今天分享一组 GPT-6 Astra 的使用思路和提示词，重点放在几个常见问题上：任务做到一半就停下来、Skill 指令互相打架、写作套话太多，以及测试范围超出实际需要。
下面先梳理文中介绍的模型特性，再按自主执行、指令遵循、写作风格、子代理协作和测试验证五个方面，保留 10 段可复制的提示词。可以结合自己的工作流选择使用，具体能力与效果仍以实际环境为准。
GPT-6 Astra 发布后，围绕它的使用方式，也有了一套更具体的提示词思路。
这些 Prompt 主要围绕防止任务偏移、指令遵循、个性化和写作风格展开。
尤其是个性化和写作方面，反复出现的套话、过度结构化的表达，常常让 AI 生成的内容读起来不够自然。
GPT-6 Astra 的新特性
OpenAI 官方列出来了 Astra 的几个新特性，主要在下面这些方面做了优化：
第一个是异步工具（Async tool calling）调用方面：
在以前标准的 tool use 方面，在模型这一层面基本上是同步的、阻塞式的，需要等待应用返回结果才能继续，虽然开发者的程序可以并行或异步执行工具，但模型本身通常做不到。
而这次 Astra 新增了异步 tool use ，这是模型层面的优化，也就是说现在，当你的应用程序执行 tool use 的时候，GPT-6 Astra 可以继续做其他事儿了。
第二个是中途引导（Mid-turn steering）方面：
这块说的是 Astra 还在执行当前任务时，用户可以直接插话，修改要求或纠正方向，不必等它完整做完。
这里容易产生一个疑问：此前使用 Codex 时，也有 steer（插队）和 queue（排队），这次有什么不同？
不过，之前你是用的 Codex 产品中的 steer 和 queue 的功能，这一步是在应用编排层实现的插话，这一次，GPT‑6 Astra 把这项能力下沉到 Responses API：开发者可以通过标准的 response.steer 事件修改正在生成的 Response，由 API 自动保留已完成工作并创建承接新的要求。
第三个是在对话中更改推理强度，同时保留之前的缓存（Change reasoning mid-conversation while preserving cache），可以简单理解为“换个思考强度”。
这块说的是，在同一个长对话中，可以根据任务难度随时切换 Astra 的思考强度。
比如你让它先看一下项目结构，用 low 梳理个大概就行。接着发现有个复杂的并发问题，需要认真分析，那就把下一轮切到 high。等问题分析完了，只剩整理修改说明，又可以调回 low，没必要从头到尾都开着高强度思考。
第四个是偏离检测（Misalignment monitoring）：
这块说的是 Astra 有没有理解错误用户的真正意图，并且在敏感场景中做出超出授权范围的操作。
比如用户让它删除临时构建文件，它却删除了整个项目目录；用户只授权读取某个客户的数据，它却开始访问其他客户的数据；用户让它发送公开报告，它却把包含密钥的配置文件一起公开了。
Astra 在这块内容上做的是后台异步审查 Astra 的推理过程和操作行为。
这里有个细节：检测在后台异步进行，等它发现问题时，前面的操作可能已经执行完了。停止后续执行，也不会把已经做过的操作撤销。
第五个说的是一条限制方面：
Astra 不支持 none reasoning effort ，也就是 Astra 不能关闭内部推理，也就是说，在 Astra 中，没有
这个档位，最低也得是 low 的思考档位。
还有一条限制说的是开启欧盟数据驻留的 API 项目，调用 Astra 时不能使用 /fast 模式。（这一条与我们关系不大了）
Prompt 最佳实践
GPT-6 Astra 比 GPT-5.6 Sol 等早期模型更智能、能力更强，而且可以针对特定场景做 Prompt 优化 Astra 的行为模式。
GPT-6 Astra 的行为模式
GPT-6 Astra 的官方定位就是你高效靠谱的伙伴，所以 OpenAI 对 Astra 的行为模式提出了下面几种定义：
主动性和贯彻执行力上（Initiative and follow-through），它具有更强的主动性和后续跟进能力，因此，当用户输入一些有可能会改变结果的信息时，它会向用户提出问题。这种机制可能导致模型在用户期望它基于合理假设继续执行时停下来。
指令遵循（Instruction following），与之前的 GPT 模型相比，GPT-6 Astra 在遵循指令方面表现更强，让你能够更好的掌控模型。
另外，Astra 对 skills 和 AGENTS.md 中包含的指令很敏感，如果你想用 skills 时，需要留意其中可能影响模型行为的指令。
个性与写作风格（Personality and writing style），Astra 倾向于提供详细且格式规范的回复，并可能在不同会话中重复使用某些短语，所以你需要明确指定你的应用所需的写作风格与结构。
子代理委托（Subagent delegation），Astra 委派 subagent 执行并行任务的频率，可能低于你工作流的预期。请指定模型应在何时以及在多大程度上使用子代理来执行并行工作。
测试与验证（Testing and verification）：在处理编程任务时，该模型往往会在认定任务完成前进行详尽的测试。对于较小的任务，这可能会导致测试范围超出任务实际所需。
我们分别来聊一下。
主动性和贯彻执行力
在执行长任务时，GPT‑6 Astra 通常比 GPT‑5.6 Sol 及更早的模型更能保持前后一致。
之前的早期模型往往会自行作出假设，而 Astra 更可能主动向用户询问并确认。
可以用下面这个 Prompt 来鼓励 GPT-6 Astra 做更自主的工作：
当用户的意图不清晰，模型大概率会主动要求用户进行澄清，来继续下面的工作。
下面这段 Prompt ，是用来告诉模型，在隐含授权的同时继续执行。
对模型输入一段 Prompt ，仅在准备好具体且可审查的结果之后才请求批准。这样可以避免在模型完成其力所能及的工作之前阻塞任务，并且通常能更快地完成任务。
Astra 默认会在运行过程中提出非阻塞式问题，因此可以根据你的场景所需的自主程度来调整这些提示词。
指令遵循
GPT-6 Astra 能够更好的遵循长指令，同时也对上下文中的信息更为敏感。例如，Skill 文件中不明确或相互冲突的指令可能会导致模型停顿，并过早中断任务。请明确用户指令与 skill 的优先级。
下面是一个例子，说明在用户指令和 skill 指令发生冲突时，应优先用户指令
如果 Astra 因为某个 Skill 中的规则而停下来，改变做法或偏离用户预期，就要求它明确说明是哪一个 skill 、其中的哪条指令导致了这个行为。
不能只是单纯的说：“因为相关规则，我无法继续”。
举个例子来说：Astra 暂停了发布操作，因为 publishing/SKILL.md 中写着：“发布前必须获得用户确认。”这条要求适用于当前任务，因为下一步会把内容写入外部平台。
Prompt 如下
当应用同时给模型加载很多 Skill、AGENTS.md 和其他指令文件时，使用上面这个 Prompt ，可以找出那些在后台悄悄影响模型行为的规则，以及彼此发生冲突的规则。
个性与写作风格
GPT-6 Astra 默认倾向于会把输出内容搞得很结构化。
它可能频繁使用：小标题、项目符号、编号列表、表格、粗体、引用块、Markdown 代码块这些标准格式，这样做的好处是为了能够快速阅读，但这种方式并不适用于所有内容，比如写公众号文章、评论文章、邮件或故事时，过多的列表和表格会让内容显得臃肿和死板。
所以，如果希望 Astra 写的更自然一些，就要在系统 Prompt 中明确说明，而不能假设它会自行选择这种风格。
这段 Prompt 把“减少 AI 味儿”具体落实到了段落、列表和表格的使用方式上。
行话和陈词滥调就是大家经常说的 AI Slop ，这种看着就反感的词汇和衔接语句
例如下面这些全都是常用的 AI 话术。
如果想解决写作中的行话和陈词滥调，可以先使用下面这段提示词。
子代理委托
GPT-6 Astra 被训练为能够将任务拆分并委托给 Subagent 并行工作的模型，所以如果你正在搭建和训练自己的多 Agent 系统，可以使用以下提示词来调整 GPT-6 Astra 的任务委派程度：
Agent 之间的消息可能会出现语法错误的情况，可以使用如下 Prompt，让 Agent 之间的消息更便于阅读。
使用 GPT-6 Astra 在关于如何或者何时委托给 Subagent 的提示词指令优化的比较好，大家可以试一下。
测试和验证
在进行编码任务时，应根据变更的规模来评估所需的测试与验证工作量，从而避免针对微小的变更进行不必要的测试或重复检查。
总结
这次 Astra 的几个新特性，主要方便我们让它做长任务：tool use 时能接着做其他任务，用户可以中途补充要求，后续多轮的思考强度也能按任务难度调整。
后面这些 Prompt 更值得结合实际任务尝试：如果平时只说一句“主动一点”“去掉 AI 味儿”，要求确实太笼统了。
尤其是写作，明确列出需要调整的句式和表达习惯，才能进一步观察输出风格有没有改善。
我是分辨率网络的主理人，一个爱折腾的程序员，也在做独立开发。
这里会分享 AI 工具、实用教程和应用思路：怎么上手，适合什么场景，能帮你解决什么问题。
想让 AI 帮你省点时间、少做点重复活，或者用在自己的业务里，欢迎关注我。咱们从一个具体问题开始。