别要求模型每次编辑前都读一堆文档
以前我们可能觉得，改代码就得先读架构、数据库、部署文档。
但为了修个拼写错误，就要求它读完整个架构和部署文档，对 GPT-6 Astra 来说纯属多余。
它已经有能力判断需要读什么，不需要我们每次都强迫它把整个项目预习一遍。
2. 指向文档可以，但要“上下文相关”
不是不能指，而是要有条件，比如：
任务涉及服务边界时，才指向架构文档
涉及表结构变更时，才指向数据库文档
这样模型才知道啥时候该看，而不是每次都被迫全库预习。
3. 过去催模型跑测试，现在可能反而多余
过去模型经常需要你明确要求它测试和检查结果，但 OpenAI 表示，GPT-6 Astra 已经会主动做这些事情。
继续沿用过去那种“每次都必须测试”的指令，反而可能导致不必要的测试。
不过文章也说了，Astra 有时对“做到哪算完”偏犹豫。所以可以在 AGENTS.md 里，对一些已知安全的工作流明确授权。
比如明确说：
本地测试可以自己跑
修复引入的失败
重跑相关用例
不用每一步都请示
这其实是在给模型明确的决策边界，而不是过程控制。
这部分我觉得是整篇文章最值钱的地方，它说的其实是一场范式转移：从“过程控制”到“目标定义”。
过去模型弱，我们得手把手教过程。
现在模型强了，对于很多 Coding Agent 任务，你不必再事无巨细地规定执行步骤，更重要的是定义清楚目标、边界、完成标准，以及完成任务所需要的上下文。
比如，你不需要再写：
第一步打开这个文件，第二步搜索这个函数，第三步改这一行，第四步跑这个命令……
你更应该写：
这个任务的验收标准是什么
哪些行为允许
哪些边界不能碰
什么情况下必须停下来问我
文章还特别提到“决策边界”。
以前模型容易未经许可就行动，所以很多提示词里写了强烈的“先问我”。
OpenAI 认为 GPT-6 Astra 的判断能力已经明显增强，因此过去为了防止模型越界而写下的一些强硬限制，可能需要重新审视。
因为过硬的“刹车”，可能会让它在该继续的时候也停住。
这是原文里我觉得最有意思的一节，单独拿出来说。
前面我们一直在讲：不要过度控制模型，少规定过程，多给目标。
但 OpenAI 同时发现了一个反直觉的现象：如果你习惯了 GPT-5.6 Sol 接到任务后一路干很久，那么 GPT-6 Astra 有时反而会显得更谨慎：做到第一版实现后，就回来让你 Review。
也就是说，它可能做完了一个初版，然后停在那里等你的反馈，而不是继续往下推进。
这恰好和前面的逻辑形成一个张力：
一方面，你应该少规定“怎么做”
另一方面，你要更明确地规定“做到什么程度才算结束”
如果你希望模型继续探索、继续修复、继续迭代，那就得在提示词里说清楚：探索什么、在哪里停、什么情况下不需要回来问。
这其实是全文最漂亮的逻辑：过程可以放开，但完成标准要收得更紧。
读完这篇文章，我得出三个结论。
1. Prompt Engineering 正从“写得多”转向“写得准”
不是 Prompt 不重要了，而是模型能力提升以后，人为规定执行过程的价值下降了，定义目标、边界和完成标准的价值上升了。
换句话说，Prompt Engineering 没有消失，它从“写指令”变成了“设计任务”。
2. AI Agent 的“上下文管理”正在变成新的工程能力
以前大家关注的是：怎么让模型获得更多信息？
现在越来越需要考虑：哪些信息根本不应该进入当前任务的上下文？
Skill 太多、文档太多、规则太多，本身就可能成为 Agent 的负担。
3. 模型升级以后，最该做的事情之一不是加规则，而是重新审视旧规则
有些该删，有些该改，有些反而应该保留。
关键不是“规则越少越好”，而是每条规则都应该有存在的理由。
过去为旧模型写下的每一条规则，都应该重新问一次：它现在还有必要吗？
这篇文章表面上在讲 Skills、AGENTS.md 和提示词怎么写，但背后是个更大的趋势：
当 AI Agent 的自主判断能力越来越强之后，人类应该从“流程设计者”逐渐变成“目标和边界的定义者”。
模型越强，人类越不需要教它“怎么做”，而是越需要告诉它“做什么”和“什么叫做完”。
过去我们在给 AI 搭脚手架，现在 AI 正在学会自己搭脚手架。
所以真正需要升级的，可能不是我们的 Prompt，而是我们和 AI 分工的方式。
如果你也在用 Codex / GPT-6，可以从三个地方开始：清理 Skill 描述、精简 AGENTS.md、重写任务提示词。
少写“你必须怎么做”，多写“我要什么结果、什么不能碰、做到什么程度才算完成”。
如果觉得这篇对你有帮助，点个赞或者转发给也在折腾 AI 的朋友吧。咱们下篇见。