重新思考GPT-6 Astra的技能与提示

编码智能体已经取得了长足进步，最佳实践也在快速演变。过去需要大量人工引导和搭建脚手架的工作，如今已不再需要。

如果你在过去一年里一直在项目中使用智能体，你很可能积累了大量冗长的指令，试图引导模型取得良好结果。随着每次版本更新，都值得重新审视这些假设，但对于 GPT-6 Astra 而言，这一点比以往任何时候都更为关键。

这些指令可以有多种形式，其中 Skills、AGENTS.md 以及你的任务提示都会影响模型如何完成工作。

技能文件

这些指令的一种形式是技能文件，本质上是以 Markdown 文件形式存储的提示词，有时还附带脚本。通常，它们最适合用于指导模型仅在特定任务中需要的工作流程，或提供使用插件的说明。

许多人习惯在项目中下载大量技能，但这是一个错误。每个技能都带有名称和描述，这些内容会被加载到模型的上下文中，以便它知道何时使用。许多描述过于冗长，当你添加过多技能时，Codex 会开始缩短描述以适应限制。结果模型看到的每个描述都更少，从而更难判断该选择哪个技能。

更糟糕的是，描述之间可能相互矛盾，或带有过多的“选我”倾向，导致模型加载对任务并无实际帮助的指令。

如果你曾让 Codex 创建技能，它很可能使用了 $skill-creator 技能。我们最近以几种方式更新了其指导原则，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，同时明确说明模型应在何时使用它们。

这里，糟糕的技能描述可能会促使模型在接触任何与数据库相关的内容时都使用该技能，而实际上它只应在处理迁移任务时才需要这样做。

其次，有用技能的一个关键标志是渐进式披露。阅读技能会占用上下文，使你更接近压缩，并引入可能不适用于当前任务的指导。对于具有多种工作流程的技能，应将根文档设为一个最小化的路由器，指向支持文档和脚本。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，许多技能被编写成详尽的行程或配方。模型在理解细微差别和模糊性方面已大有进步，因此过于具体的指导现在可能反而妨碍结果，而过去它曾有所帮助。

仓库技能还指导其他贡献者的代理，这些代理可能使用不同的模型。对Sol或Luna有帮助的指导可能会过度限制GPT-6 Astra，因此要考虑哪些模型会使用你留下的指令。

AGENTS.md

由于AGENTS.md适用于模型在您的仓库中工作的任何时刻，请重新审视每一条指令，并思考当前任务是否仍然需要它。

在每次编辑前都要求一堆文档或完整的仓库地图，对于修正一个拼写错误来说过于繁琐。GPT-6 Astra能够自行判断需要阅读哪些内容，无需在每次更改前被推动去审查整个项目。

在每次编辑前提示模型阅读文件，是消耗上下文并拖慢工作进度的好方法。不过，指向某些文档仍然可能有帮助，只要它们具有上下文相关性。同时，请务必保持您的文档更新！

之前的模型需要鼓励才能运行测试并检查工作成果。GPT-6 Astra会自行完成这些，因此相同的指令可能导致不必要的测试。

GPT-6 Astra很细致，但在任务推进程度上可能略显犹豫。有时它需要一点推动才能继续。您可以使用AGENTS.md为其授权一个您知道安全的具体工作流程，例如本地测试套件：

本地测试使用一次性夹具，且无生产环境访问权限。请运行它们，修复由所请求更改引起的失败，并重新运行受影响的测试，无需在每一步都请求批准。

决策边界

在描述边界时需格外谨慎。若先前模型未经许可擅自行动，你可能已加入强硬措辞要求其先征询意见。这或许有用，但GPT-6 Astra的判断力更佳，你应如此对待。它也认真对待你的边界，并可能在你其实乐意继续之处停止工作。

持久性

若你习惯于GPT-5.6 Sol接受请求并长时间持续处理，GPT-6 Astra在何时停止上可能显得更为谨慎。它可能达到首个实现后返回征求你的意见，而仍有工作待完成。

此时，在开始前明确完成标准会有所帮助。若任务包含运行实现、检查结果及修复失败项，请将其纳入请求。在首次实现后要求停止审查，会促使模型更早停止，因此请检查这是否是你真正需要做的决定。

若你希望其在首次尝试后继续探索，请说明探索内容及应停止之处。

新模型是整理内务的好时机。请GPT-6 Astra基于本文讨论内容进行审计，然后去构建你此前未曾尝试过的事物吧！