OpenAI 建議精簡 GPT‑6 Astra 技能提示以提升效能

核心要點

OpenAI 近期指出，過長的 技能描述、過寬的閱讀需求以及過於嚴格的批准規則，會拖慢 GPT‑6 Astra 的執行效率。公司建議開發者將指令緊貼具體任務，並明確定義「任務完成」的判斷條件，讓模型自行判斷何時停止工作。

背景與影響

技能檔案的設計原則

• Skill（技能）：以 Markdown 檔案儲存的提示，可包含資源檔與腳本。名稱與說明會被載入模型上下文（Context），供 Codex（模型內部的指令選擇模組）挑選合適的技能。
• 過多或過寬的描述：會迫使 Codex 必須截斷說明，導致關鍵資訊遺失；同時，衝突或過於籠統的描述會把不必要的指令塞入上下文，浪費寶貴的 token（計算單位），使模型更快逼近摘要上限。

精簡範例

• Postgres schema migration：僅在「建立/修改 migration」或「檢查 rollout」時觸發；若同一技能涵蓋多個工作流程，主文件只需簡要指向補充文件與腳本，避免一次性載入全部內容。
• 步驟細節：新模型已具備自行處理細微差異與模糊指令的能力，過度的逐步說明會降低效能。

AGENTS.md 的治理

AGENTS.md 用於規範模型在倉庫中的行為。

• 定期檢視：對於僅需修正拼字錯誤的情況，要求模型先讀取完整的 architecture.md、database.md、deployment.md 等文件屬於過度設計。
• 選擇性引用：在修改服務邊界時只讀取架構文件；變更資料庫結構時僅參考資料庫文件；部署時則參照部署說明。
• 權限設定：對於本機測試、使用臨時資料且不涉及正式環境的情境，可在 AGENTS.md 中明確允許測試、錯誤修正與重新執行測試，免除重複的確認請求。

從嚴格審批到彈性授權

若先前的模型因為「失控」而採取嚴格的批准規則，升級至 Astra 後應重新評估這些規則，避免因過度限制而削弱新模型的自我判斷能力。

未來展望

隨著 GPT‑6 Astra 具備更強的語意理解與自動推理能力，開發者的角色將從「手把手」指導轉向「策略性」設計。 只要在技能檔案中保留最關鍵的任務資訊，並以精簡、明確的方式描述完成條件，模型即可在更少的上下文消耗下完成複雜工作。未來，團隊應建立「技能審核」流程，定期精簡與更新 Markdown 檔案，確保文件與實際流程同步，從而充分發揮 Astra 的效能與靈活性。

關鍵提醒：在模型切換時，務必重新檢視技能、AGENTS.md 與任務提示，讓每一次升級都成為效能提升的契機。