别再教GPT-6 Astra思考：新一代提示词该写边界与成本

OpenAI发布GPT-6 Astra后，X上两篇被转发数十万次的长文引发了开发者的集体反思——一篇讲提示词，一篇讲配置与成本，说的其实是同一件事：旧规则删掉之后，新规则怎么写，直接决定模型表现。B站UP主"为什么叫QQ"把这两篇文章合在一起做了拆解，结论颇为反常识：你精心写下的老提示词，可能正在让Astra变笨。

提示词是有保质期的

一个很多人没意识到的事实：提示词是有保质期的。你写的每一条指令，针对的都是当时那个模型的毛病。模型换了代，毛病治好了，但你的药方还留着，还在每次调用时照常喂给它——旧药治新病，轻则没用，重则添乱。

原文作者的判断很直接：六个月前那份引以为傲的 agents.md，今天可能正在拉低 Astra 的输出质量；你的详细 Skill 文件在偷偷拖慢它，还逼它读了一堆用不上的内容。

先交代基本信息：GPT-6 Astra 定位为 OpenAI 自家最强模型，主攻端到端的长任务——写代码、操作电脑、做研究、生成文档。上下文窗口 105 万 token，单次最大输出 12.8 万 token，API 价格为输入每百万 token 10 美元、输出 50 美元，推理强度分五档（Low、Medium、High、xhigh、Max）。据黄仁勋透露，该模型用超过 10 万块 Blackwell 显卡训练。

关键变化在于：以前的模型需要你推着走，你要提醒它跑测试、读文件、别半途而废；Astra 把这些全都内化了。结果就是，你当年为了逼出这些行为写的指令，现在正在跟模型对着干。你说"改完记得跑测试"，它本来就会跑，这句话反而让它把测试范围扩到不成比例；你说"先读完整个仓库地图再动手"，它本来会按需读取，这句话让它把无关文件全塞进上下文。指令没变，模型变了，收益就反了。

上下文窗口（Context Window）是指模型在单次推理中能够读取和处理的最大 token 数量。GPT-6 Astra 的 105 万 token 窗口意味着理论上可以一次性塞入约 80 万字的中文文本或数千个代码文件——这比 GPT-4 的标准窗口大了近百倍。但窗口大并不等于应该填满：模型在处理超长上下文时，注意力机制的计算量随长度平方增长，靠近边缘的内容更容易被"遗忘"，而成本则随 token 数线性甚至阶梯式上涨。这也是为什么旧的"先读完整个仓库地图"类指令在大窗口模型上危害更大——代价从"稍微多花点时间"变成了"直接把成本推过价格分界线"。

Astra 需要显示约束的五个行为

原文列出了 Astra 真正需要你显示约束的五个行为：

• 主动性：它会在你想让它继续时停下来问问题；
• 指令优先级：多个文件互相冲突时它会卡住；
• 写作风格：默认输出堆 Markdown 和列表，你要散文就得明说；
• 子代理委派：你不说清楚，它分的活比你想的少；
• 测试范围：小改动也会触发大测试。

把这五项过一遍你会发现，它们全是行为边界问题，没有一项涉及"教它该怎么思考"。而思考的方法它已经会了，你要管的是它"做到哪一步停""听哪份文件的话"。这就是新旧提示词的分水岭。

作者给出了一个八模块的提示词框架：Goal（要达成什么结果）、Context（哪些背景要紧）、Priority（哪份指令说了算）、Autonomy（它能自己决定什么、何时用工具）、Output（格式和篇幅）、Verify（交货前必须检查什么）、Stop（什么状态算做完）。简单任务用三到四个模块就够，做 agent、写代码工作流、搭生产系统才用全套八个。每个模块对应一种真实的翻车模式——你的工作流没有那种模式，就删掉对应模块。它是一份菜单，别当模板整份抄进每个提示词。

用自主性策略和优先级声明止损

Astra 比之前的模型更爱问澄清问题。假设错了代价大时这是优点，你只想让它往前跑时这就是折磨。解法是提前写好自主性策略：日常可逆的决定让它自己做、合理假设直接干；只有缺失信息会实质改变结果、涉及不可逆操作时，才允许它停下来问。做执行型 agent 还可以更进一步——把已授权的可逆活全部做完，拿出一个能评审的具体结果再请示。把这条边界写进提示词，它就不再来回请示。

升级老模型的人最容易栽在优先级上。Astra 对上下文文件里的指令更敏感，当 agents.md、Skill 文件、任务提示词三份说法不一致时，它可能暂停、也可能执行一条你没预料到的规则。作者建议显示声明优先级：当前任务指令最高，项目和 Skill 指导在不冲突时生效，检索到的网页和文档一律当"数据"看、不当"指令"执行。最后这条还有安全含义——网页里夹带的指令式文字不能让模型当成命令。

Skill 文件的三条原则

Skill 文件也有三条原则，与官方 skill creator 的新写法几乎逐条对应：

第一，描述越短越好。说清"什么时候用它"即可，"用于数据库迁移"就够了，别写"处理任何数据库相关工作，包括迁移、查询、表结构变更"。

第二，渐进式披露。根文件做最简的路由，细节放到链接的子文件里，别让模型读用不上的内容。

第三，别挂太多。Skill 挂得太多，Astra 会压缩每条描述来腾地方，每条都看不全，选错技能的概率反而上升。

官方和社区独立得出同一套写法，照做的风险就很低。看到这里可以数数：你项目里到底挂了几个 Skill？

关于测试，Astra 认真得过头——改一行 CSS 可能跑整个测试套件，修一个已有覆盖的 bug 还再写一批新测试。它没犯错，只是把正确的直觉用在了错误的规模上。解法是把验证范围跟改动挂钩：小的可逆改动只验证受影响的组件，纯视觉改动别写新测试，高风险逻辑改动才把单元测试、集成测试、类型检查全列出来。你给模型一个"够了"的定义，它才不会默认"越彻底越好"。停止条件也要写具体——"做到完为止"没用，"所有受影响的路由返回 200、没有类型错误为止"才管用。

成本才是真正的天花板

第二篇文章全在讲成本，有个数字必须记住：272K。输入 token 超过 27.2 万，整个请求按两倍输入价、1.5 倍输出价重算——注意是整个请求，不是超出部分。272000 token 输入是 2.72 美元，多一个 token 到 272001，账单直接翻倍到 5.44 美元。如果真把 105 万上下文塞满，光输入就 21 美元，模型还没开始回答。

第二道天花板在速率限制表里：每分钟 token 上限从 tier1 的 50 万一路到 tier5 的 4000 万，而窗口是 105 万。tier1、tier2 账号一次满窗口请求就超过整分钟额度，tier3 才是第一个能物理塞满宣传窗口的等级。窗口、价格线、速率上限，三个数字里最小的那个才是你真实的天花板。 作者建议写一段 preflight 函数，发请求前粗估 token，超过价格线就报错，先去检索或压缩。

配置对了能省下约三分之二，杠杆有五个：一是命中缓存（自动按前缀命中，命中率接近零通常是时间戳、会话 ID 或每次重拼的系统提示词在作怪）；二是改文件用 apply patch 而非整文件重写；三是工具超过十几个就上工具检索、按需加载；四是没人等结果的活走 batch 或 flex 半价通道；五是推理强度默认 low，难的步骤再提升，xhigh 和 max 留给最硬的活。

Token 缓存（Prompt Caching）是 OpenAI 及多家模型厂商提供的一种降本机制：当本次请求的提示词前缀与近期某次请求完全一致时，服务端复用已计算的 KV 缓存，命中部分按折扣价（通常为正常输入价的 50% 左右）计费，且响应速度更快。前缀匹配是关键——只要系统提示词的开头几千个 token 保持不变，命中率就会显著上升。因此，会话 ID、时间戳或动态拼接的内容一旦被放在系统提示词的靠前位置，每次请求前缀都不同，缓存形同虚设。最佳实践是把稳定的背景信息、角色定义置于系统提示词最前面，把每次变化的任务指令放在末尾，以最大化缓存命中面积。

跑分档位不等于日常配置

这里有个关键点多数人没注意：发布评测标注"除非另外说明，模型全部在 max 档位跑分"。FrontierMath tier4 的 98%、ARC-AGI-3 的 99.9%，都是在最慢最贵的设置下跑出来的。第三方数据更直观——Astra 开 medium 的分数就超过上一代开 max，任务成本还更低。宣传页上的最高分，对应的正是你最不该默认打开的那一档。

把两篇文章合起来看，真正的转变在于：老一代提示词工程教模型"怎么思考、怎么自查、怎么坚持"，这些 Astra 全会了，你再教一遍纯属内耗。新一代要写的是边界——什么时候自己做主、什么时候停下来问、验证到什么程度算够、什么信号算完工、哪份文件说了算，再加一层成本基础：别越过 272K、保住缓存前缀、按任务选档位、能省的活走半价通道。提示词从"教练手册"变成了"工程规范"，写法也随之变短、变具体、只管行为。

上一期讲的是"怎么删"旧提示词，这一期讲"怎么写、怎么配"，两期连起来正好是一套完整的迁移流程。现在就去翻一下你项目里的 agents.md——里面有多少条，其实是在给上一代模型打补丁？

推理强度档位（Reasoning Effort）是 OpenAI 在 o 系列及后续模型中引入的参数，用来控制模型在生成答案前进行"内部思考"的计算量。低档位（Low）快速给出答案，高档位（Max）会让模型反复自我检验、探索多条推理路径，类似于人在解难题时"打草稿"的过程。这种机制的代价是时间和 token——Max 档位下模型输出的"思考 token"可能数倍于最终答案，而这些中间步骤同样计费。对于格式转换、简单代码补全等任务，Low 档位的准确率与 Max 相差无几；只有多步数学证明、复杂代码架构决策等任务才能真正用到 Max 档位的额外算力。默认把所有请求设为 Max，相当于用跑车发动机去开代步车，油耗翻倍但速度没有意义。