OpenAI 研发人员呼吁：GPT-6 Astra 时代需重构提示工程实践

核心事件：模型演进倒逼提示工程范式更新

OpenAI 研发人员 @pvncher 在稀土掘金技术社区披露，GPT-6 Astra 模型能力显著提升，导致过去依赖的冗长 Skills 与 AGENTS.md 指令反而成为上下文负担与负优化。本次更新不涉及新版本发布或商业参数，而是提示工程方法论的转向。

核心变化要点：

• 模型自身推理与决策能力增强，无需外部强制引导即可判断任务范围
• 过度细化的技能描述与流程指令可能限制模型发挥、引入冲突逻辑
• 上下文压力依旧存在，但瓶颈从模型理解力转向指令简洁性

技术洞察：技能与提示词的三大失效模式

GPT-6 Astra 对指令的响应方式发生根本改变，旧有最佳实践面临重构。研发人员基于持续观测，归纳出以下关键问题：

1. 技能描述失效：过宽触发条件适得其反

Skill本质上是带 Markdown 文件与脚本的提示词集合。问题在于：每个 Skill 的名称与描述均需载入上下文以供模型判断使用时机；描述越长，越多模型会截断内容；多个 Skill 描述矛盾时，模型更易选错。

• 不佳示例：“创建并验证 Postgres 模式迁移。在处理数据库、查询、模型或持久化时使用。”
• 良好示例：“创建并验证 Postgres 模式迁移。在添加或修改迁移文件，或审查其部署上线时使用。”

准确触发场景比覆盖广泛范围更重要——GPT-6 Astra 具备小样本理解能力，模糊触发可被主动引导修正，而过宽触发则引发噪声干扰。

2. 渐进式披露原则取代“全量加载”

读取Skill占用上下文，缩短可用对话长度。对包含多工作流的 Skill，应以精简路由文档为根入口，按需加载附属文档与脚本，而非强制模型一次性阅读全部内容。

3. 具体流程指令反抑制模型能力

过去需通过细化步骤弥补模型模糊性理解的缺陷。GPT-6 Astra 精细语义理解能力提升后，过度具体指导反而扼杀其多路径探索自由度。

值得注意的是，仓库级 Skill 还需兼容旧模型（如 Sol、Luna）。对低版本有效的引导可能严重约束 GPT-6 Astra，因此需按使用模型批次适配指令形态。

AGENTS.md：从强制审查到情境化指引

AGENTS.md 因其全局生效特性，需进行导向性调整：

旧实践 vs 新方法对比

上下文节约效果显著：按需加载显著降低 Token 消耗速度；旧模式下多次全量读取可能使对话快速逼近压缩阈值，新方案则留出推理空间。

另一个关键转变是模型主动性增强：GPT-6 Astra 会主动运行测试并检查成果，继续沿用“每项任务需审批”的旧指令，会导致冗余测试与执行断点堆积。

决策边界与完成条件的重新定义

用户反馈显示，GPT-6 Astra 在执行节奏上趋于审慎：它可能在完成初步实现后主动暂停以请求反馈，即使任务尚有后续环节。

这一行为并非保守，而是模型理解用户意图的新策略：避免在未确认方向正确性前过度投入。这意味着：

• 若希望模型“ E2E 贯穿”，需在初始指令中明确“探索阶段”与“停止条件”
• 若授权特定安全流程（如本地测试），需用“无需每步请求批准”等明确措辞覆盖决策边界

若沿用旧模型因越权操作而加设的强硬限制语句（如“必须先征询意见才能执行”），可能错配 GPT-6 Astra 当前的决策精度，反而阻碍合理自主性。

读者落地建议

适合立即行动者：

• 持续使用智能体的项目团队，尤其当项目曾大量引入 Skill 或依赖 AGENTS.md 定义行为边界者
• 已观察到模型“过度等待审批”或“在不相关上下文中启用 Skill”的团队

建议暂缓者：

• 尚未部署智能体或仍使用早期模型版本（如 GPT-4 阶段）的项目——旧提示工程策略仍具价值
• 技能与指令高度专业化且与当前模型匹配良好的存量系统，需评估重构成本

推荐实践：

1. 以本次更新为节点，进行简易审计：列出所有 Skill 描述，删除任何“在……时使用”的宽泛触发条件
2. 为 AGENTS.md 设定“最小必要加载集”，仅保留全局性原则而非流程脚本
3. 在任务提示中显式声明期望完成粒度（如“完成实现与运行验证”vs“提交首版方案供审查”）

写在最后

GPT-6 Astra 的演进揭示一个趋势：智能体效能不再依赖外部“脚手架”的繁复程度，而取决于指令的语义精度与上下文效率的平衡。提示工程正从“加固模型”转向“点燃模型”，旧方法的价值评估标准亟需更新。