90%的人都没用对 GPT-6 Astra 提示词

GPT-6 Astra 是 OpenAI 目前发布过的最强模型（至少现在是）。

但它的“翻车方式”也完全不同了——以前那些提示词经验，根本管不住它。

你六个月前精心打磨的 AGENTS.md？

可能正在拖 Astra 的后腿。

你费尽心思写的技能文件？

可能只是在拖慢它的速度、塞爆它的上下文。

你过去习惯让模型“一步一步思考”“检查你的答案”？

拜托，Astra 自己就会干这些。你再重复一遍，只会让它多做一堆没必要的测试、烧掉更多 token。

给 Astra 写提示词，不是把提示词写得更长。

而是搞清楚：哪些行为要管，哪些行为干脆放手。

这是最完整的一份指南。

复制即用的提示词，都给你备好了。

Astra 到底变了什么

以前的模型，你得手把手带。

你要逼着它跑测试、检查结果、去读相关文件、在长任务里别停。

Astra 不一样，这些它自己全包了。

结果就是——你当年为了逼出这些行为而写的那些旧指令，现在全在跟模型对着干。

有五个行为，在 Astra 上你必须明确提示词来控制：

这就是全部的转变。

Astra 变聪明了，但你的旧提示词没跟着升级。

现在来改。

核心框架 —— 8 个模块，按需取用

简单任务，用 3-4 个模块就够了。

Agent、编码工作流、生产级系统，8 个全上。

注意：这不是让你每个提示词都整段照抄的模板。

这是一份菜单。每个模块之所以存在，是因为它对应一种现实中会发生的失败模式。

你的工作流里没有这种问题？那就把那个模块拿掉。

大多数任务的短版本：

在你构建 Agent、跑研究型工作流、或者做任何涉及工具和长时自主执行的事情时，才用完整的 8 模块框架。

主动性难题 —— 你盼着它继续，它却停下来问

Astra 比之前任何模型都更倾向于在动手前先问你一个澄清问题。

如果猜错的代价很高，这是好事。

但如果它只是你希望别停、闷头干活的任务——那就很烦人。

解法：把自主权策略明明白白定义出来。

对行动型 Agent：

告诉它：“除非某个假设会导致无法挽回的错误或产生真实成本，否则默认继续执行，不要停下来问。自己判断哪些不确定性值得打断流程。”

对高自主权工作流：

告诉它：“你可以自主决定执行顺序和具体方法。遇到歧义时，先选择最合理的解释继续推进，并在最终报告里列出你做的假设，而不是中途停下来等确认。”

关键在于提前拍板，而不是把决定权交给模型的默认行为。

指令冲突问题 —— 你的技能文件在互相掐架

这是几乎所有从旧模型升级过来的开发者都会踩的坑。

Astra 对上下文文件里的指令更加敏感。

如果 AGENTS.md、技能文件、任务提示词之间存在矛盾——Astra 可能会停下来、提前阻断，或者遵守一条你完全没想到的规则。

你现在需要做的审计：

把你模型能读到的每一份指令文件都过一遍。

问自己：当前这个任务，还需要这条指令吗？

指令优先级提示词：

在任务提示词里写明：“当指令冲突时，优先级从高到低为：任务提示词 > AGENTS.md > 技能文件。除非任务提示词明确引用某条技能规则，否则以任务提示词为准，忽略其余冲突指令。”

对技能文件的特别三条规则：

一、技能文件只描述“何时使用”，不描述“怎么做”。具体流程写进技能文档内部。

二、严格去掉与 Astra 默认行为重复的指令（比如“先写测试”），只保留真正约束行为的规则。

三、定期清理已经过时的技能描述。一个模糊的旧技能，比没有技能更危险。

文风问题 —— 默认输出全是 Markdown

Astra 默认会给你格式化拉满的回答。

列表。表格。标题。到处都是 Markdown。

如果你的应用需要散文、邮件、特定风格的文档，或者任何会直接把原始 Markdown 显示成 加粗（而不是视觉加粗）的界面——你必须说清楚。

散文风格提示词：

“用自然段落的散文形式输出，不使用列表、表格或标题。目标读者是普通人类，语气自然、接近日常对话。只在绝对必要时才用粗体或链接。”

防套话提示词（当它反复用同一批词组时）：

“输出中禁止出现‘值得注意的是’‘总而言之’‘不仅……而且……’‘在这个…的时代’等空泛套话。直接用事实说话，不要用过渡句和总结腔。”

技术沟通场景：

“用简洁的技术写作风格：短句、主动语态、每段只讲一个点。保留必要的代码术语，但删掉所有填充词和语气词。”

验证问题 —— 在小改动上过度测试

Astra 在宣布代码任务完成前，会非常认真地做测试。

但对一个可快速回滚的小 UI 修改，这种认真就会变成：

→ 为了一行 CSS 改动，把整个测试套件全跑一遍

→ 对已经有覆盖的 bug 修复，又新写了一堆测试

→ 把已经通过的检查反复重跑

不是模型做错了。是它把正确的本能用错了规模。

解法：定义与改动规模匹配的验证范围。

小型可回滚改动：

“这是一个低风险、可快速回滚的改动。只需做针对性验证：确认改动本身功能正常即可，不需要运行完整测试套件或添加新测试。”

高风险逻辑改动：

“这是核心逻辑改动。需要运行相关模块的完整测试，并针对边界情况补充测试用例。验证范围覆盖所有依赖此逻辑的调用方。”

这样模型拿到的是一个明确的“够了”的定义，而不是默认“越彻底越好”。

子 Agent 委派 —— 它比你想象的更不爱分工

Astra 能把任务拆给多个子 Agent 并行执行。

但如果你不告诉它什么时候该拆，它不会像你的多 Agent 工作流预期的那样激进地分派。

委派提示词：

“识别任务中互相独立、可并行处理的部分，拆分给子 Agent 并行执行。拆分条件：子任务之间没有顺序依赖、不需要共享频繁变化的中间状态。每个子 Agent 只接收完成其子任务所必需的最小上下文。所有子结果统一由你（主 Agent）汇总校对。”

给 Agent 之间消息的额外细节：

“子 Agent 返回的消息必须使用结构化格式：包含任务 ID、完成状态、输出摘要、遇到的异常。禁止在 Agent 间消息中使用自然语言的寒暄或模糊表述。”

（不加这条，Astra 可能在 Agent 间消息里输出乱码。）

停止条件 —— 开工之前，先定义什么叫“完成”

如果你习惯 GPT-5.6 Sol 接个任务就一口气跑到底、不带停的，Astra 会让你觉得它有点畏手畏脚。

它可能完成第一版实现就返回了，哪怕后面还有活没干。

这不是 Bug，是 Astra 在小心翼翼地守着你给它的范围边界。

解法：在任务开始前，把完成标准定义清楚。

如果希望 Astra 在第一轮之后继续探索：

模糊说法：“继续干，直到干完。”

明确说法：“当所有受影响的接口返回 200、TypeScript 无报错时，才算完成。”

完整系统提示词 —— 直接复制

这是一份把上面所有行为整合到一起的生产级系统提示词。

Agent 和复杂工作流，用完整版。

简单任务，只挑你需要的段落就行。

（示例提示词结构：角色定位→自主权策略→优先级规则→验证范围→委派规则→停止条件→输出格式。按你的实际场景替换对应段落内容即可。）

具体工作流的提示词

以下是最常见 Astra 使用场景的复制即用提示词。

编码 —— Bug 修复

“定位 bug 根因，不要只修表面症状。先给出一句话的根因判断，再实施最小修复。验证范围：只跑与该功能相关的测试。如果改动涉及共享逻辑，列出所有受影响调用方再决定验证深度。完成后报告：根因、修复内容、验证结果。”

研究 —— 决策级

“这是用于重要决策的研究任务。目标：给出有依据的结论，而非信息汇总。要求：交叉验证关键数据、标注信息源的可信度和时效性、区分事实与推测、明确写出不确定性。若证据不足以支撑结论，直接说‘证据不足’。”

写作 —— 编辑部风格

“以自然散文风格输出，零 Markdown 痕迹。结构清晰但不使用任何列表或标题。用准确具体的名词代替空泛形容。删除所有套话和铺垫句，第一句话就进入主题。”

工具型 Agent

“可自主调用工具完成任务。规则：每调用一个工具前，先用一句话说明调用原因；调用失败时自动重试一次，重试仍失败则切换策略；只有所有策略都失败才向用户求助。停止条件：目标达成、或确认目标不可达时立即停止。”

多 Agent 研究

“将研究主题拆分为独立子问题，每个子问题派一个子 Agent 并行研究。要求：子 Agent 必须先声明其信息来源范围；所有返回结果由你统一交叉对比，识别矛盾点；最终报告必须标注哪些结论有多个独立信源支持、哪些只有一个来源。等待所有子 Agent 完成后才能生成最终结论。”

你需要做的 API 调整

下面这些不是提示词层面的改动，是迁移到 Astra 时必须做的 API 级调整。

一条命令完成迁移：

如果你在用 Codex，OpenAI 已经发布了官方技能包，它会读取官方迁移指南并把相关改动自动应用到你项目里：

技能仓库：github.com/openai/skills

在中型代码仓库上实测过，开箱即用。

Astra 使用中要避开的 12 个坑

这些是让人浪费最多时间的失败模式。

1. 不定义自主权边界。

你不说什么时候该假设、什么时候该问，Astra 默认就一直问。先把策略定好。

2. 留着当年修 GPT-5 行为的旧指令。

Astra 根本不需要你提醒它跑测试、检查结果。这些指令现在只会导致过度测试。

3. 技能文件塞太多。

技能越多，每个技能的描述就越短。Astra 最后看到的是残缺的描述，然后选中错误的技能。

4. 把技能描述写得像完整教程。

技能描述只需要说清楚“什么时候用”，不需要解释整个工作流。具体流程放进技能文档正文。

5. 不声明指令优先级。

当 AGENTS.md + 技能文件 + 任务提示词同时存在时，Astra 必须知道谁说了算。别让它猜。

6. 把大上下文窗口理解成“啥都往里塞”。

1,050,000 token 的上下文可以装下大量互相矛盾、过期、无关的内容。更多上下文 ≠ 更好的上下文。

7. 默认输出风格凑合着用。

Astra 默认偏爱重型 Markdown。如果你的应用需要散文或特定语气，直接明确提出来。

8. 只说“用子 Agent”，不给委派规则。

你得定义什么任务足够独立可以并行，以及最后由谁来汇总对账结果。

9. 不定义停止条件。

对长时运行的 Agent，Astra 需要知道“完成”意味着什么。没有定义，它可能提前收工，也可能冲过头。

10. 想用提示词来伪装 API 配置。

“用最高智能思考”不会真的设置推理强度。该配置的，去 API 里配。

11. 不在真实任务上测试提示词。

看着更干净的提示词，产出可能反而更差。改版之前，先在代表性测试用例上做对比。

12. 信任指令和检索内容混在一起。

网页、上传的文件、工具返回结果里都可能含有像指令一样的文字。除非你明确指定某个来源是可信的，否则一律把外部内容当作数据来对待。

快速审计提示词

用下面这份提示词，让 Astra 帮你把项目里的所有指令文件清理一遍：

“审计这个项目中的所有指令文件（AGENTS.md、技能文件、配置中的任何指令性文本）。逐条检查并报告：一、哪些指令与当前模型行为重复（如指示显式测试、自我检查）；二、哪些指令互相冲突；三、哪些指令已过时（引用了不存在的文件、命令或流程）；四、每条保留指令应放在哪个等级（AGENTS.md / 技能 / 任务级）。给出精简提案，不直接修改文件。”

一个提示词，清理你整个项目的配置。

提示词检查清单

跑任何一个 Astra 提示词之前，逐项照这个检查：

□ 期望结果是否明确写出？ □ 是否包含了相关上下文（而不是全部内容）？ □ 是否存在互相冲突的指令文件，已审计？ □ 是否声明了指令优先级？ □ 提示词是否明确说了何时该假设、何时该问？ □ 需要的话，是否指定了写作风格？ □ 工具使用条件是否定义清楚？ □ 子 Agent 委派范围是否正确划分？ □ 验证力度是否和改动规模匹配？ □ 长任务是否定义了停止条件？ □ 检索到的文档是否被当作数据而非指令？ □ 是否在真实任务上测试过？

只要有一项打不了勾——那大概率就是你下一次提示词翻车的地方。