GPT-6 Astra 如何節省 Token？OpenAI 官方揭露 Skills、AGENTS.md 與 Prompt 最佳化方法

讓模型只在需要時讀取需要的資訊，並移除舊模型時代留下的冗餘指令。

OpenAI 近期針對 GPT-6 Astra 更新 Codex 的使用建議，提醒開發者重新整理既有 Skills、AGENTS.md 與 Prompt。隨著模型能力提升，過去為了提高執行穩定性而加入的大量流程、規則與參考文件，現在可能增加 Context 負擔與 Token 消耗。

OpenAI Codex 中文完整教學，費用如何計算？與 Claude Code 差在哪？

GPT-6 Astra 為什麼需要重新整理 Prompt 與 Skills？

過去使用 Codex 等 AI Agent 時，開發者常透過詳細 Prompt、Skills 與 AGENTS.md 補足模型能力，例如要求固定閱讀文件、按照指定步驟執行、主動測試與反覆檢查。

GPT-6 Astra 已具備更強的推理、工具使用與任務判斷能力，因此部分舊規則已沒有原本的必要性。當專案持續累積大量文件與指令，模型每次執行任務時都可能需要處理更多無關資訊，增加 Token 使用量，也讓真正重要的指令被埋在大量 Context 中。

GPT-6 Astra 有多強？OpenAI 最強模型直接操作電腦，功能、價格與應用一次看

Skill 描述越精簡越好

Skill 的描述欄位主要用來讓 Codex 判斷什麼情況需要載入這項 Skill，因此內容應保持精簡，同時明確寫出觸發條件。

OpenAI 以資料庫遷移 Skill 為例。相較於寫成「處理資料庫、查詢、資料模型或資料持久化時使用」，更適合縮小成「新增、修改資料庫遷移，或檢查部署流程時使用」。

前者涵蓋範圍過大，只要工作碰到資料庫，就可能觸發 Skill；後者則把使用時機限制在真正需要資料庫遷移操作的情境。

觸發條件越精準，越能減少無關 Skill 被載入 Context，也降低不必要的 Token 消耗。

使用 Progressive Disclosure，需要時才讀詳細文件

OpenAI 建議 Skills 採用 Progressive Disclosure（漸進式揭露），也就是先提供必要資訊，再依照任務需求載入更詳細的文件。

如果一個 Skill 同時包含圖片排版、表格、SVG 輸出與驗證規則，可以把主要 SKILL.md 保持精簡，作為工作流程入口：

SKILL.md
│
├─ 圖片排版 → docs/layout.md
├─ 表格排版 → docs/table.md
├─ SVG 輸出 → docs/svg.md
└─ 驗證 → scripts/validate.py

模型先判斷這次任務需要哪一類工作，再讀取對應文件，不需要每次都把所有規則載入 Context。

這也是 OpenAI 這次節省 Token 建議中最重要的方向之一：詳細資訊依需求載入，而非預設全部載入。

Skill 不需要寫成完整操作 SOP

早期模型通常需要更詳細的逐步操作指引，才能穩定完成複雜任務，因此不少 Skill 會把流程拆成「第一步做什麼、第二步讀什麼、第三步檢查什麼」。

GPT-6 Astra 已能自行判斷更多中間步驟，OpenAI 因此建議減少過度詳細的操作流程，優先保留幾個真正重要的資訊：任務目標、限制條件、可使用的資源，以及什麼狀態代表任務完成。

這樣可以縮短 Skill 文件，也能避免過度限制模型的解題方式。

精簡 AGENTS.md，避免每次強制閱讀大量文件

AGENTS.md 也是容易造成 Context 膨脹的地方。

例如原本設定：

每次修改前，都先閱讀 architecture.md、database.md 與 deployment.md。

代表模型即使只修改一個小錯字，也可能先讀取多份與當前工作無關的文件。

OpenAI 建議改成依情境指定：

涉及服務架構時，閱讀 architecture.md；
修改資料庫結構時，閱讀 database.md；
準備部署時，閱讀 deployment.md。

這樣模型只會在真正需要時載入相關資料，能明顯減少固定 Context。

移除 Astra 已經具備的能力提醒

舊 Prompt 中常見這類指令：

記得執行測試。
檢查執行結果。
確認實作是否正確。

這些指令主要是為了提醒過去模型主動完成測試與驗證。

OpenAI 指出，GPT-6 Astra 已更能主動執行這類工作，因此升級模型後，可以重新檢查這些提醒是否仍有必要。若模型本身已經會完成相同行為，保留大量重複規則反而可能造成額外測試與操作。

重新設定人工確認與權限邊界

過去為避免 Agent 執行高風險操作，Prompt 中經常出現：

執行前一律先詢問。
未取得確認前不得繼續。

這類限制在部分情境仍有必要，但 OpenAI 建議把規則寫得更精準，直接定義模型可以自行處理的安全範圍。

例如，如果本地測試環境無法存取正式環境，就可以告訴 Astra：

本地測試使用可拋棄的測試資料，也沒有正式環境存取權限。
可直接執行測試、修正這次修改造成的失敗，
並重新執行相關測試，不需要每一步都詢問確認。

這種寫法同時保留安全邊界，也能減少 Agent 在低風險步驟中頻繁中斷。

明確定義「什麼時候才算完成」

OpenAI 也建議，把 Prompt 的重點放在「完成條件」，而非規定每一個執行步驟。

例如：

完成這項功能，
實際執行並檢查結果，
修正出現的問題，
直到功能可以正常運作。

這類 Prompt 直接告訴模型最終要達到的狀態，可以減少 Agent 做完第一版就停止，等使用者再次下指令才繼續測試或修正。

對長任務來說，清楚定義完成條件也有助於降低反覆補 Prompt、重新載入 Context 的情況。

OpenAI 官方省 Token 方法整理

方法	建議作法	主要效果
精簡 Skill 描述	明確限制觸發條件	減少無關 Skill 被載入
漸進式揭露	主 Skill 只作為流程入口	依需求載入詳細文件
簡化 Skill SOP	保留目標、限制與完成條件	減少冗長指令
精簡 AGENTS.md	文件與使用情境綁定	避免固定讀取大量資料
清除舊 Prompt	移除模型已會執行的提醒	減少重複操作
明確權限邊界	指定模型可自行完成的安全工作	減少不必要確認
定義完成條件	說清楚最終交付狀態	降低中途停止與追加 Prompt

GPT-6 Astra 的 Prompt 設計重點

OpenAI 官方建議可以濃縮成三個方向：減少預設載入、縮短固定規則、詳細資訊改成按需求取得。

對既有 Codex 專案而言，最值得優先檢查的是過長的 Skill 描述、一次塞入所有流程的 SKILL.md、強制模型每次閱讀多份文件的 AGENTS.md，以及為舊模型加入的大量測試與確認提醒。

模型能力提升後，Prompt 與 Skill 的價值逐漸從「教模型每一步怎麼做」，轉向「提供正確的目標、必要資訊與工作邊界」。文件越多，不代表 Agent 一定做得更好；讓模型在正確時間取得正確 Context，才是 OpenAI 這次強調的核心。

---

GPT-6 Astra FAQ

加密貨幣屬於高風險投資，本網站內容均不構成任何投資建議與責任。

掌握虛擬貨幣、區塊鏈大小事