模型變強之後，第一件事是把說明書刪薄：Codex 那份 Astra 清理指南，為什麼讓開發者集體大掃除

2026 年 9 月 17 日，掘金上一篇標題樸實的文章開始在技術社羣流傳：OpenAI 官方發布了名為《Rethinking skills and prompts for GPT-6 Astra》的指南，講的是一件聽起來有點反直覺的事。模型能力升級之後，你過去替它寫的那些規則、說明、清單，很多不但沒有幫助，反而是拖累。

文章作者照著指南把自己的專案清了一遍，結論是效果顯著。Skill 要變少，Memory 裡的陳舊記憶要刪，AGENTS.md 和 CLAUDE.md 這些全域規則檔也要精簡。一場開發者版的斷捨離，就這樣在社羣裡蔓延開來。

先把場景補上：這些檔案本來是幹嘛的

用過 Codex、Claude Code 這類程式 Agent 的人大概都有類似習慣。你會在專案裡放一份 AGENTS.md 或 CLAUDE.md，寫滿「每次修改前必須先讀某某文件」「禁止自動執行」「動任何東西之前先問我」這類規則，像替一位能力很強但你不完全信任的新同事寫工作手冊。

這套做法在舊模型時代是必要的。模型判斷力有限，規則寫得越細，出錯的機會越小。問題是，模型的成長速度比手冊的更新速度快得多。GPT-6 Astra 這一代模型已經能自己判斷什麼時候該讀哪份文件，於是那些「每次都要通讀三份文檔」的規則，從保險變成了純粹的上下文浪費。

指南裡有一句提醒被不少人圈出來轉發：你留下的指令不只是給自己的模型看的，其他 Agent 也可能用到。對一個模型剛好的約束，換到另一個模型上可能就是過度約束。

四個方向，其實都是同一件事：把信任還給模型

指南拆解下來，核心方向可以整理成幾條。

第一，Skill 的觸發描述要收窄。官方給的例子很具體：一個處理 Postgres 資料庫遷移的 Skill，描述寫成「涉及資料庫、查詢或資料模型時使用」，結果使用者只是想寫一條 SQL 查詢，模型也把整套遷移流程的指令載入進來，塞滿上下文視窗卻完全用不上。改法是把描述縮到「新增或修改遷移、審查遷移發布時使用」，觸發條件和 Skill 實際要做的事對上了，誤觸自然就少。

第二，強制閱讀要改成條件閱讀。與其寫「每次編輯前讀 architecture.md、database.md、deployment.md」，寫成「涉及服務邊界時讀架構文件、改表結構時讀資料庫文件、準備部署時讀部署文件」。前者不管改什麼都通讀三份，後者只在需要時載入對應內容。

第三，舊時代的防護欄要鬆綁。「必須先問我」「禁止自動執行」這類規則，在判斷力更強的新模型上反而讓它過度謹慎，低風險任務也要反覆確認，做起事來綁手綁腳。該放手的地方要放手，但安全邊界、敏感操作確認和必要的測試仍然要留。

第四，過度詳細的步驟清單要刪。很多 Skill 是老模型時期寫的，操作步驟精確到每一步。新模型已經能處理模糊和複雜性，寫得太死反而限制它的發揮。一位實踐者的觀察被不少人引用：模型變強的一部分原因，就是它已經吸納了那些優秀 Skill 裡的知識，所以那些約束確實應該跟著減少。

社羣裡的另一種聲音：先別急著全刪

當然，這波瘦身潮也不是沒有雜音。有人翻了自己專案裡的 Skills，發現觸發條件寫得覆蓋面極廣，例如一個瀏覽器操作的 Skill，四行描述涵蓋了從抓網頁、截圖到填表單點按鈕的幾乎所有操作，只要任務沾上一點網頁相關就會被載入。這類案例讓「確實該清」的共識迅速形成。

但也有比較謹慎的做法在流傳。有開發者建議，先挑一條有明確依據的建議改掉，然後用一個自己熟悉的日常任務跑一遍，觀察模型行為有沒有變化，確認沒問題再改下一條。畢竟規則檔案是長期累積出來的，每一條背後可能都有一個曾經踩過的坑，一次全刪等於把那些教訓也一起丟掉。

這種一條一條驗證的節奏，和先前社羣裡那場AI 寫程式幫手的集體投票與工作流展覽其實是同一種氣氛。工具換得快，每個人都被迫當自己工作流的審計員，差別只在這次審計的對象是自己的規則檔。

大掃除背後的社羣心理

把鏡頭拉遠一點看，這場清理潮有趣的地方在於它觸發的情緒。技術社羣向來樂於疊加工具和規則，一個問題出現就加一條規則，久了之後規則檔案本身變成另一個需要維護的專案。模型每次升級，理論上都是好事，但對認真寫過手冊的人來說，也意味著過去的投入要重新檢視，該刪的刪。

指南末尾那套自檢清單在社羣裡被轉得最多。每個 Skill 的描述能不能在一兩句話內說清做什麼、什麼時候用；觸發條件會不會太寬；多個 Skill 的描述有沒有重疊到模型分不清該選哪個；詳細步驟是放在子文件裡還是全塞在描述裡。這幾個問題本身就是一份很好的除錯工具，套在任何一套 Agent 配置上都適用。

有人形容這次指南像一份「焚訣」，燒掉的是舊模型時代的遺產。這個說法有點誇張，但方向沒錯。當工具的判斷力追上來，人與工具之間的說明成本就該往下降。這次大掃除真正留下的東西，或許是那個更基本的提問方式：這條規則，是模型需要，還只是我自己不放心。