GPT-6 Astra：Skills 与 AGENTS.md 指令清理指南

一句话结论

这份指南帮助团队删减为旧模型积累的冗长指令，让 GPT-6 Astra 更准确地选择 Skill、控制测试范围并持续完成长任务。

适用场景

• 适合的任务：维护 Codex 仓库级 AGENTS.md、精简 Skill 描述、为长流程工程任务定义完成条件和安全边界。

• 不适合的任务：把所有限制一律删除，或在没有项目知识的情况下自动重写生产安全规则。

• 适用的模型版本：GPT-6 Astra；文章同时提醒共享仓库中的指令可能还会被 Sol、Luna 等其他模型读取。

• 适用的客户端、Agent 或 API：Codex 和任何会加载 AGENTS.md、Skill 文件或长期系统指令的 Agent harness。

• 推荐的推理档位和参数：文章没有给出统一 effort 或 API 参数；应按任务风险和验证成本单独选择。

可直接使用的内容

原文只公开了一段可逐字复用的边界提示，其余内容是方法论，不应包装成完整系统提示词。

The local tests use disposable fixtures and have no production access. Run them, fix failures caused by the requested change, and rerun affected tests without asking for approval at each step.

可复用工作流

1. 列出当前生效的 Skill、AGENTS.md、嵌套指令和任务提示词。

2. 缩短每个 Skill 的描述，只保留“何时使用”；删除与其他 Skill 冲突或过度争抢触发机会的措辞。

3. 对含多个工作流的 Skill 使用渐进披露：根文件只做最小路由，把细节放入按需读取的文档或脚本。

4. 逐条审核 AGENTS.md：确认规则是否对所有任务都必要，避免为修正拼写也强制读取完整仓库地图或整套文档。

5. 校准验证规则。Astra 默认会主动测试，旧的“反复检查”指令可能导致过度验证。

6. 为确定安全的本地流程写明授权边界，并在任务开始前定义完成条件、需要探索的范围和停止点。

7. 用真实任务复核：记录读取的上下文、停顿次数、测试范围、完成度和人为介入次数，再决定是否继续删减。

适用边界与原始观察

• 这是 Codex DX 从业者的经验指南，不是受控 A/B 测试；文章没有公开 token、成功率或任务耗时对照。

• “少装 Skill”“减少脚手架”适用于 Astra 更强的指令理解能力，但共享仓库仍需兼顾其他模型。

• 精简不等于取消权限和安全边界。原文强调应重新描述边界，使 Astra 能在已授权范围内继续，而不是在不确定处越权。

• 文章指出 Astra 往往测试更彻底、但对任务应推进多远更谨慎，因此测试范围和完成条件应分别校准。