四条建议：描述写短，文档按需引用，先定义「完成」
技能（skills）在 OpenAI 生态里指打包成 Markdown 文件的提示词，可以附带资源和脚本，每个技能带名称和描述，模型靠描述判断何时调用。博客指出的第一个问题是描述膨胀：技能装得太多时，Codex 会自行缩短各条描述以塞进上下文，模型能看到的有效信息变少，选错技能的概率上升。官方给的写法是把「何时使用」收窄到具体动作。以一个数据库迁移技能为例，「处理数据库、查询、模型或持久化相关内容时使用」是反面教材，模型会在任何涉及数据库的任务里调用它；改法是收窄为「新增或修改迁移、或审查迁移上线时使用」。
第二个问题是技能正文的写法。许多技能写成详尽的流程清单，对应的是旧模型需要手把手引导的时代。博客的判断是，模型理解细微差别的能力变强之后，过细的步骤规定从帮助变成了妨碍。官方建议把多工作流的技能改造成最小路由器：根文档只负责指路，具体流程放到支撑文档和脚本里，让模型按需读取，而不是一次把全部内容塞进上下文。这一思路叫渐进披露（progressive disclosure），依据很实际：读技能本身消耗上下文，读得越多，越早触发上下文压缩，也有越多无关指导混入当前任务。
AGENTS.md 一节针对仓库级指令。博客给出的反例是「每次编辑前先读 architecture.md、database.md 和 deployment.md」，正例是按场景引用：改服务边界时查架构文档，改表结构时查数据库文档，上线前才看部署文档。官方同时提醒，AGENTS.md 里的指令会影响使用其他模型的协作者，文中点名 Sol 和 Luna：对旧模型有用的引导，对 Astra 可能构成过度约束。
任务提示词层面的建议落在「完成」的定义上。博客建议开工前先写清完成标准：如果任务包含把实现跑起来、检查结果、修掉失败项，这些都要写进请求里。OpenAI 表示，配套的 $skill-creator 技能已更新，用于缓解上述失效模式；文章末尾给出的做法是让 Astra 按这篇文章的口径审计开发者自己的指令库。
为什么要改：Astra 更主动，也更会把边界当回事
博客对 Astra 行为变化的描述可以归纳成三个机制。
Astra 会自主运行测试、检查自己的工作。旧指令里「鼓励模型跑测试」的写法不再必要，保留它只会带来不必要的测试开销。
Astra 是 OpenAI 口径下「最对齐」的模型，安全判断更谨慎。为防旧模型擅自行动而写的强硬边界措辞，在 Astra 身上会过度生效：它可能在用户希望它继续的地方停下来。官方的建议是把这类措辞换成一次性授权，例如明确本地测试使用一次性数据、不接触生产环境，允许模型运行、修复并重跑受影响的测试，不必逐步请示。
持续性是第三个变化。与 GPT-5.6 Sol 接到请求后长时间连续推进不同，Astra 更容易在做出第一版实现后回来等待审查，哪怕任务还没做完。「先实现一版再停下等我确认」这类要求，官方明确说会把模型拉向更早的停止点；如果希望它继续探索，需要写清探索范围和停止条件。
建议背后的模型：Critical 级、渐进开放，发布刚满一周
这篇博客对应的模型是 9月3日发布的 GPT-6 Astra，OpenAI 称其为公司迄今能力最强、对齐最好的模型。Astra 也是 OpenAI 第一个在自身防范框架（Preparedness Framework）中达到网络安全 Critical 级别的模型，这一评级直接影响了开放节奏：首批面向 Daybreak 网络安全项目的企业客户，发布当周分批向 ChatGPT Plus、Pro、Business、Enterprise 订阅用户以及 API、Azure 和 AWS Bedrock 开放，企业版默认关闭，需要管理员手动启用。
定价上，Astra 的 API 价格为每百万输入 token 10 美元、每百万输出 token 50 美元，约为 GPT-5.6 Sol 促销价的 2.5 倍。对开发者来说，「什么时候让模型自己判断、什么时候用指令约束它」不只是写法问题，也是成本问题：更短的描述和按需加载的文档，省下的都是计费 token。
Anthropic 的官方口径在同一个方向
OpenAI 不是唯一收紧技能方法论的厂商。Anthropic 的 Agent Skills 官方最佳实践同样以渐进披露为核心：启动时只加载技能的元数据，相关时才读全文，并建议 SKILL.md 正文控制在 500 行以内、把内容拆到独立文件。两家在「技能该长什么样」上的官方结论相当接近：描述要短，触发条件要具体，正文分层，按需加载。
把这次发文放回更大的图景，它标记的是一种此前没有被官方承认过的成本：指令资产会折旧。过去一年开发者积累的 skills 和 AGENTS.md，是围绕旧模型的能力边界写的，功能是防它越界、催它测试、替它拆步骤。模型变得更能自主、更把指令当真之后，这些脚手架从资产变成负债。对维护指令库的团队来说，眼下的工作量是审计而非新写：哪些约束对应的风险已经消失，哪些鼓励已经多余，哪些边界需要换成授权。OpenAI 给出的答案只覆盖自家模型；这套折旧逻辑能否推广到其他厂商，目前没有任何一方的官方证据。
AI 速览
