OpenAI 这一次没有让开发者猜。GPT-6 Astra 的模型文档里，提示词指南被写成一次“关系升级”：它比 GPT-5.6 Sol 更常提出澄清问题，也对上下文更敏感。说得直白些，提示词不能再当一次性发令枪。Astra 会回头审你，会在接手任务前追问：你要的到底是什么，这件事做到什么程度才算完。
GPT-6 Astra 会反过来问你
一个更主动的模型，意味着你交给它的每一条指令都会被检查。Astra 不爱做闷头执行的角色，它会从历史上下文里寻找矛盾，发现自己不理解的信息时，也会直接抛回来问你。这不像是在给工具下命令，更像是在跟一个较真的同事做需求评审。
提示词从 SQL 查询变成需求对齐
过去写提示词，像写一条 SQL：条件明确，结果返回，最多调一调参数。到了 GPT-6 Astra，交互正在变成一种需求对齐。如果你只用“帮我做一个总结”这种宽泛指令开头，它多半会先确认总结的用途、人群和克制程度。OpenAI 的建议是，把澄清点主动塞进任务里。比如明确告诉它：“如果需求有明显歧义，先列出你的理解，再开始执行。”另一个可复用的写法，是在提示词末尾预留一个“歧义登记区”，让模型把不确定点集中列出来。这会把提问变成结构化动作，而不是零散的抱怨。
上下文敏感是优势，也是筛选器
Astra 对上下文更敏感，意味着它会把历史消息里的偏好、语气、边界都当作有效信号。有利的一面是它少了很多“瞎猜”；麻烦的一面是，无关噪声也会被它过度放大。给 Astra 提供上下文时必须做减法：先分清楚哪些是决策约束，哪些只是背景信息。否则，它会拿着你在几百字前随手写的某个比喻，当作这次写作的硬性风格来执行。把 prompt 的历史记录看成一场持续对话，Astra 读到的从来不是单条指令，而是你对待这次任务的方式。
要让 Astra 更主动，先给技能文件做审计
OpenAI 在模型文档里那句话值得划重点：想让模型更主动，请先重新审计 AGENTS.md 等技能文件。逻辑其实很简单——Astra 会把文件里的每一条规则执行得更彻底。文件写得不严谨，它闯祸的空间也跟着变大。
AGENTS.md 是行为宪法，不是收藏夹
很多仓库里的 AGENTS.md 早就停在“曾经写过”的状态。里面叠着历史遗留的指令、互不兼容的工作流，甚至还有“遇到问题时自行判断”这种等于没写的句子。这些内容放在旧模型里可能只会被忽略；放在一个爱提问、又愿意主动执行的模型里，却可能变成它擅自行动的授权书。OpenAI 的建议是，模型升级后先腾出半天做一次审计，删掉过时规则，把“最好避免”改成明确的“不要做”，让每一条都能被验证、被回滚。
子智能体要分权，也要画边界
Astra 更大的上下文和更强主动性，会驱动它更频繁地把任务委派给子智能体。这听上去很高效，后果却常常是失控：一个任务被拆成几十个并行小任务，每个子智能体都在修改它认为该改的东西。OpenAI 因此提醒开发者，在提示词里约束子智能体的授权边界。别只说“你可以调工具”，而要说清楚“子智能体能读哪些文件、能改哪些文件、遇到失败时是上报还是重试”。这更像是在给智能体团队做权限设计，而不是写一套话术。
测试规模也要写进约束条件
测试规模是另一个容易被忽略的变量。能力增强后，开发者会下意识允许 Astra 一次跑更多测试、生成更多候选方案。但在多步骤任务里，规模越大并不等于结果越好，反而会拉高失败叠加的概率。更聪明的做法是在提示词里给测试定上限：先跑哪几条用例，最多允许生成多少数据，连续失败多少次就停下来。主动性应该被装进笼子里，否则它与失控之间只有一线之隔。
写作风格不是玄学，而是一份可执行的拒稿清单
OpenAI 对 GPT-6 Astra 的写作风格建议，同样反直觉。官方没有只让用户描述“想要的效果”，而是给出了一份 slop 词屏蔽清单。所谓 slop 词，就是那些一眼就能让人认出“这是 AI 写的”的套话和装饰语。与其让模型自由发挥，不如先给它一份不许说的话。
把“AI 味”直接拉黑
OpenAI 列出的 slop 词清单，本质上是一套负面约束。它也适合反向迁移到你的项目里：与其不停告诉 Astra“写得更专业一点”，不如让它记住某些词在本项目中永不使用。一个对上下文敏感的模型，会把这些禁用词当作类似 lint 的规则来执行。维护这样一份“丑话表”，比反复调整 prompt 里的赞美词更省心。
风格指定要落到句子层面
“写得生动一点”“保持专业语气”，这些话对 Astra 来说还是太模糊。它需要更接近编辑审稿标准的指令：每段只保留一个观点，抽象名词出现次数要克制，把“非常”“其实”这类填充词删掉。你还可以直接给定一两段范文，让它从样例中总结句式与节奏，而不是去脑补“专业”的定义。真正有效的风格控制，通常不是靠形容词，而是靠样例和禁例组合出来的。
升级提示词，不是为了伺候一个新模型
GPT-6 Astra 带来的提示词变化，最终并不是“新模型如何调教”的问题，而是开发者要不要接受一套新的工作习惯。Astra 的追问和上下文敏感，都是在提醒你：智能体做得越强，目标定义与边界管理就越重要。
把澄清问题当成免费的需求评审
当 Astra 在动手前问出一两个你没想到的问题，并不值得烦躁。那些问题其实是你需求文档里最薄弱的缝隙。你可以在系统提示词里要求模型“开工前先列出两个还没弄清楚的细节”，这会强制它把不确定性拿到台面上。省下的一次返工，可能比十条补丁提示词都值钱。
提示词也要版本管理
一份可维护的提示词，应当和代码一样被审查、被记录。OpenAI 给 AGENTS.md、测试规模和委派边界提的那些建议，落到日常无非是几件事：升级模型前做审计，改提示词后跑回归，给 slop 词清单建版本。你可能不必记住 GPT-6 Astra 和 GPT-5.6 Sol 的所有差异；只要愿意把提示词当代码对待，每次模型换代都会变得不再慌。
