GPT-6 Astra 官方提示詞指南：把愈積愈長的規則刪成條件式

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

2026 年 9 月 11 日，OpenAI 在開發者部落格發表了一篇給 GPT-6 Astra 使用者的長文，標題是 Rethinking skills and prompts for GPT-6 Astra。文章的起點是很多團隊都有的狀況：過去一年為了讓代理工具少出錯，你把先讀哪些文件、每一步怎麼做、什麼時候停下來問、需要跑哪些測試，全部寫成了規則。官方的判斷很直接：模型已在 9 月 3 日發表，這些規則比以往任何一次改版都更值得重看一遍，因為用來扶著舊模型走路的指示，現在可能變成拖慢新模型的負擔。

這不是要你棄用規則。官方把改法寫得相當具體：skill 的描述要截短並寫清楚觸發時機、SKILL.md 要收成只負責分流的路由器、AGENTS.md 要從「每次都要讀」改成「遇到什麼才讀什麼」、舊的防禦語言建議重寫、任務 prompt 要補上完成定義。模型指南裡還附了多段可以直接複製的範本，以及一份遷移參數檢查清單。這篇照官方文件的順序走一遍，文末附上訊號對照和還原方式。

對象先講清楚：這套建議直接寫給用 Codex 或其他會載入 Skills、AGENTS.md 的代理環境的團隊。官方文件載明 Skills 與開放的 Agent Skills 標準相容，同格式的整理方法拿到別的工具上大方向也通用，只是文件裡對模型行為的描述，講的都是 GPT-6 Astra 本身。想看這個模型實際吃得下什麼提示詞，社群已經整理出兩百多條 GPT-6 Astra 的 3D 提示詞案例庫；官方出提示詞指南也不是頭一回，GPT Image 2.5 的生圖指南就放在同一個文件站。

三層指令先分清楚，兩條安全底線劃在前面

官方把影響代理工作的指令分成三層：Skills 是可重複使用的工作包，一個 SKILL.md 搭配參考資料與腳本；AGENTS.md 是 repo 層級的長期規則，模型在這個 repo 裡工作時一律生效；任務 prompt 則交代這一次要交付什麼。重整動的是前兩層的寫法，第三層補的是完成定義。

動手前有兩條底線。模型指南對 Astra 的指令遵循有一句加重語氣的建議：它對 Skills 與 AGENTS.md 這類檔案裡的指令更敏感，官方強烈建議把模型讀得到的檔案全部稽核一遍。Skills 文件則把 skill 內容定位為未受信任的輸入，點名 prompt injection 帶動資料外洩的風險，要求在開發者層級審查、不要把開放的 skill 目錄直接暴露給終端使用者。換句話說，刪掉冗長的規則與降低安全審查是兩件事，後者不在這次的減法裡。

文件的語氣也不是一次拆光。部落格結尾把換模型形容成整理房間的好時機，而且不必自己逐條重看：官方建議直接請 Astra 依文章內容代為稽核一輪（文末會回到這個做法），你要做的是決定哪些指示仍然需要，而不是把規則庫清空重來。

skill 描述截短：官方壞例與好例的差別在觸發條件

每個 skill 的名稱與描述都會載入模型的上下文，模型靠這兩行決定要不要用。官方觀察到，很多人預設把大量 skill 裝進專案，描述又寫得長；skill 一多，Codex 會開始截短這些描述來騰出空間，模型看到的線索變少，更難選對。更麻煩的情況是描述之間互相矛盾、或過度強調使用時機，模型會載入對眼前任務沒有幫助的整套指引。

官方給了一組對照例句，示範同一個 skill 的描述怎麼改：

Pin

註解寫得很白：壞描述會推著模型在碰到任何資料庫相關的東西時都啟用這個 skill，而不是只在真的要處理 migration 時。改寫時拿好例句的結構自查兩個問題：這條描述有沒有講清楚「做什麼」，以及「什麼時候用」。官方也提到常用的 $skill-creator 這條 skill 最近更新過指引，針對的就是實務上看到的那類失誤。

SKILL.md 收成分流路由器，細節需要時才載入

官方把 progressive disclosure（漸進式揭露）列為好用 skill 的關鍵特徵。讀一份 skill 會占用上下文，讓你更早碰上 compaction，也就是把較早的內容壓縮收攏、騰出上下文空間的機制，同時把可能不適用於眼前任務的指引帶進來。對含多種流程的 skill，官方建議把根文件做成最小的路由器，只負責指向支撐文件與腳本，給模型足夠的指引知道去哪裡找，不強迫它讀當下用不到的內容。

Skills 文件給了現成的目錄範本，一個 pull request 審查 skill 長這樣：

review-pr/
├── SKILL.md
├── references/
│   └── review-guidelines.md
├── scripts/
│   └── check-changes.sh
└── assets/
    └── review-template.md

三個子目錄各有分工：references 放背景資料，scripts 放可重複執行的動作，assets 放固定輸出的範本。打包限制同一頁載明：zip 上傳上限 50 MB、每個版本最多 500 個檔案、未壓縮單檔 25 MB；走 Agents API 的話，每個 session 最多註冊 32 個 capability 目錄讓框架去掃 SKILL.md。

另一個該刪的是食譜式的行程表。文件直說模型理解細微差異與模糊性的能力已經好很多，以前有幫助的超詳細逐步指引，現在可能反過來妨礙結果。repo 裡的 skill 還有第二個讀者：其他貢獻者的代理，跑的模型不見得相同。官方提醒，對 Sol 或 Luna 有幫助的指引可能過度約束 GPT-6 Astra，留下的指示要考慮之後誰會讀到。技能生態還在膨脹，連 Unity 都把官方技能包同時送上了三個平台的目錄，你 repo 裡的 skill 數量多半只會增加。

AGENTS.md 把文件綁回情境，順便刪掉測試鼓勵句

AGENTS.md 在模型於 repo 工作時一律生效，所以官方要求經常重看每一條指示還需不需要。最常見的過頭寫法，是改一個錯字前要先讀完架構、資料庫與部署三份文件，或者每次編輯前要看一輪完整的 repo 導覽。官方對 Astra 的判斷是它自己會找出需要讀什麼，不必每次都被推著把整個專案重看一遍。

官方的第二組對照例句：壞例是「每次編輯前，先讀 architecture.md、database.md、deployment.md」；好例是「服務邊界看 architecture.md，schema 變更看 database.md，準備部署時看 deployment.md」。這組例句的註解同樣直接：每次編輯前都讀檔，是燒上下文又拖慢工作的好方法；指向文件仍然有幫助，前提是綁在情境上，而且那些文件本身也要保持更新。

Pin

測試是另一個方向反轉的例子。以前的模型需要被鼓勵才會跑測試、檢查自己的工作；指南說 GPT-6 Astra 自己就會做，同樣的鼓勵句留下來，結果是不必要的重複測試。反過來，Astra 有時對「做到哪裡」太保守，官方建議用 AGENTS.md 給它明確的許可，例如本地測試：這套測試用拋棄式的資料、不碰正式環境，跑下去、修好這次變更弄壞的部分、重跑受影響的測試，不需要每一步都來問。

驗證方式：把 AGENTS.md 逐條拿出來問「這條什麼情境適用」。答不出觸發情境的規則，就是下一條要改寫或刪除的對象。

防禦語言重寫，完成定義寫在開始之前

如果舊模型曾經替你做了你沒答應的事，你大概寫過很強的「先問我再動」語言。官方對 Astra 的定位是「我們對齊程度最高的模型」，判斷力好得多，不知道安不安全就不會執行。所以那些為了擋住舊模型亂衝而寫的強硬句子，官方建議在換到 Astra 後重新檢視：它可能把那些話看得太認真，停在你其實樂見它繼續做的地方。

停得太早是另一個訊號。習慣 GPT-5.6 Sol 接了需求就一路做很久的人，對 Astra 的體感會不一樣：官方形容它對「何時停」更保守，可能做出第一版實作就回來等你的審查，而工作其實還沒完。解法是在開始前定義完成：如果這個任務包含把實作跑起來、檢查結果、修好失敗的部分，就把這些寫進請求裡。

官方還點出一個容易自我實現的寫法：要求它「第一版實作後停下來給我審查」，會把模型拉向更早的停點，先檢查那是不是你真的要的決定。要它繼續探索超過第一輪，就說清楚想探索什麼、停在哪裡。

模型指南整理的行為傾向，附可直接複製的官方範本

模型指南把 Astra 的行為傾向整理成五項：更會在答案可能影響結果時，先問你聚焦的問題；指令遵循更強，對 skill 與檔案裡的指令也更敏感；回應偏向列表、表格與 Markdown 這類格式，也可能出現跨對話重複的慣用句；把工作分給子代理的頻率可能比你想要的低；coding 任務傾向做很徹底的測試，小任務也可能跑出超過需要的範圍。每一項官方都附了 prompt 範本，抄回去改個語氣就能用。

Pin

四條最實用的意譯如下：

• 自主推進：從指示與前文推斷意圖與範圍，朝完成推進。開隔離的 worktree、解合併衝突、唯讀操作、開草稿 PR 這類事自己做，除非明確是破壞性或不可逆的。
• 確認時點：先做完已授權且必要的部分，拿出具體可審查的成果再來問；該被確認的是具體結果，不是計畫。可逆的、唯讀的、先前已授權的不必再問；也不要因為假設性的風險，自己加上沒被要求的警告、免責或檢查表。
• 指令優先序：使用者的指示優先於 skill 裡的指引；兩者衝突時，照使用者的做。
• skill 歸因：如果某個 skill 讓你停下來請求確認、留下沒做完的工作、或偏離使用者意圖，指名是哪一份 SKILL.md 並附上連結，引用讓你停下的那一行，說明它如何適用；把 skill 的明文要求和你自己的詮釋分開講。

寫作風格那項的範本也值得一看：官方列了一份避免清單，要模型別用 delve、leverage 這類罐頭詞，別在結尾堆結論句，別用沒被要求的對比框架。這份清單可以整段搬回自己的系統指示裡。

遷移時順手檢查的參數清單

規則層之外，指南的遷移段把參數層的變更也列清楚了。用 Codex 的人有捷徑：對代理下 $openai-docs migrate this project to GPT-6 Astra，官方的 OpenAI Docs skill 會直接套用指南的建議；這條 skill 也能從 Codex 的 repo 下載，裝到其他代理上用。

手動遷移時，參數層的變更集中在這幾件事：

• reasoning effort：Astra 不支援 none；現用 none 或 minimal 的，從 low 起步比較結果。
• 工具呼叫：改用 Responses API；Astra 在 Chat Completions 上不支援工具呼叫。
• 移除參數：temperature、top_p、top_logprobs 都要拿掉；Chat Completions 再加 logprobs，Responses 則從 include 拿掉 message.output_text.logprobs。
• EU 資料駐留：Astra 的 fast mode 不可用，也不支援 fast 與 priority 兩個 service tier；且 Astra 的 fast mode 本身不含延遲 SLA。
• 對話中調整推理強度：改用 configuration_update 輸入項，並保持請求層級的 reasoning.effort 不變，以保留 prompt prefix 的快取。
• 從 GPT-5.5 或更早搬來：prompt_cache_retention 換成 prompt_cache_options.ttl，設 30m。

遷移後如果模型一直停下來問確認，指南把這條也排在遷移段的提醒裡：回去用前面「自主推進」範本的做法，用 prompt 把執行授權講清楚。

四個訊號代表規則還沒清乾淨

代理碰到任何資料庫相關的字眼，就載入完整的 migration skill。原因多半是描述太廣，照官方好例句補上觸發條件，把使用時機限縮到真的需要那套流程的任務。

改一個錯字也跑完整套測試。舊模型時代的測試鼓勵句還留在 AGENTS.md，或者套用模型指南在測試那項附的校準範本，把「跑與變更相稱的檢查、通過後只在有新變更、新失敗或未解疑慮時才擴大」講清楚。

第一版實作剛出來就回來等審查。完成定義沒寫進任務裡，或者你明寫了「先停下來給我審」，把停點往前拉了一大截。

它停在你希望它繼續的地方。防禦語言寫得太重，或某個 skill 的指示把它攔下來。這時用 skill 歸因範本要它指名是哪份 SKILL.md 的哪一行，官方設計這條範本，就是拿來挖出那些沉默與衝突的指引。

驗證與還原：讓 Astra 稽核一輪，規則變更走版本控制

驗證不必靠人工逐條。官方收尾的建議是：不用把所有東西自己重看一遍，直接請 GPT-6 Astra 依官方這篇文章的內容，對你的規則庫做一次稽核，然後去做你以前不敢嘗試的東西。拿手邊真實的任務跑一輪，對照上面的訊號，比任何靜態清單都可靠。

還原方式很樸素：AGENTS.md 與 skill 目錄都住在 repo 裡，重整照正常工程流程走 commit 或分支，行為變差就 revert 回上一版。被刪掉的規則要加回來時，記得先綁上清楚的觸發條件，別讓它回到無條件生效。

這份建議也有邊界。官方沒有給「幾個 skill 算太多」的數字，判斷靠訊號，不靠計數；描述被截短的行為官方寫的是 Codex，其他代理工具是否同款沒有載明；repo 的 skill 還有跑 Sol 或 Luna 的讀者，刪減前把兩邊都放在心上。文中引用的文件都是活頁面，這篇的內容以 2026 年 9 月 12 日抓取的版本為準。