GPT-6 Astra 迁移建议：旧模型的 Skill 在拖后腿
前言
OpenAI 开发者博客发了一篇文章，标题很直白：Rethinking skills and prompts for GPT-6 Astra——为新模型重新审视你的 Skill 和 Prompt。
核心论点一句话：为旧模型写的指令，正在拖累新模型。 " 过去一年你为了"掰"住旧模型，在 skills、AGENTS.md、任务提示里堆了大量约束。模型越强，这些脚手架越多余——而 Astra 更进一步：这些约束不仅多余，还会帮倒忙。
- 原文：https://developers.openai.com/blog/rethinking-skills-and-prompts-for-gpt-6-astra
一、项目身份
- 谁写的：OpenAI 官方开发者博客
- 写给谁：用 Codex 等 coding agent 一年以上、攒了一大堆指令文件的开发者
- 讲什么：GPT-6 Astra 时代，skill 描述、AGENTS.md、决策边界、任务持久性四类配置怎么改
- 一句话定位：新模型不是更强 so 怎么都行，而是旧指南系统性失效，需要一次迁移审计
值得注意的姿态：官方明说"用新模型的机会清理你的房子，而且不用手动审——让 Astra 自己按本文标准跑一遍审计"。
二、主执行链路：一次指令迁移审计
文章虽是经验谈，但可以抽成一条清晰的迁移流程：
最后一步是这篇文章最实用的一招：迁移不用手工做，把文章里的标准喂给 Astra，让它审计你自己的指令文件。
三、核心模块：四个失效点与改法
模块一：Better Skills——描述膨胀与渐进披露
Skill 本质是"存成 Markdown 的 prompt，可打包资源和脚本"。当前生态的通病：人人往项目里塞一大堆 skill，然后两个连锁反应——
- 描述太长，skill 一多，Codex 开始自动缩短描述来塞进上下文，模型看到的更少，更难选对
- 描述互相矛盾、过度强调使用时机，模型加载一堆帮不上忙的指令
官方给 skill-creator 更新的三条准则：
① 描述尽量短，但时机要准。原例：坏描述是"创建和验证 Postgres schema 迁移。在涉及数据库、查询、模型或持久化时使用"——这会让模型一碰数据库就加载它。好描述是"在新增/修改迁移，或审查其上线时使用"。区别在于时机锁定到具体动作，而不是泛化到整个领域。
② 渐进披露（progressive disclosure）。读 skill 就烧上下文，逼近压缩边界还引入不相关指导。多工作流的 skill，根文档应该做成极简路由器：指向支撑文档和脚本，给足"去哪找"的线索，但不强迫读当下用不上的东西。
③ 少写食谱。旧模型需要手把手的详细步骤。新模型理解细微差别的能力强了，过度具体的指导现在会妨碍结果——以前是助力，现在是枷锁。
还有一个跨模型视角：仓库 skill 也在指导其他贡献者的 Agent，他们可能用不同模型。帮 Sol 或 Luna 的指导可能过度约束 Astra——写下指令时，想想哪些模型会读到它。
模块二：AGENTS.md——从"鼓励"到"授权"
AGENTS.md 在模型于你仓库工作的任何时候都生效，所以每条指令要经常重审："它还需要吗？"
方向变了：旧时代写 AGENTS.md 是催促（记得跑测试啊），Astra 时代是授权（这些事你可以放手做，别来问我）。同一份文件，功能反转。
模块三：决策边界——你的严厉语气，它当真了
这是最反直觉的一条。如果旧模型曾经自作主张，你多半加过强硬措辞让它"先问再做"。这招对新模型有反作用：
Astra 是官方口中"最有对齐性的模型"，不会在不确定安全时行动——你那些防旧模型的狠话，它可能太当真，在你其实希望它继续的地方停下来。
迁移动作：那些当年为了"防止跑太远"写的边界语言，现在要检查一遍——Astra 可能需要的是放宽，不是收紧。
模块四：持久性——先定义"完成"
旧模型（如 GPT-5.6 Sol）接到任务会一路猛冲很久。Astra 更谨慎：可能做完第一版实现就回来找你 review，活还没干完。
解法是开工前定义完成标准。如果任务包含"跑起来、看结果、修失败"，就明说这是任务的一部分。提示词里写"第一版实现后停下来 review"，会把模型拉向更早的停止点——先确认这个决策点你真的需要。想让它多探索，就说清楚探索什么、到哪停。
四、数据与状态流
指令是输入，行为是输出，早期停止、过度请示、过度测试这些行为都是旧指令的回声。调优方向从"催它干活"变成"给它许可"。
五、跨端边界
- 适用范围：所有喂给模型的指令通道——skills、AGENTS.md、单次任务提示，三者同步审
- 跨模型边界：仓库级指令是公共设施。你的 AGENTS.md 会被其他贡献者的 Sol、Luna、Astra 同时读到——一刀切的措辞天然顾此失彼，按"最弱模型防跑飞、最强模型防早停"分层写
- 工具生态：以 Codex 为例，但原则对所有 agent harness 成立——模型换代，指令层要跟着换代
六、配置边界
文章划出的"该配"与"不该配"：
| 该写 | 不该写 |
|---|---|
| 精确的使用时机（动作级） | 泛化的使用领域（数据库相关就用） |
| 根文档做路由器 | 根文档塞全部流程 |
| 情境化的文档指向 | 每次编辑前的强制阅读清单 |
| 授权安全工作流免请示 | 防旧模型闯祸的强硬禁令 |
| 开工前定义完成标准 | "第一版后停下 review"的惯性措辞 |
七、扩展点
- Astra 自审计：把文章标准喂给 Astra 审计你的指令文件，官方亲自背书的用法
- skill-creator 更新：新指引内置了这些失败模式的规避，新 skill 从源头按新标准写
- 分层指令策略：跨模型仓库可以演进出一套"按模型分层"的指令组织方式
- 提示词重写产业：旧 prompt 库的批量迁移本身可以交给 Agent 做——官方最后一句原话是"去造一个你以前不敢尝试的东西"
八、风险点
- 过度放权的反噬。文章教你放宽边界，但"授权安全工作流"的前提是你真确认它安全——本地测试无生产访问才免请示，判断责任在你
- 描述缩短的信息丢失。skill 太多时 Codex 自动截断描述，选错 skill 的根因可能是你的 skill 库该减肥，而不是模型不行
- 审计的循环依赖。让 Astra 审计为 Astra 写的指令，它可能保留对自己的偏爱——审计标准最好混入旧模型兼容性视角
- 迁移成本被低估。一年积累的指令文件，逐条重审"当年防什么、现在还需要吗"，是个真活儿。团队仓库比个人仓库更费
- 文档腐化。情境化指向（"schema 变更看 database.md"）成立的前提是 database.md 是新的——文档不更新，指向就是误导
记住
模型换代，指令层要换代。为旧模型写的约束，对新模型是枷锁。
四个动作：skill 描述短而准、根文档做路由器；AGENTS.md 从催促变授权；决策边界按新模型判断力放宽；开工前定义完成标准防早停。
最省事的迁移方式官方已经给了：让 Astra 按这篇文章的标准，审计你自己的仓库。
参考资源
- 原文：https://developers.openai.com/blog/rethinking-skills-and-prompts-for-gpt-6-astra
- AGENTS.md 规范：https://agents.md