找到
1
篇与
Skills
相关的结果
-
OpenAI 研发人员称使用 GPT-6 Astra 模型 请立刻更新 Skills 与提示词 否则会是负优化
使用 GPT-6 Astra 模型 请立刻更新你的 Skill 与提示词 OpenAI 研发人员@pvncher发文，现在的 GPT-6-Astra 越来越强，以前那些强制读全仓、频繁跑测试的 Skills 早就变成拖累上下文的负优化！过去为了让旧模型少犯错加上的规则，现在可能已经过时，甚至开始限制新模型。请重新检查项目里的 Skills、AGENTS.md 和任务提示词。 编程智能体已经取得了长足进步，最佳实践也在迅速变化。过去需求大量人工引导和脚手架搭建的工作，如今已无需如此。 如果过去一年一直在项目中使用智能体，那么在引导模型取得良好成果的过程中，很可能已经积累了大量冗长的指令。每次新版本发布后，都值得重新审视这些既有假设；到了 GPT-6 Astra，这项工作比以往任何时候都更加重要。 这些指令能够采用多种形式，Skill、AGENTS.md 和任务提示词都会影响模型完成工作的方式。 SKill 文件 Skill 文件是其中一种形式，本质上是以 Markdown 文件保存的提示词，有时还会附带脚本。一般而言，它们最适合为仅在特定任务中使用的工作流提供指导，或者说明插件的使用方法。 许多人习惯在项目中下载大量 Skill，但这种做法会带来疑问。每个 Skill 的名称和描述都会加载到模型上下文中，供模型判断何时使用。许多描述过于冗长；Skill 数量过多时，Codex 会开始缩短描述以适应上下文。模型最终只能看到每项描述的一部分，所以更难判断应当选择哪个 Skill。 更糟糕的是，不同描述之间可能相互矛盾，或者具有过强的自我推销倾向，导致模型加载对当前任务并无实际帮助的指令。 如果曾让 Codex 创建 Skill，它很可能使用过 $skill-creator Skill。近期，这项 Skill 的指南经过了多方面更新，以缓解实践中观察到的多种失效模式。 第一，Skill 描述应尽可能简短，同时清楚说明模型应在何时使用它。 明确其适用时机 不佳示例 创建并验证 Postgres 模式迁移。在处理数据库、查询、模型或持久化时使用。 良好示例 创建并验证 Postgres 模式迁移。在添加或修改迁移文件，或审查其部署上线时使用。 示例中的不良 Skill 描述可能会促使模型在接触任何数据库相关内容时都启用它，而合理的触发条件应限定为必须处理数据库迁移的场景。 第二，渐进式披露是判断 Skill 是否实用的关键指标之一。读取 Skill 会占用上下文，使对话更接近上下文压缩，并引入可能与当前任务无关的指导。对于包含多种工作流的 Skill，应将根文档设计为精简的路由入口，由它指向辅助文档和脚本。只需为模型提供足以判断查找位置的指导，无需迫使它读取当前并不相关的内容。 第三，许多 Skill 被写成了细致到逐步执行的流程或操作配方。模型理解细微差异与模糊性的能力已经显著增强，所以，过去能够改善结果的过度具体指导，如今反而可能妨碍模型发挥。 仓库中的 Skill 还会指导其他贡献者使用的智能体，而这些智能体可能采用不同模型。对 Sol 或 Luna 有帮助的指导可能会过度约束 GPT-6 Astra，因此需求考虑这些指令将由哪些模型使用。 AGENTS.md 由于模型在仓库中工作时始终会应用 AGENTS.md，因此应重新审视每条指令，判断当前任务是否仍然需要它。 对于修正拼写错误这样的任务，要求模型在每次编辑前阅读一整套文档或完整的仓库图谱显得过于繁重。GPT-6 Astra 能够自行判断需要阅读哪些内容，无需在每次修改前都被要求审查整个项目。 按任务需求读取相应文档 不佳示例 每次编辑前，都读取 architecture.md、database.md 和 deployment.md。 良好示例 涉及服务边界时查阅 architecture.md，涉及模式变更时查阅 database.md，准备部署时查阅 deployment.md。 要求模型在每次编辑前读取文件，会迅速消耗上下文并拖慢工作速度。根据具体情境指向部分文档仍然有所帮助，同时还应确保这些文档持续保持最新。 以往的模型需要额外提醒才会运行测试并检查工作成果。GPT-6 Astra 会主动完成这些工作，因此沿用相同指令可能导致执行多余的测试。 GPT-6 Astra 工作细致，但在判断任务应推进到什么程度时可能更加谨慎。有时，它需要明确推动，才会持续推进。能够经过 AGENTS.md 明确授权某个已知安稳的具体工作流，例如本地测试套件： 本地测试使用可弃置的测试夹具，无法访问生产环境。请运行这些测试，修复由所请求变更导致的失败，并重新运行受影响的测试，无需在每一步都请求批准。 决策边界 描述操作边界时需要格外谨慎。如果旧模型曾在未经许可的情况下代为执行操作，项目中可能已经加入强硬措辞，要求模型事先征询意见。这类要求可能仍有价值，但 GPT-6 Astra 的判断能力已大幅提高，应当根据这一能力设置相称的边界。它也会严格遵守这些边界，因而可能在用户原本乐于让其继续执行的环节停下。 持久化 习惯了 GPT-5.6 Sol 接到请求后长时间持续执行的用户，可能会觉得 GPT-6 Astra 在判断何时停止方面更为谨慎。它可能在完成第一版完成后便返回请求审查，即使任务仍有后续工作尚待完成。 这正体现了预先定义完成条件的价值。如果任务包括让完成实际运行起来、检查结果并修复失败，就应将这些要求写入请求。要求模型在完成第一版实现后停下来接受审查，会促使它更早结束工作，因此需要确认这一决策是否确有必要。 如果希望模型在第一轮处理后继续探索，应明确说明探索目标以及停止条件。 新模型的发布也是清理项目的好时机。可以让 GPT-6 Astra 根据本文讨论的内容开展一次审计，随后着手构建此前未曾尝试的项目。 OpenAI 研发人员称使用 GPT-6 Astra 模型 请立刻更新 Skills 与提示词 否则会是负优化 下载后请先检查文件完整性，如有疑问请在评论区反馈
-
OpenAI 研发人员称使用 GPT-6 Astra 模型 请立刻更新 Skills 与提示词 否则会是负优化
使用 GPT-6 Astra 模型 请立刻更新你的 Skill 与提示词 OpenAI 研发人员@pvncher发文，现在的 GPT-6-Astra 越来越强，以前那些强制读全仓、频繁跑测试的 Skills 早就变成拖累上下文的负优化！过去为了让旧模型少犯错加上的规则，现在可能已经过时，甚至开始限制新模型。请重新检查项目里的 Skills、AGENTS.md 和任务提示词。 编程智能体已经取得了长足进步，最佳实践也在迅速变化。过去需求大量人工引导和脚手架搭建的工作，如今已无需如此。 如果过去一年一直在项目中使用智能体，那么在引导模型取得良好成果的过程中，很可能已经积累了大量冗长的指令。每次新版本发布后，都值得重新审视这些既有假设；到了 GPT-6 Astra，这项工作比以往任何时候都更加重要。 这些指令能够采用多种形式，Skill、AGENTS.md 和任务提示词都会影响模型完成工作的方式。 SKill 文件 Skill 文件是其中一种形式，本质上是以 Markdown 文件保存的提示词，有时还会附带脚本。一般而言，它们最适合为仅在特定任务中使用的工作流提供指导，或者说明插件的使用方法。 许多人习惯在项目中下载大量 Skill，但这种做法会带来疑问。每个 Skill 的名称和描述都会加载到模型上下文中，供模型判断何时使用。许多描述过于冗长；Skill 数量过多时，Codex 会开始缩短描述以适应上下文。模型最终只能看到每项描述的一部分，所以更难判断应当选择哪个 Skill。 更糟糕的是，不同描述之间可能相互矛盾，或者具有过强的自我推销倾向，导致模型加载对当前任务并无实际帮助的指令。 如果曾让 Codex 创建 Skill，它很可能使用过 $skill-creator Skill。近期，这项 Skill 的指南经过了多方面更新，以缓解实践中观察到的多种失效模式。 第一，Skill 描述应尽可能简短，同时清楚说明模型应在何时使用它。 明确其适用时机 不佳示例 创建并验证 Postgres 模式迁移。在处理数据库、查询、模型或持久化时使用。 良好示例 创建并验证 Postgres 模式迁移。在添加或修改迁移文件，或审查其部署上线时使用。 示例中的不良 Skill 描述可能会促使模型在接触任何数据库相关内容时都启用它，而合理的触发条件应限定为必须处理数据库迁移的场景。 第二，渐进式披露是判断 Skill 是否实用的关键指标之一。读取 Skill 会占用上下文，使对话更接近上下文压缩，并引入可能与当前任务无关的指导。对于包含多种工作流的 Skill，应将根文档设计为精简的路由入口，由它指向辅助文档和脚本。只需为模型提供足以判断查找位置的指导，无需迫使它读取当前并不相关的内容。 第三，许多 Skill 被写成了细致到逐步执行的流程或操作配方。模型理解细微差异与模糊性的能力已经显著增强，所以，过去能够改善结果的过度具体指导，如今反而可能妨碍模型发挥。 仓库中的 Skill 还会指导其他贡献者使用的智能体，而这些智能体可能采用不同模型。对 Sol 或 Luna 有帮助的指导可能会过度约束 GPT-6 Astra，因此需求考虑这些指令将由哪些模型使用。 AGENTS.md 由于模型在仓库中工作时始终会应用 AGENTS.md，因此应重新审视每条指令，判断当前任务是否仍然需要它。 对于修正拼写错误这样的任务，要求模型在每次编辑前阅读一整套文档或完整的仓库图谱显得过于繁重。GPT-6 Astra 能够自行判断需要阅读哪些内容，无需在每次修改前都被要求审查整个项目。 按任务需求读取相应文档 不佳示例 每次编辑前，都读取 architecture.md、database.md 和 deployment.md。 良好示例 涉及服务边界时查阅 architecture.md，涉及模式变更时查阅 database.md，准备部署时查阅 deployment.md。 要求模型在每次编辑前读取文件，会迅速消耗上下文并拖慢工作速度。根据具体情境指向部分文档仍然有所帮助，同时还应确保这些文档持续保持最新。 以往的模型需要额外提醒才会运行测试并检查工作成果。GPT-6 Astra 会主动完成这些工作，因此沿用相同指令可能导致执行多余的测试。 GPT-6 Astra 工作细致，但在判断任务应推进到什么程度时可能更加谨慎。有时，它需要明确推动，才会持续推进。能够经过 AGENTS.md 明确授权某个已知安稳的具体工作流，例如本地测试套件： 本地测试使用可弃置的测试夹具，无法访问生产环境。请运行这些测试，修复由所请求变更导致的失败，并重新运行受影响的测试，无需在每一步都请求批准。 决策边界 描述操作边界时需要格外谨慎。如果旧模型曾在未经许可的情况下代为执行操作，项目中可能已经加入强硬措辞，要求模型事先征询意见。这类要求可能仍有价值，但 GPT-6 Astra 的判断能力已大幅提高，应当根据这一能力设置相称的边界。它也会严格遵守这些边界，因而可能在用户原本乐于让其继续执行的环节停下。 持久化 习惯了 GPT-5.6 Sol 接到请求后长时间持续执行的用户，可能会觉得 GPT-6 Astra 在判断何时停止方面更为谨慎。它可能在完成第一版完成后便返回请求审查，即使任务仍有后续工作尚待完成。 这正体现了预先定义完成条件的价值。如果任务包括让完成实际运行起来、检查结果并修复失败，就应将这些要求写入请求。要求模型在完成第一版实现后停下来接受审查，会促使它更早结束工作，因此需要确认这一决策是否确有必要。 如果希望模型在第一轮处理后继续探索，应明确说明探索目标以及停止条件。 新模型的发布也是清理项目的好时机。可以让 GPT-6 Astra 根据本文讨论的内容开展一次审计，随后着手构建此前未曾尝试的项目。 OpenAI 研发人员称使用 GPT-6 Astra 模型 请立刻更新 Skills 与提示词 否则会是负优化 下载后请先检查文件完整性，如有疑问请在评论区反馈
-
