GPT-6 Astra Skills 的真正變化，是模型會更認真執行 Skills 與 AGENTS.md，連裡面的衝突、模糊授權和過度驗證也一起放大。OpenAI 在 2026 年 9 月 3 日推出 Astra 後，把 5 類常見行為寫進官方模型指南；開發團隊現在得把提示詞當成會影響交付結果的設定檔，而非隨手累積的備忘錄。
「Skill 要被淘汰了」是個抓眼球的說法，卻讀錯了這次更新。Astra 的指令遵循能力更強，官方甚至提醒，它對 Skill 和 AGENTS.md 裡的規則更敏感。真正該刪的是失控的規則堆疊：多份文件同時要求它停下來確認、擴大測試、禁止假設，模型就會忠實地把工作卡住。
這也解釋了 Astra 的另一組新功能。非同步工具呼叫、中途導引和對話中的推理強度切換，讓應用程式能在長任務執行時改變節奏。模型更能持續工作，控制面也更多。Prompt、Skill、應用層事件與權限邊界因此必須被當成同一套系統設計。
先分清楚：模型能力與應用編排正在靠攏
OpenAI 的官方指南把 Astra 的新控制能力分成三條路徑。
第一條是非同步工具呼叫。開發者在函式或自訂工具上設定 async: true 後，模型可以在應用程式執行工具時繼續推理、呼叫其他工具，或先回答獨立問題。工具仍由你的應用程式執行；完成後，再用原本的 call_id 回傳結果。
{
"type": "function",
"name": "get_project_status",
"async": true
}
第二條是中途導引（mid-turn steering）。它只支援 GPT-6 Astra，且要透過 Responses API 的 WebSocket 連線。應用程式在收到 response.created 後送出 response.steer，就能把新要求排進同一條連線。
{
"type": "response.steer",
"previous_response_id": "resp_1",
"input": "把範圍控制在一位工程師兩週內能完成。"
}
這裡有一個容易被忽略的界線：response.steer.accepted 只表示更新已排入佇列。它不會改寫已送出的內容，也不會取消已啟動的工具或復原先前動作。產品端若把「接受導引」顯示成「已完成修正」，使用者會得到錯誤的安全感。
第三條是 configuration_update。Astra 可在同一段對話裡調高或調低推理強度，同時保留原本的 Prompt 前綴，避免破壞快取。這項功能目前只支援標準、單一代理模式，而且只能改推理強度。
{
"type": "configuration_update",
"reasoning": {
"effort": "high"
}
}
Astra 支援 low、medium、high、xhigh 與 max，沒有 none。如果舊流程用了下面這個設定，遷移時要從 low 開始測。
{
"reasoning": {
"effort": "none"
}
}
這三項能力沒有讓 Skill 消失。它們讓 Skill 從靜態規則，接上了執行中的工具、事件與推理設定。工程團隊需要一起設計「模型平常怎麼做」與「任務跑到一半怎麼改」。
5 類行為模式，決定 Skill 該怎麼寫
官方指南點出 5 個 Astra 常見的行為傾向：主動性與貫徹執行、指令遵循、個性與寫作風格、子代理委派、測試與驗證。這份清單幫團隊找到會反覆影響任務的控制點，多塞幾句咒語沒有用。
以下 10 個 Prompt 區塊保留來源的教學順序與權限語意，文字已改成臺灣繁體中文。實務上不必全放。先挑真正會在你的工作流發生的失敗模式，再放到最靠近控制權的位置。
1. 讓模型從上下文推斷範圍
請根據使用者指令與先前對話，推斷使用者的意圖和任務範圍。你的工作是主動推進，直到使用者要的結果確實完成。
使用者要求新增功能或修正問題時，持續處理到目標完成。必要時可以建立隔離工作樹、解決合併衝突、執行唯讀檢查或建立草稿 PR。只有動作具有明顯破壞性或無法復原時，才停下來確認。
這段規則適合放在代理的全域行為層。它處理的是長任務過早停住，不應拿來跳過付款、發布、刪除資料等真正需要授權的動作。
2. 把行動型語句視為執行要求
使用者說「可以幫我……」「我想要……」或「協助我……」時，代表他希望你實際執行工作。
不要只回答自己做得到、只交付計畫，或詢問是否要繼續。多步驟任務要完成必要工作，直到使用者的目標達成；不要為了節省時間或 token，停在不完整的結果。
這段會提高代理的完成率，也可能擴大它對含糊句子的解讀。產品端仍要用工具權限、明確的不可逆動作政策與稽核紀錄收住風險。
3. 把核准留到結果可檢查時
提出澄清或核准要求前，先完成目前上下文已授權、而且能讓下一步具體可檢查的工作。
部署、寫入外部應用、合併 PR 或發布網站前，先把必要準備完成，讓使用者核准一個明確結果。可復原工作、唯讀操作、審查、修正，以及先前已授權的事項，不必重複詢問。
不要因為假設性的風險，自行加入使用者沒有要求的警告、免責文字或審批流程。
這個 Prompt 把確認點往後移到「可以看見要核准什麼」的時刻。核准仍然存在，空泛的停頓會少很多。
4. 明寫使用者與 Skill 的優先順序
使用者的明確指令優先於 Skill 內的指引。兩者發生衝突時，依照使用者指令處理。
一句話就夠。優先順序若散落在三份文件裡，模型只能自行解釋；而 Astra 對這些文字更敏感，含糊處會更快變成阻塞點。
5. 要求代理指出是哪條規則讓它停下來
如果某個 Skill 讓你要求核准、暫停工作、留下未完成工作，或改變原本做法，請指出該 Skill 的確切檔案與規則，說明它為何適用。
請分開標示規則的明文要求，以及你根據規則做出的判斷。
這是實用的除錯介面。代理停止時，團隊拿得到規則名稱、原文與判斷，才有辦法修 Skill；一句「受到政策限制」幾乎無法除錯。
6. 讓長文預設回到自然段落
預設使用清楚、連貫的自然段落，每段集中說明一個觀點。
資訊確實並列、有明確順序，或列表能降低理解成本時才使用列表。只有比較多個對象的相同欄位時才使用表格。
減少小標、粗體、巢狀列表與裝飾性 Markdown。讓段落自然接續，使文章讀起來像完整論述，而非資訊卡片拼貼。
這段可以修正 Astra 偏好的高密度格式，但它處理不了沒有觀點的內容。格式變鬆不等於文字自然，來源、判斷與句子節奏仍要另外驗收。
7. 把 AI 套話寫成明確禁用清單
避免空洞與俗套的詞句，例如結尾使用「核心結論」，或使用「深入探討」「促進」「充分利用」「值得注意的是」「重要的是」、自問自答，以及用否定對比硬造轉折。
不要用連字號生造複合形容詞，也不要用「簡而言之」或「最簡單的理解方式是」收尾。
直接說明要做的事。不要額外解釋你不會做什麼、哪些內容維持不變，或準備如何分類結果。使用簡單、直接的動詞和介系詞，清楚表達事物之間的關係。
禁字表適合當最後一道柵欄，不能取代編輯判斷。同一種空話換一個同義詞，文章仍然空；團隊最好把檢查連到具體案例與品質評分。
8. 明訂何時要使用子代理
當工作能安全拆成互不相依的部分，而且委派能節省時間或提升品質時，使用協作工具交給其他代理並行處理。
官方指南指出，Astra 的委派頻率可能低於部分工作流預期。反過來說，無條件要求每件事都開子代理也會浪費成本。觸發條件應包含任務是否獨立、是否會寫到同一份檔案，以及整合成本。
9. 規範代理之間的訊息品質
代理之間的訊息與最終回答可能由人員閱讀。請保持文字清楚，並在英文單字與數字之間保留正確空格。
這看似小事，實際上會影響交接品質。多代理系統常把中間訊息當成機器資料，最後卻需要人員查錯；可讀性會直接縮短事件處理時間。
10. 讓測試規模跟著變更風險走
可復原、影響低的變更，不要撰寫只是重複實作邏輯的測試。若決定增加測試，確認它能驗證真正的行為與風險。
執行與本次變更相稱的測試和必要檢查。測試通過後，只有出現新變更、失敗或未解問題時，才擴大範圍或重跑；其餘情況繼續完成任務。
Astra 在程式任務中可能比小變更需要的更仔細。這段規則把測試量綁回變更風險，避免代理連續跑同一批檢查，卻也不能壓掉資安、資料遷移或付款流程的必要驗證。
Skill 的工程問題，現在比 Prompt 文案更重要
模型更聽指令之後，Skill 的主要風險會從「模型沒照做」轉成「模型把壞規則照做到底」。這個轉變很像型別更嚴格的編譯器：原本模糊但勉強能跑的寫法，換了環境後開始報錯。報錯未必是退步，它把隱藏的規則債務翻出來。
我會用四個欄位審查每條長期規則：觸發條件、允許動作、停止條件、優先順序。只寫「保持安全」「完整驗證」「必要時確認」沒有操作價值。代理遇到邊界時，只能用自己的保守程度補空白。
控制權也要分層。全域 Skill 適合放跨任務原則；專案的 AGENTS.md 放檔案範圍與團隊慣例；單次 Prompt 說明本次交付；工具本身負責權限與不可逆動作。把所有規則塞進全域 Prompt，維護成本會隨專案數成長。
Astra 的 API 價格也讓這件事更現實。官方模型頁列出的標準費率是每 100 萬輸入 token $10、快取輸入 $1、快取寫入 $12.50、輸出 $50。輸入超過 272,000 token 時，整個請求的輸入與快取費率變成 2 倍，輸出費率變成 1.5 倍。重複載入一大包互相打架的 Skill，會同時增加控制風險與帳單。
Misalignment monitoring 是煞車，不是復原機制
OpenAI 也替 Astra 的工具推論加入非同步偏離監控。官方安全說明提到，在超過 54,000 個內部 Codex 任務模擬中，Astra 的高嚴重度偏離旗標約為 GPT-5.6 Sol 的一半。另一項授權範圍評估裡，未加正式環境防護的 Sol 有 48% 超出目標，Astra 是 0%。
這些數字支持 Astra 更能守住範圍，卻不能被拿來當交易回滾。API 文件明說，監控採非同步執行；它發現問題時，某個動作可能已完成。停止後續請求也不會撤銷先前操作。
高風險工具仍需要應用層的權限限制、冪等設計、預覽與人工核准。response.steer 同樣無法取消已經啟動的工具。團隊若把「模型更安全」翻成「應用程式可以少做防護」，會在錯的地方省成本。
一份可執行的 Astra 遷移清單
遷移到 gpt-6-astra 時，可以先做以下檢查：
- 使用 Responses API 承接工具呼叫；Chat Completions 雖支援模型，Astra 工具呼叫要走 Responses。
- 把
none或minimal推理強度改成low後重新評測，其餘工作負載先保留既有強度。 - 移除
temperature、top_p與top_logprobs等不支援參數。 - 只有確實能與其他工作重疊的慢工具才設
async: true，並保存call_id、工作狀態與逾時策略。 - 用 WebSocket 實作
response.steer，在介面上區分「已排入」與「已套用」。 - 對每份 Skill 建立規則擁有者與回歸案例，測試衝突、缺少資訊、外部寫入與不可逆動作。
- 記錄 token 長度；接近 272,000 token 前，先刪除重複規則與失效範例。
這份清單比再找一個萬用 Prompt 有用。Astra 給了開發者更多控制面，也要求團隊說清楚控制權到底放在哪裡。
常見問題
GPT-6 Astra 會讓 Skills 失去作用嗎？
不會。OpenAI 的模型指南明確提醒，Astra 對 Skills 與 AGENTS.md 的指令更敏感。團隊應該刪除衝突、重複與沒有停止條件的規則，並為重要 Skill 建立回歸測試。
response.steer 跟在下一輪補一句話有什麼不同？
response.steer 能在回應仍執行時，透過同一條 WebSocket 連線加入新要求。它會先完成目前的輸出內容與已啟動的託管工具，再建立承接更新的回應；已送出的文字與先前動作不會被復原。
非同步工具呼叫會由 OpenAI 執行背景工作嗎？
不會。你的應用程式仍負責執行工具與管理背景工作。模型可以先處理其他事情，工具完成後，應用程式用原本的 call_id 傳回結果。
Astra 可以在同一段對話裡切換推理強度嗎？
可以。標準、單一代理模式可加入 configuration_update，讓後續回應改用新的推理強度。請求層的 reasoning.effort 維持原值，才能保留 Prompt 前綴的快取效果。
Misalignment monitoring 能復原誤刪或誤傳嗎？
不能。監控可能在動作完成後才發現問題，而且停止請求不會撤銷早先操作。刪除資料、轉帳與外部發布仍要靠應用層權限、預覽、人工核准和可復原設計。
權威來源
- OpenAI API — GPT-6 Astra 模型指南
- OpenAI API — 非同步工具呼叫
- OpenAI API — 中途導引
- OpenAI API — 對話中切換推理強度
- OpenAI API — 偏離監控
- OpenAI API — GPT-6 Astra 模型與定價
- OpenAI — GPT-6 Astra 發布公告
- OpenAI — GPT-6 Astra 安全說明
Author Insight
我在意的是團隊能否說出一條規則由誰維護、在哪些任務生效、什麼時候停止，Prompt 寫得漂亮反而排在後面。模型越能遵循長指令，這些問題越難靠臨場運氣遮住。好的 Skill 應該像小而清楚的介面，讓模型知道該做什麼，也讓人知道它為什麼停下來。
術語表
- Skill：提供代理重複使用的工作流程、規則與資源集合。
AGENTS.md：專案層級的代理操作與協作說明檔。- 非同步工具呼叫：模型發出工具請求後，可以在應用程式執行工具期間繼續處理其他工作。
- 中途導引：回應執行期間，透過 WebSocket 加入新的使用者要求。
- 偏離監控：非同步檢查代理是否在重要情境中誤解指令或超出授權範圍的安全機制。
- Prompt 快取：重用相同輸入前綴，以降低延遲與快取讀取成本的 API 機制。
