การเพิ่มศักยภาพของ GPT-6 Astra ให้ถึงขีดสุด: คู่มือฉบับสมบูรณ์สำหรับการออกแบบ Codex Harness

เมื่อวันที่ 3 กันยายน 2026 OpenAI ได้เปิดตัว GPT-6 Astra

หลายคนเพียงแค่เปลี่ยนการตั้งค่าโมเดล Codex เป็น Astra แล้วก็หยุดแค่นั้น

อย่างไรก็ตาม OpenAI ไม่ได้อัปเดตแค่โมเดลในวันนั้นเท่านั้น ประกาศอย่างเป็นทางการระบุอย่างชัดเจนว่าพวกเขาได้อัปเดต 'Harness' ของ Codex ควบคู่ไปกับ Astra (ที่มา: OpenAI "GPT-6 Astra: นวัตกรรมปัญญาประดิษฐ์ยุคใหม่" https://openai.com/index/gpt-6-astra/

สมองและสภาพแวดล้อมที่สมองทำงาน OpenAI สร้างทั้งสองอย่างขึ้นมาใหม่พร้อมกัน

อย่างไรก็ตาม หากคำแนะนำไม่ชัดเจนหรือมีกฎที่ขัดแย้งกันหลงเหลืออยู่ Astra อาจหยุดทำงานกลางคันหรือขอคำยืนยันซ้ำแล้วซ้ำเล่า

ในบทความนี้ ผมจะให้สามสิ่งนี้แก่คุณ:

• คำอธิบายแบบเต็มเกี่ยวกับ 8 องค์ประกอบที่ประกอบเป็น Codex Harness (พร้อมลำดับความสำคัญ)
• 4 พรอมต์สำหรับวินิจฉัยและตรวจสอบสินค้าคงคลังที่คุณสามารถคัดลอกและวางได้ทันที
• ลำดับการดำเนินการว่าจะเริ่มต้นจากตรงไหนในเวลาเพียง 30 นาทีวันนี้

ไม่มีประโยชน์ที่จะยั้งไว้ ดังนั้นผมจะแชร์พรอมต์ที่สำคัญที่สุดก่อน พรอมต์นี้จะทำให้ Codex รายงานสถานะโปรเจกต์ปัจจุบันของตัวเอง

▼ คัดลอกจากตรงนี้

คุณคือนักออกแบบ Codex Harness

เป้าหมายคือการสร้างสถานะที่ GPT-6 Astra สามารถ "ทำงานให้สำเร็จอย่างปลอดภัย ทำซ้ำได้ และดำเนินการจนจบโดยไม่ต้องมีคำแนะนำโดยละเอียดทุกครั้ง" ในโปรเจกต์นี้

ก่อนอื่น อย่าทำการเปลี่ยนแปลงใดๆ ทบทวนการกำหนดค่าโปรเจกต์ปัจจุบัน ไฟล์การตั้งค่า และฟีเจอร์ที่มีอยู่ จากนั้นวินิจฉัยสิ่งต่อไปนี้:

1. AGENTS.md: วัตถุประสงค์ กฎที่ต้องปฏิบัติตาม ข้อห้าม เงื่อนไขความสำเร็จ และเอกสารอ้างอิงชัดเจนหรือไม่?
2. docs / context: โครงสร้างถูกจัดระเบียบเพื่อให้คุณสามารถค้นหาข้อมูลที่จำเป็นได้ด้วยตัวเองหรือไม่? มีคำอธิบายที่เก่า ซ้ำซ้อน หรือขัดแย้งกันหรือไม่?
3. Skills: งานที่ทำซ้ำๆ งานใดที่ควรเปลี่ยนเป็น Skills? ในทางกลับกัน Skills ใดที่ไม่จำเป็น?
4. MCP / Plugins: เครื่องมือภายนอกหรือการเชื่อมต่อข้อมูลใดที่ขาดหายไป?
5. Environment: คุณสามารถทำซ้ำ dependencies, setup และการทดสอบด้วยตัวเองได้หรือไม่?
6. Permissions / Sandbox: คุณได้รับสิทธิ์มากเกินไปหรือไม่? ในทางกลับกัน มีการรออนุมัติมากเกินไปจนทำให้งานหยุดชะงักหรือไม่?
7. Hooks / Tests: การตรวจสอบก่อนดำเนินการ การตรวจจับความลับ การทดสอบ และการตรวจสอบความสำเร็จสามารถทำงานอัตโนมัติได้หรือไม่?
8. Browser / Computer Use: มีงานใดที่ควรตรวจสอบโดยการใช้งานผลิตภัณฑ์สำเร็จรูปจริงหรือไม่?
9. Subagents: มีงานเช่นการวิจัย การตรวจสอบ หรือการทดสอบที่ทำได้เร็วกว่าหากทำแบบขนานหรือไม่?
10. Feedback Loop: มีกลไกในการป้อนความล้มเหลวในอดีตหรือคำแนะนำในการแก้ไขกลับเข้าไปใน AGENTS.md / docs / Skill / Hook / Test หรือไม่?

รูปแบบผลลัพธ์: A. ประเมินแต่ละรายการในระดับ 5 คะแนน B. ข้อบกพร่องสำคัญ 5 อันดับแรก C. สิ่งที่สามารถแก้ไขได้ใน 30 นาทีวันนี้ D. สิ่งที่ต้องจัดระบบภายในหนึ่งสัปดาห์ E. ไฟล์ที่ต้องสร้าง/เปลี่ยนแปลงและข้อเสนอการเปลี่ยนแปลงเฉพาะ F. ความเสี่ยงด้านความปลอดภัย/สิทธิ์ G. ลำดับความสำคัญของการดำเนินการ

อย่าสร้างการตั้งค่าจากการคาดเดา ตรวจสอบฟีเจอร์และเวอร์ชัน Codex ที่มีอยู่ก่อนตัดสิน ระบุอย่างชัดเจนว่าฟีเจอร์นั้นเป็น Experimental / Beta / Deprecated

อย่าเปลี่ยนแปลงไฟล์ ขยายสิทธิ์ หรือเชื่อมต่อกับบริการภายนอกจนกว่าผมจะได้ตรวจสอบผลการวินิจฉัยเหล่านี้แล้ว

▲ คัดลอกไปที่ตรงนี้

การรันสิ่งนี้ก่อนที่คุณจะอ่านจบจะช่วยประหยัดเวลาให้คุณในภายหลัง

เป้าหมายและการใช้งานของบทความนี้

เป้าหมายนี้คือ Codex ณ วันที่ 7 กันยายน 2026 Codex อัปเดตอย่างรวดเร็ว ดังนั้นโปรดตรวจสอบวันที่ก่อนอ่าน

รวมถึงส่วนประกอบ Harness 8 ชิ้น ระดับความสมบูรณ์ 7 ระดับ และเทมเพลตพรอมต์ที่คัดลอกวางได้ 4 แบบ

กลุ่มเป้าหมายคือ "คนที่ใช้ Codex แต่หยุดหลังจากเขียน AGENTS.md" ผมจะให้คำอธิบายประกอบสำหรับคำศัพท์เทคนิคเมื่อปรากฏครั้งแรก เพื่อให้ผู้ที่ไม่ใช่วิศวกรก็สามารถอ่านได้เช่นกัน

เพื่อให้แน่ใจว่ามีคุณค่าแม้ว่าคุณจะไม่ได้อ่านทุกอย่าง ผมได้รวม "ลำดับความสำคัญ" สำหรับแต่ละองค์ประกอบไว้ หากคุณเลือกเฉพาะที่มีลำดับความสำคัญสูง อย่างน้อยมันก็จะทำงานได้ในระดับพื้นฐาน

"Harness" คืออะไรกันแน่?

Harness คือระบบที่เชื่อมต่อโมเดล เครื่องมือ และมนุษย์เข้าด้วยกันเพื่อให้ทำงานสำเร็จ

ในบล็อกเทคนิคของ OpenAI "Unrolling the Codex agent loop" (มกราคม 2026, Michael Bolin) Codex harness ถูกอธิบายว่าเป็น "แกนหลักของ agent loop และตรรกะการดำเนินการที่ทำหน้าที่เป็นรากฐานสำหรับประสบการณ์ Codex ทั้งหมด" (https://openai.com/index/unrolling-the-codex-agent-loop/

Agent loop หมายถึงการทำซ้ำนี้:

• รับอินพุตจากผู้ใช้
• สอบถามโมเดลเพื่อคิด
• ดำเนินการเครื่องมือที่โมเดลเลือก
• แสดงผลลัพธ์และให้มันคิดอีกครั้ง

เป็นฝั่ง Codex ไม่ใช่โมเดล ที่รันลูปนี้

หากจะเปรียบเทียบกับบริษัท:

Astra = สมองของพนักงานที่มีความสามารถสูง Harness = บริษัทที่พนักงานคนนั้นทำงานอยู่ กฎการจ้างงาน Wiki ภายใน ขั้นตอนการปฏิบัติงาน สิทธิ์การเข้าถึงระบบภายใน กฎการอนุมัติ กระบวนการตรวจสอบ และเพื่อนร่วมงาน

ความผิดพลาดทั่วไปคือการสรุปอย่างง่ายๆ ว่า "AGENTS.md = Harness" AGENTS.md เป็นเพียงส่วนหนึ่งของ harness เท่านั้น เช่นเดียวกับที่บริษัทไม่ได้ดำเนินการโดยใช้แค่คู่มือกฎที่แจกจ่ายเท่านั้น

ในทางปฏิบัติ ความพยายามทั้งหมดในการสร้าง "สภาพแวดล้อมการทำงานที่สะดวกสบาย" โดยการรวมองค์ประกอบต่างๆ เช่น AGENTS.md, Skills, MCP, Hooks, การตั้งค่าสิทธิ์, สภาพแวดล้อมการดำเนินการ, เบราว์เซอร์ และ Subagents เข้าด้วยกัน เรียกว่า Harness Engineering บทความนี้ใช้คำในความหมายนั้น

อะไรเปลี่ยนแปลงไปจริงๆ กับการเปิดตัว Astra?

มีสามสิ่ง ซึ่งทั้งหมดได้รับการประกาศอย่างเป็นทางการโดย OpenAI

1. OpenAI ปรับปรุงสมองและสภาพแวดล้อมพร้อมกัน

เมื่อมีการประกาศ Astra OpenAI ระบุอย่างชัดเจนว่าพวกเขาได้อัปเดต Codex harness โดยรายงานว่างานเสร็จสมบูรณ์เร็วขึ้น 1.9 เท่าเมื่อเทียบกับสภาพแวดล้อม GPT-5.6 Sol ในการวัดประสิทธิภาพการทำงานของเบราว์เซอร์ Mind2Web

ใน OSWorld 2.0 Astra ได้คะแนน 72.6% เทียบกับ 65.7% ของ GPT-5.6 Sol นอกจากนี้ การประเมินจำลองสำหรับเวลาที่ต้องการรายงานว่าลดลงจากประมาณ 75 นาทีเหลือประมาณ 40 นาทีต่องาน

จำเป็นต้องใช้ความระมัดระวังที่นี่: ตัวเลขเหล่านี้เป็นตัวเลขที่เผยแพร่โดย OpenAI เอง และเป็นผลการวัดประสิทธิภาพภายใต้เงื่อนไขเฉพาะ ไม่มีการรับประกันว่าจะเร็วขึ้น 1.9 เท่าในสภาพแวดล้อมของคุณ

อย่างไรก็ตาม ประเด็นสำคัญนั้นชัดเจน: ความเร็วที่เพิ่มขึ้นมาจากการรวมกันของโมเดลและสภาพแวดล้อมการดำเนินการ ไม่ใช่แค่โมเดลเพียงอย่างเดียว

1. Astra อ่าน "คำแนะนำโดยรอบ" ได้ดีขึ้นมาก

นี่คือการเปลี่ยนแปลงที่มีประสิทธิภาพสูงสุดสำหรับการทำงานจริง

คำแนะนำโมเดลของ OpenAI ระบุว่าในขณะที่ Astra มีความสามารถในการปฏิบัติตามคำแนะนำที่แข็งแกร่งขึ้น แต่ก็อาจไวต่อคำแนะนำที่มีอยู่ในไฟล์เช่น Skills และ AGENTS.md มากขึ้น ขอแนะนำอย่างยิ่งให้ตรวจสอบ Skills และไฟล์อื่นๆ ที่โมเดลสามารถเข้าถึงได้ (https://developers.openai.com/api/docs/guides/latest-model

เอกสารเดียวกันนี้มีคำเตือนที่เฉพาะเจาะจงมากขึ้น: คำแนะนำที่ไม่ชัดเจนหรือขัดแย้งกันภายในไฟล์ skill อาจทำให้โมเดลหยุดและขัดขวางการทำงานในระยะเริ่มต้น

สถานการณ์เป็นแบบนี้:

สมองฉลาดขึ้น ดังนั้น มันจึงซื่อสัตย์ต่อทั้งกฎที่ดีและไม่ดีมากกว่าเดิม

สมมติว่ามีประโยคที่ไร้ประโยชน์หลงเหลืออยู่ใน AGENTS.md ที่คุณเพิ่มเติมมาตั้งแต่ปีที่แล้ว Sol อาจจะมองข้ามมันไปอย่างเหมาะสม Astra จะปฏิบัติตามอย่างเคร่งครัด

1. การเปลี่ยนแปลงในการจัดการการมอบหมายงานและความจำ

ตามประกาศอย่างเป็นทางการ ตอนนี้ Astra สามารถรักษาโน้ตข้าม context window ภายใน Codex ได้ หลีกเลี่ยงความจำเป็นในการบีบอัดรายละเอียดที่สะสมไว้เป็นสรุปเดียวทุกครั้ง ซึ่งช่วยลดการสูญเสียข้อมูลระหว่างงานที่ยาวนาน

อย่างไรก็ตาม ณ วันที่ 7 กันยายน 2026 นี่เป็นฟีเจอร์ทดลอง ต้องเปิดใช้งานอย่างชัดเจนใน config.toml และปิดไว้เป็นค่าเริ่มต้น OpenAI ได้ประกาศว่ามันจะกลายเป็นฟีเจอร์เริ่มต้นของ Astra ในอีกไม่กี่สัปดาห์ข้างหน้า แต่สำหรับตอนนี้ มันจะไม่ทำงานเว้นแต่คุณจะเพิ่มการตั้งค่าด้วยตัวเอง

ในทางกลับกัน คำแนะนำโมเดลยังตั้งข้อสังเกตว่าสำหรับ Astra "การมอบหมายงานให้ Subagents อาจไม่บ่อยเท่าที่เวิร์กโฟลว์ของคุณคาดหวัง" ซึ่งหมายความว่าหากคุณต้องการทำงานแบบขนาน คุณต้องระบุเมื่อใดที่จะมอบหมายงานในฝั่ง harness

คำแนะนำยังกล่าวอีกว่า Astra มีแนวโน้มที่จะตอบกลับโดยละเอียดและมีรูปแบบ ดังนั้นคุณควรระบุสไตล์และโครงสร้างที่ต้องการ

ทั้งหมดนี้ชี้ไปที่: "อย่าปล่อยไว้เฉยๆ เพราะโมเดลฉลาด" แต่เป็น "เพราะมันฉลาด มันจะทำตามที่ระบุไว้อย่างแน่นอน ดังนั้นจงแก้ไขข้อกำหนดของคุณ"

แผนที่ 8 องค์ประกอบของ Harness

8 องค์ประกอบที่ระบุไว้ที่นี่และ 7 ระดับความสมบูรณ์ที่อธิบายในภายหลังไม่ใช่คำจำกัดความอย่างเป็นทางการของ OpenAI พวกมันถูกจัดระเบียบโดยเฉพาะสำหรับบทความนี้ตามข้อมูลอย่างเป็นทางการที่เห็นจนถึงตอนนี้ ใช้เป็นกรอบการทำงานเชิงปฏิบัติ

นี่คือแผนที่พร้อมการเปรียบเทียบกับบริษัทและลำดับความสำคัญ:

1. AGENTS.md | กฎการจ้างงานและนโยบายพื้นฐาน | ลำดับความสำคัญ: สูงที่สุด
2. docs / Context | Wiki ภายในและคู่มือ | ลำดับความสำคัญ: สูง
3. Skills | ขั้นตอนการปฏิบัติงานมาตรฐาน | ลำดับความสำคัญ: สูง
4. MCP / Plugins | การเชื่อมต่อกับระบบภายใน | ลำดับความสำคัญ: ปานกลาง
5. Environment | PC, โต๊ะ, สภาพแวดล้อมการทำงาน | ลำดับความสำคัญ: สูง
6. Permissions / Sandbox | อำนาจและกฎการอนุมัติ | ลำดับความสำคัญ: สูงที่สุด
7. Hooks / Tests | การตรวจสอบอัตโนมัติและการตรวจสอบ | ลำดับความสำคัญ: ปานกลาง
8. Browser / Subagents | ดวงตา มือ และผู้ใต้บังคับบัญชา | ลำดับความสำคัญ: ปานกลาง

ผู้เริ่มต้นควรเริ่มต้นด้วยข้อ 1 และ 6 เหตุผลนั้นง่าย: เพียงแค่จัดระเบียบสองสิ่งนี้ คุณก็จะวางรากฐานสำหรับองค์ประกอบอื่นๆ อย่างไรก็ตาม นี่ไม่ได้หมายความว่าคุณไม่ควรตรวจสอบสิ่งอื่นๆ สิทธิ์สำหรับบริการภายนอกที่เชื่อมต่อผ่าน MCP ขั้นตอนใน Skills และสคริปต์ที่ดำเนินการโดย Hooks ล้วนเป็นหัวข้อสำหรับการตรวจสอบความปลอดภัย โดยเฉพาะอย่างยิ่งเนื่องจาก MCP คือการเชื่อมต่อกับภายนอก ให้ตรวจสอบแยกต่างหากว่าปลายทางนั้นน่าเชื่อถือหรือไม่ และสิทธิ์ที่ได้รับนั้นน้อยที่สุดหรือไม่

ด้านล่างนี้คือคำอธิบายของแต่ละองค์ประกอบ

ชั้นคำแนะนำและความรู้ | AGENTS.md, docs, Skills

AGENTS.md

มันคืออะไร: ไฟล์ markdown ที่วางไว้ในรากของ repository Codex อ่านมันก่อนเริ่มทำงานและถือว่าเป็นกฎเฉพาะโปรเจกต์

มันทำอะไร: คุณสามารถหลีกเลี่ยงการเขียนสมมติฐานเช่น "รันการทดสอบด้วยคำสั่งนี้เสมอ" หรือ "อย่าแตะต้องไดเรกทอรีนี้" ในทุกพรอมต์

ความล้มเหลวที่เกือบทุกคนทำที่นี่คือการยัดเยียดมากเกินไป

บล็อกเทคนิคของ OpenAI "Harness engineering: leveraging Codex in an agent-first world" (11 กุมภาพันธ์ 2026, Ryan Lopopolo) อธิบายถึงความล้มเหลวภายใน การลองใช้ AGENTS.md ขนาดใหญ่ส่งผลให้เกิดแรงกดดันบริบท กฎเก่าๆ ที่หลงเหลืออยู่ และความสับสนว่าสิ่งใดสำคัญ (https://openai.com/index/harness-engineering/

ทีมงานเปลี่ยนไปใช้การดำเนินการ AGENTS.md เป็น "แผนที่" ประมาณ 100 บรรทัด รายละเอียดจะถูกวางไว้ภายใต้ docs และ AGENTS.md เพียงแค่ชี้ไปที่พวกมัน

แทนที่จะให้พนักงานใหม่ที่มีความสามารถสูงจดจำกฎ 1,000 หน้า คุณให้แผนที่นำทางแก่พวกเขาที่บอกว่า "ดูที่ชั้นนี้ถ้าติดขัด" นั่นคือความแตกต่าง

Context เป็นทรัพยากรที่มีจำกัด ไฟล์คำแนะนำขนาดใหญ่จะเบียดงานหลักหรือตำแหน่งของโค้ดที่ต้องอ่านออกไป

AGENTS.md แบบแผนที่มักจะมีลักษณะดังนี้:

▼ คัดลอกจากตรงนี้

AGENTS.md

โปรเจกต์นี้คืออะไร?

(1-3 บรรทัด คุณกำลังทำอะไร ใครใช้บ้าง?)

อ่านสิ่งเหล่านี้ก่อน

• นโยบายการออกแบบ: docs/architecture.md
• โครงสร้างไดเรกทอรี: docs/structure.md
• อภิธานศัพท์: docs/glossary.md
• ความล้มเหลวในอดีตและการแก้ไข: docs/postmortems.md

กฎที่ต้องปฏิบัติตาม

• การทดสอบ: รันทั้งหมดด้วย (คำสั่งจริง) และอย่ารายงานความสำเร็จหากยังมีความล้มเหลวหลงเหลืออยู่
• พื้นที่ต้องห้าม: (รายการพาธ)
• ก่อนคอมมิต: (linter / formatter commands)

คำจำกัดความของความสำเร็จ

รายงาน "เสร็จสมบูรณ์" เฉพาะเมื่อตรงตามเงื่อนไขทั้งหมดต่อไปนี้:

• การทดสอบผ่าน
• เจตนาของการเปลี่ยนแปลงสามารถอธิบายได้ในหนึ่งย่อหน้า
• ตรวจสอบด้วยตนเองสำหรับผลข้างเคียงที่ไม่ได้ตั้งใจ

เมื่อไม่แน่ใจ

อย่าตั้งสมมติฐาน นำเสนออย่างน้อยสองตัวเลือกแล้วถามผม

ลำดับความสำคัญของคำแนะนำ

1. คำแนะนำทันทีของฉัน (ผู้ใช้)
2. AGENTS.md นี้
3. ขั้นตอนใน Skills คุณสามารถละเว้นคำแนะนำระดับล่างที่ขัดแย้งกับคำแนะนำระดับสูงกว่าได้ หากคุณข้ามคำแนะนำใด ให้รายงานชื่อของมัน

▲ คัดลอกไปที่ตรงนี้

"ลำดับความสำคัญของคำแนะนำ" ส่วนท้ายมีประสิทธิภาพโดยเฉพาะสำหรับโมเดล Astra และรุ่นต่อๆ ไป คำแนะนำโมเดลระบุอย่างชัดเจนให้ชี้แจงว่าคำแนะนำของผู้ใช้หรือคำแนะนำของ skill มีลำดับความสำคัญเหนือกว่า

docs / Context

มันคืออะไร: คลังความรู้จริงที่ AGENTS.md อ้างอิง เอกสารการออกแบบ ไดอะแกรมสถาปัตยกรรม อภิธานศัพท์ บันทึกการตัดสินใจในอดีต ฯลฯ

มันทำอะไร: Codex จะอ่านมันเมื่อจำเป็นเท่านั้น ดังนั้นมันจึงไม่ใช้ context อย่างต่อเนื่อง

สิ่งที่โดดเด่นในบทความ Harness Engineering คือคำอธิบายสำหรับความคืบหน้าที่ช้าในช่วงเริ่มต้น ไม่ใช่เพราะ Codex ขาดความสามารถ แต่เป็นเพราะ "สภาพแวดล้อมถูกกำหนดไม่เพียงพอ"

สิ่งที่ขาดหายไปคือเครื่องมือ สิ่งที่เป็นนามธรรม โครงสร้างภายใน และข้อมูลในรูปแบบที่ Codex สามารถอ่านได้

ดังนั้นเมื่อมีบางอย่างล้มเหลว ปฏิกิริยาของทีมไม่ใช่ "ให้มันพยายามมากขึ้น" แต่คือการคิดว่า "ความสามารถใดที่ขาดหายไป และเราจะทำให้มันอ่านได้และบังคับใช้ได้สำหรับ agent ได้อย่างไร"

นี่คือแก่นแท้ของวิศวกรรม harness แก้ไขสภาพแวดล้อม ไม่ใช่พรอมต์

เพื่อความชัดเจน นี่คือกรณีศึกษาภายในของ OpenAI ทีมงาน 3 คนสร้างโค้ดประมาณ 1 ล้านบรรทัดและ 1,500 PRs ใน 5 เดือนโดยไม่มีโค้ดที่มนุษย์เขียนเลย ซึ่งไม่ได้หมายความว่าผู้ใช้ทั่วไปจะสามารถทำซ้ำผลลัพธ์เดียวกันได้

Skills

มันคืออะไร: ไฟล์ในรูปแบบ SKILL.md มันรวมคำแนะนำ เอกสารอ้างอิง และสคริปต์หากจำเป็น เพื่อดำเนินการงานเฉพาะด้วยขั้นตอนเดียวกันทุกครั้ง

มันทำอะไร: คุณสามารถเปลี่ยนจากการคัดลอกและวางพรอมต์ที่ดีไปสู่การบันทึกงานนั้นเอง

ตัวอย่างเช่น หากคุณทำให้ "การสร้างบทความ" เป็น Skill เนื้อหาจะรวมถึง:

• การวิจัย
• การตรวจสอบข้อเท็จจริง
• ข้อเสนอชื่อเรื่อง
• การออกแบบโครงสร้าง
• การเขียน
• การตรวจสอบสำนวนต้องห้าม
• การตรวจสอบครั้งสุดท้าย

ข้อควรระวังสำหรับ Astra และรุ่นต่อๆ ไปคืออย่าเพิ่มมากเกินไป ชื่อและคำอธิบายของ Skill จะถูกโหลดเข้าสู่ context ดังนั้นหากจำนวนเพิ่มขึ้น คำอธิบายจะถูกตัดทอน ทำให้ตัดสินใจได้ยากว่าจะเลือกอันไหน หากคำอธิบายขัดแย้งกันหรือทั้งหมดอ้างว่า "ใช้ฉัน" โมเดลอาจโหลด Skill ที่ไม่เหมาะกับงาน

Skills มีไว้สำหรับ "ขั้นตอนที่จำเป็นสำหรับงานเฉพาะเท่านั้น" ไม่ใช่ "คำแนะนำที่จำเป็นทุกครั้ง" การเข้าใจผิดนี้ก็เหมือนกับการเขียนทุกอย่างลงใน AGENTS.md

ชั้นมือและเท้า | MCP, Plugins, Environment

MCP / Plugins

มันคืออะไร: MCP เป็นมาตรฐานสำหรับเชื่อมต่อ Codex กับเครื่องมือและข้อมูลภายนอก ใช้งานได้ทั้งใน CLI และ IDE extensions Plugins เป็นกลไกในการแจกจ่าย Skills, Connectors และเครื่องมือ MCP ร่วมกัน ใน Codex มีให้ใช้งานในแอปเดสก์ท็อป ChatGPT และ CLI แต่ไม่มีใน IDE extensions

มันทำอะไร: อนุญาตให้ Codex เข้าถึงเอกสารภายนอก เบราว์เซอร์ เครื่องมือออกแบบ ฯลฯ

ไม่ว่า Astra จะฉลาดแค่ไหน มันก็ไร้ความหมายหากไม่สามารถเข้าถึงข้อมูลที่จำเป็นได้ เหมือนพนักงานที่เก่งแต่ไม่มีบัญชีระบบภายใน

อย่างไรก็ตาม ผมตั้งลำดับความสำคัญเป็นปานกลาง ยิ่งคุณเพิ่ม MCP มากเท่าไหร่ ตัวเลือกเครื่องมือก็จะเพิ่มขึ้นและ context ก็จะถูกใช้มากขึ้น วิธีการที่ถูกต้องคือเพิ่มเฉพาะสิ่งที่คุณกำลังประสบปัญหาในการเข้าถึงในปัจจุบัน

Environment

มันคืออะไร: โครงสร้างพื้นฐานสำหรับการขยับมือจริงๆ เช่น dependencies, ขั้นตอนการตั้งค่า, วิธีการรันทดสอบ และโครงสร้างไดเรกทอรีการทำงาน

มันทำอะไร: Codex สามารถขับเคลื่อนตัวเองไปถึงจุดที่ "รันและตรวจสอบได้" หากสิ่งนี้หายไป Codex จะกลับไปเป็นแค่เครื่องเขียนโค้ด

วิธีง่ายๆ ในการตรวจสอบคือขอให้มันจากสถานะสะอาดเพื่อ "ตั้งค่า รันทดสอบให้ผ่าน และรายงานผล" จุดที่มันหยุดคือสิ่งที่ขาดหายไปอย่างแท้จริง

การใช้ Git worktree เพื่อแยกไดเรกทอรีสำหรับแต่ละงานทำให้งานขนานหลายงานชนกันได้ยากขึ้น

ชั้นความปลอดภัยและการตรวจสอบ | Permissions, Sandbox, Hooks

Permissions / Sandbox

มันคืออะไร: การตั้งค่าอิสระสองอย่างที่กำหนดว่า Codex สามารถดำเนินการได้โดยอัตโนมัติมากน้อยเพียงใด Sandbox กำหนดขอบเขตของไฟล์และเครือข่าย ในขณะที่นโยบายการอนุมัติกำหนดว่าจะขอการยืนยันจากมนุษย์ที่จุดใด

ตามเอกสารอย่างเป็นทางการของ Codex การตั้งค่าเริ่มต้นสำหรับ CLI และ IDE extensions ถูกจำกัดให้ไม่มีการเข้าถึงเครือข่ายและเขียนได้เฉพาะภายใน workspace ที่ใช้งานอยู่เท่านั้น (https://developers.openai.com/codex/sandbox

Sandbox มี 3 ระดับ:

• read-only: อ่านได้แต่เขียนไม่ได้ สำหรับการปรึกษาและการวางแผน
• workspace-write: เขียนได้ภายในโฟลเดอร์งานและไดเรกทอรีชั่วคราว นี่คือมาตรฐาน
• danger-full-access: เขียนได้ทุกที่ ลบ sandbox ออกอย่างมีประสิทธิภาพ

ค่าเริ่มต้น Auto ที่ใช้กันทั่วไปคือการรวมกันของ workspace-write และ "ขออนุมัติเมื่อจำเป็นเท่านั้น" Codex จะหยุดและตรวจสอบเมื่อพยายามแก้ไขนอก workspace หรือแตะต้องเครือข่าย

หากคุณต้องการสลับระหว่างเซสชัน คุณสามารถใช้คำสั่ง /permissions การดำเนินการที่สมจริงคือ read-only สำหรับช่วงการวางแผนและ Auto สำหรับช่วงการดำเนินการ

สิ่งที่ผมอยากให้คุณเข้าใจคือความเป็นอิสระไม่ได้หมายถึงการอนุญาตทุกอย่าง

การหลบหนีไปยัง danger-full-access เพียงเพราะการอนุมัติน่ารำคาญเป็นวิธีแก้ปัญหาที่มีประสิทธิภาพน้อยที่สุด หากมันแค่ต้องเขียนไปยังไดเรกทอรีเฉพาะ ก็แค่อนุญาตตำแหน่งนั้น

▼ คัดลอกจากตรงนี้

【Codex CLI: ตัวอย่างการกำหนดค่าสำหรับการวางแผนและการทำงาน】

เป้าหมายคือ Codex CLI 0.134.0 หรือใหม่กว่า

การตั้งค่าจะถูกบันทึกในสามไฟล์: "ทั่วไป" "การวางแผน" และ "การทำงาน"

อย่าวางคำอธิบายทั้งหมดนี้ลงในไฟล์กำหนดค่าเดียว เขียนเฉพาะการตั้งค่าที่เกี่ยวข้องไปยังปลายทางแต่ละแห่ง

ปลายทางสำหรับการตั้งค่า Codex มาตรฐาน

■ 1. การตั้งค่าทั่วไป

พาธ: ~/.codex/config.toml

อย่าลบการตั้งค่าที่มีอยู่ เพิ่มหรือเปลี่ยนรายการต่อไปนี้ หากมี [sandbox_workspace_write] เดียวกันอยู่ ให้แก้ไขภายในนั้นเพื่อหลีกเลี่ยงหัวข้อที่ซ้ำกัน

[sandbox_workspace_write]

network_access = false

ระบุไดเรกทอรีที่อนุมัติเพิ่มเติมเฉพาะเมื่อจำเป็นเท่านั้น

writable_roots = ["/absolute/path/to/approved-directory"]

เฉพาะเมื่อจำเป็นต้องมีปลายทางการเขียนเพิ่มเติม ให้ลบ # ที่จุดเริ่มต้นของบรรทัด writable_roots และแทนที่พาธตัวอย่างด้วยพาธสัมบูรณ์จริง

■ 2. การตั้งค่าการวางแผน

พาธ: ~/.codex/plan.config.toml

บันทึกสองบรรทัดนี้ในไฟล์แยกต่างหากจากการตั้งค่าทั่วไป

approval_policy = "on-request"

sandbox_mode = "read-only"

■ 3. การตั้งค่าการทำงาน

พาธ: ~/.codex/work.config.toml

บันทึกสองบรรทัดนี้ในไฟล์แยกต่างหากอีกไฟล์

approval_policy = "on-request"

sandbox_mode = "workspace-write"

■ วิธีการใช้งาน

อย่าเขียนคำสั่งเริ่มต้นในไฟล์กำหนดค่า ให้รันจากเทอร์มินัลในโฟลเดอร์โปรเจกต์

ในการเริ่มต้นสำหรับการวางแผน:

codex --profile plan

ในการเริ่มต้นสำหรับการทำงาน:

codex --profile work

การตั้งค่าโปรไฟล์ที่เลือกจะถูกซ้อนทับบนการตั้งค่าทั่วไป

เนื่องจากการตั้งค่าฝั่งโปรเจกต์และข้อจำกัดขององค์กรก็มีผลเช่นกัน ให้ตรวจสอบสิทธิ์จริงด้วย /permissions หลังจากเริ่มต้น

หมายเหตุ: network_access = false คือการตั้งค่าการสื่อสารสำหรับคำสั่งที่รันภายใน sandbox ตรวจสอบสิทธิ์สำหรับการเชื่อมต่อภายนอกเช่น MCP แยกต่างหาก

▲ คัดลอกไปที่ตรงนี้

การขยายขอบเขตออกไปทีละอันนั้นแตกต่างอย่างสิ้นเชิงจากการทิ้งขอบเขตนั้นไปเอง เช่นเดียวกับการเข้าถึงเครือข่าย มันเป็นการตัดสินใจที่ถูกต้องสำหรับโปรเจกต์ที่จำเป็นต้องดึงแพ็คเกจ dependencies จริงๆ เท่านั้น

Hooks / Tests

มันคืออะไร: กลไกในการแทรกสคริปต์ของคุณเองหรือเครื่องมือ MCP ลงไปในระหว่างการประมวลผลของ Codex มันถูกเปิดใช้งานเป็นค่าเริ่มต้นในฐานะฟีเจอร์ Stable

มันทำอะไร: ตัวอย่างเช่น ระบบอัตโนมัติเหล่านี้:

• หยุดคำสั่งอันตรายก่อนที่จะดำเนินการเครื่องมือ
• ตรวจสอบความลับเช่นคีย์ API
• รัน linter ทันทีหลังจากแก้ไขไฟล์
• ตรวจสอบว่าการทดสอบผ่านเมื่อสิ้นสุดการทำงาน

มันเกี่ยวกับการเปลี่ยนจาก "ระวังอย่าทำผิด" เป็น "ระบบหยุดถ้ามีข้อผิดพลาด"

อย่างไรก็ตาม OpenAI เองก็เตือนให้ปฏิบัติต่อ Hooks ในฐานะราวกั้น ไม่ใช่ขอบเขตการบังคับใช้ที่สมบูรณ์ เนื่องจาก Codex อาจทำงานที่เทียบเท่ากันผ่านพาธเครื่องมือที่แตกต่างกัน

สิ่งที่คุณต้องการหยุดจริงๆ ควรหยุดที่ระดับ sandbox และสิทธิ์ ไม่ใช่ Hooks Hooks เป็นตาข่ายชั้นที่สองที่วางซ้อนทับ

ชั้นดวงตาและทีม | Browser, Subagents

Browser / Computer Use

การให้มันสร้างเว็บไซต์แล้วจบลงด้วย "ฉันเขียนโค้ดแล้ว เสร็จ" เป็นการเสียเปล่า

หมายเหตุ: Computer Use (การทำงานบนหน้าจอจริง) ที่อธิบายไว้ที่นี่เป็นฟีเจอร์สำหรับแอปเดสก์ท็อปเวอร์ชันของ Codex ในปัจจุบัน Browser / Computer Use ในตัวที่จัดการในบทนี้ใช้ในแอปเดสก์ท็อป ChatGPT Browser ในตัวไม่มีใน Codex CLI หรือ IDE extensions สำหรับการทำงานของเบราว์เซอร์ใน CLI/IDE ให้เตรียมกลไกอื่นๆ เช่น MCP หรือ Playwright

คุณควรให้มันทำสิ่งนี้:

• เปิดเบราว์เซอร์
• แสดงหน้าจอจริง
• ลองใช้งานมัน
• ค้นหาส่วนที่เสีย
• แก้ไขมัน
• ตรวจสอบอีกครั้ง

Astra เป็นรุ่นที่พัฒนาขึ้นอย่างมากในการวัดประสิทธิภาพการทำงานของคอมพิวเตอร์ ดังนั้นกระบวนการนี้จึงคุ้มค่าที่จะมอบหมาย รายงานที่ว่าเวลาลดลงจาก 75 เป็น 40 นาทีใน OSWorld 2.0 นั้นเกี่ยวกับสิ่งนี้

ในกรณีศึกษา Harness Engineering พวกเขาสร้างสภาพแวดล้อมที่ Codex สามารถจัดการกับ Chrome DevTools Protocol, DOM, ภาพหน้าจอ, บันทึก และเมตริกเพื่อจัดการทุกอย่างตั้งแต่การจำลองข้อบกพร่องไปจนถึงการแก้ไขและการตรวจสอบ

Subagents

มันคืออะไร: กลไกที่ Codex แบ่งงานระหว่าง sub-agent หลายตัว แต่ละตัวมี context อิสระ

มันทำอะไร: ทำให้งานที่ใช้การอ่านมากและเป็นอิสระ เช่น การวิจัย การทดสอบ การวิเคราะห์บันทึก และการสรุปผล เป็นแบบขนาน

ข้อควรระวังสองประการ:

ประการแรกคือ agent หลายตัวที่เขียนโค้ดเดียวกันพร้อมกันจะชนกัน ระวังการทำขนานกับงานเขียน

อีกประการหนึ่งคือการใช้โทเค็นเพิ่มขึ้นอย่างง่ายๆ มันเร็วขึ้น แต่ไม่ถูกกว่า

และเฉพาะสำหรับ Astra คำแนะนำโมเดลกล่าวว่าความถี่ในการมอบหมายงานอาจต่ำกว่าที่คาดไว้ หากคุณต้องการทำงานแบบขนาน ให้ระบุอย่างชัดเจนใน AGENTS.md หรือพรอมต์: "คุณสามารถแบ่งงานวิจัยและรันแบบขนานได้"

การพลิกกลับในยุค Astra | การตรวจสอบสินค้าคงคลัง ไม่ใช่การเพิ่มเติม

ผมได้ระบุ 8 องค์ประกอบ แต่สิ่งที่สำคัญที่สุดที่ผมต้องการสื่อคือสิ่งที่ตรงกันข้าม

สิ่งแรกที่ต้องทำสำหรับ Astra คือการตรวจสอบสินค้าคงคลังของคำแนะนำที่มีอยู่ OpenAI ยังแนะนำให้ตรวจสอบคำแนะนำที่โมเดลอ้างอิง เช่น Skills และ AGENTS.md เก็บคำแนะนำที่จำเป็น เติมช่องว่าง และแก้ไขหรือลดคำแนะนำที่เก่า/ขัดแย้งกันหลังจากตรวจสอบแล้ว

คำกริยาที่ใช้ในคำแนะนำของ OpenAI คือ "auditing" ไม่ใช่ "adding"

รายงานจากทีมที่ทดสอบ Astra ล่วงหน้าชี้ไปในทิศทางเดียวกัน Kilo ผู้ให้บริการเครื่องมือเขียนโค้ด AI เขียนในรีวิวว่า Astra ต้องการโครงสร้าง AGENTS.md น้อยลงอย่างชัดเจน และ "คำแนะนำเพื่อป้องกันไม่ให้โมเดลหลงทาง" ส่วนใหญ่ที่สะสมมาในช่วงปีที่ผ่านมานั้นไม่จำเป็นอีกต่อไป พวกเขายังแนะนำอีกว่าหากคุณมีไฟล์ agents ที่พองโต ให้ลองลบครึ่งหนึ่งแล้วลองอีกครั้ง (https://blog.kilo.ai/p/gpt-6-astra-what-we-learned-previewing

นี่คือความประทับใจของบริษัทเดียว ไม่ใช่ความคิดเห็นอย่างเป็นทางการ อย่างไรก็ตาม มันสอดคล้องอย่างสมบูรณ์แบบกับคำแนะนำอย่างเป็นทางการที่ระบุว่า "คำแนะนำที่ขัดแย้งกันอาจทำให้เกิดการหยุดก่อนกำหนด"

ยิ่งโมเดลฉลาดมากเท่าไหร่ มันก็ยิ่งสะดุดกับคำแนะนำเก่าๆ มากขึ้นเท่านั้น ขัดแย้งแต่เป็นความจริง

การตรวจสอบสินค้าคงคลังจะเร็วที่สุดเมื่อทำโดย Codex เอง

▼ คัดลอกจากตรงนี้

โปรดอ่าน AGENTS.md ทุกอย่างภายใต้ docs และไฟล์ Skill ที่โหลดทั้งหมดใน repository นี้ อย่าทำการเปลี่ยนแปลงใดๆ ในตอนนี้

สมมติว่าทำงานกับ GPT-6 Astra ให้จัดประเภทและรายงานสิ่งต่อไปนี้:

【เก็บไว้】 คำแนะนำที่ยังคงใช้ได้และปรับปรุงการตัดสินใจของคุณจริงๆ อธิบายว่าทำไมในหนึ่งบรรทัด

【ผู้สมัครลบ】 รายการที่เข้าข่ายข้อใดข้อหนึ่งต่อไปนี้ อ้างอิงข้อความต้นฉบับและให้เหตุผล นี่ไม่ใช่การตัดสินใจลบ แต่เป็นรายการเพื่อให้มนุษย์พิจารณา

• คำแนะนำที่เขียนขึ้นเพื่อแก้ไขแนวทางของโมเดลรุ่นก่อนหน้าซึ่งตอนนี้ไม่จำเป็นอีกต่อไป
• คำแนะนำที่ชี้ไปยังสเปก พาธ หรือคำสั่งที่เปลี่ยนแปลงไปแล้ว
• คำแนะนำที่สั่งให้คุณทำสิ่งที่คุณทำตามธรรมชาติโดยไม่ต้องบอก
• คำแนะนำที่ขัดแย้งกับคำแนะนำอื่นๆ

อย่างไรก็ตาม หากมีโอกาสแม้เพียงเล็กน้อยที่คำสั่งดังกล่าวถูกเพิ่มเข้ามาเพื่อความปลอดภัย ความมั่นคง หรือเนื่องจากอุบัติเหตุ/เหตุการณ์ในอดีต อย่า จัดประเภทเป็น 【ผู้สมัครลบ】 ให้จัดไว้ในหมวดหมู่แยกต่างหาก 【ต้องใช้ดุลยพินิจของมนุษย์】 และอธิบายว่าเหตุใดคุณจึงคิดว่ามีความเป็นไปได้นั้น อย่าสรุปว่ามัน "ไม่จำเป็น" โดยอาศัยเพียงดุลยพินิจของคุณเอง

【เขียนใหม่】 คำสั่งที่เจตนาถูกต้อง แต่การใช้ถ้อยคำคลุมเครือ ซ้ำซ้อน หรือลำดับความสำคัญไม่ชัดเจน ให้เสนอร่างการเขียนใหม่

【คำถาม】 คำอธิบายที่คุณพบว่ายากต่อการตัดสินความหมายขณะอ่าน

สุดท้ายนี้ อย่าลืมรายงานสองประเด็นต่อไปนี้:

1. หากมีคำสั่งใดที่ขัดขวางหรือทำให้คุณลังเลจริงๆ ให้ระบุบรรทัดนั้นและเหตุผลที่คุณลังเล
2. หาก AGENTS.md ถูกย่อให้เป็นดัชนีประมาณ 100 บรรทัด คุณจะใช้โครงสร้างแบบใด

▲ คัดลอกมาที่นี่

รายการ "ผู้สมัครลบ" ที่ได้มาไม่ควรลบทิ้งทั้งหมด ก่อนอื่น ให้ตรวจสอบว่าเหตุใดจึงเพิ่มคำสั่งนั้น ประวัติของมัน และผลกระทบหากลบออก ขั้นตอนการตรวจสอบที่เพิ่มขึ้นหลังจากอุบัติเหตุในอดีตไม่ควรถูกลบออกเพียงเพราะ Codex ตัดสินว่ามัน "ไม่จำเป็นสำหรับตัวมันเองในปัจจุบัน" โดยเฉพาะอย่างยิ่งสำหรับคำสั่งด้านความปลอดภัยหรือความมั่นคง ผู้ที่รู้ประวัติควรเป็นผู้ตัดสินใจขั้นสุดท้าย ให้ดำเนินการลบเฉพาะรายการที่ยืนยันเหตุผลในการเพิ่มแล้วและประเมินว่าผลกระทบมีจำกัด หากไม่แน่ใจ ให้คงคำสั่งนั้นไว้ หากย้ายไปที่ docs ให้ทิ้งเส้นทางที่ชัดเจนเพื่อให้สามารถอ้างอิงจาก AGENTS.md ได้อย่างน่าเชื่อถือเมื่อจำเป็น

วุฒิภาวะ | คุณอยู่ที่ไหนตอนนี้?

ตรวจสอบระดับของคุณ

Lv.0: เขียนพรอมต์ทุกครั้ง เหมือนกับการอธิบายทุกอย่างตั้งแต่ต้นให้พนักงานที่มีความสามารถฟังทุกเช้า

Lv.1: มี AGENTS.md และ docs เหมือนกับบริษัทที่มีกฎและคู่มือ

Lv.2: มี Skills ขั้นตอนการทำงานประจำถูกกำหนดไว้แล้ว

Lv.3: เชื่อมต่อ MCP และ Plugins แล้ว สามารถเข้าถึงระบบที่จำเป็นได้อย่างอิสระ

Lv.4: Permissions, Hooks และ Tests ทำงานอยู่ มีการดำเนินการอัตโนมัติและการตรวจสอบอัตโนมัติ

Lv.5: ใช้ Browser และ Subagents สามารถตรวจสอบและมอบหมายงานได้อย่างอิสระ

Lv.6: มี Feedback Loop ระบบจะอัปเดตตัวเองทุกครั้งที่เกิดความล้มเหลว

หลายคนอยู่ที่ Lv.1 และพวกเขาพยายามก้าวไปข้างหน้าด้วยการทำให้ AGENTS.md หนาขึ้น นั่นไม่ใช่ Lv.2 มันเป็นแค่ Lv.1 ที่พองตัว

Lv.6 มีลักษณะที่แตกต่างกัน มันไม่เกี่ยวกับการเพิ่มฟีเจอร์ใหม่ มันเป็นเพียงการมีกฎการปฏิบัติงาน: "หากทำผิดพลาดซ้ำสองครั้ง ให้นำการแก้ไขนั้นป้อนกลับไปยัง AGENTS.md, Skill, Hook หรือ Test"

นี่คือจุดที่ OpenAI มุ่งไปสู่ "การแก้ไขอย่างต่อเนื่องมากกว่าการตรวจสอบเพียงครั้งเดียว" ในบทความ Harness Engineering

ลำดับการดำเนินการ | 30 นาที, 1 วัน, 1 สัปดาห์

จัดลำดับความสำคัญ ทำตามลำดับนี้

30 นาทีแรก

1. รัน diagnostic prompt ที่ตอนต้นของบทความนี้
2. ตรวจสอบการตั้งค่าสิทธิ์ปัจจุบันด้วย /permissions หากคุณใช้ danger-full-access เป็นประจำ ให้เปลี่ยนกลับไปใช้ workspace-write ก่อน
3. เปิด AGENTS.md และอ่านตั้งแต่ต้นจนจบ ตรวจสอบคำอธิบายที่ซ้ำซ้อน ขัดแย้ง หรือล้าสมัย 100 บรรทัดเป็นเพียงตัวอย่างภายในของ OpenAI ไม่ใช่มาตรฐานที่แน่นอน ให้ดูที่การจัดระเบียบเนื้อหามากกว่าจำนวนบรรทัด

1 วัน

1. รัน inventory prompt ลบ 【ผู้สมัครลบ】 หลังจากยืนยันเหตุผลในการเพิ่มและผลกระทบเท่านั้น สำหรับ 【ต้องใช้ดุลยพินิจของมนุษย์】 ให้ตัดสินใจหลังจากตรวจสอบกับผู้ที่รู้ประวัติ
2. ย้ายส่วนที่มีค่าของเนื้อหาที่ถูกลบไปยัง docs
3. เพิ่ม "ลำดับความสำคัญของคำสั่ง" ต่อท้าย AGENTS.md
4. ขอให้มันเริ่มจากสถานะที่สะอาดเพื่อ "ตั้งค่าและผ่านการทดสอบ" และบันทึกว่ามันหยุดตรงไหน

1 สัปดาห์

1. เลือกงานหนึ่งอย่างที่คุณทำมากกว่าสัปดาห์ละสองครั้งและเปลี่ยนให้เป็น Skill
2. หากมีแหล่งข้อมูลภายนอกหนึ่งแหล่งที่คุณพยายามเข้าถึงอยู่เสมอ ให้เชื่อมต่อผ่าน MCP
3. ทำให้การตรวจสอบข้อมูลลับหรือการรัน linter หลังแก้ไขเป็น Hook
4. ตัดสินใจเลือกสถานที่หนึ่งแห่งเพื่อบันทึกความล้มเหลวสำหรับ feedback

เมื่อถึงจุดนี้ คุณจะถึงทางเข้าของ Lv.4 จาก Lv.1

ดัชนีย้อนกลับ | ตามเป้าหมาย

ต้องการหยุดการอธิบายซ้ำๆ → AGENTS.md

Codex อ้างอิงข้อมูลเก่า → Inventory ของ docs / Context

คุณภาพของงานเดียวกันไม่สม่ำเสมอ → Skills

ไม่สามารถเข้าถึงข้อมูลที่จำเป็น → MCP / Plugins

เขียนโค้ดได้แต่ไม่สามารถดำเนินการตรวจสอบได้ → Environment

กลัวว่ามันจะทำอะไรเอง หรือมีการอนุมัติมากเกินไป → Permissions / Sandbox

ทำผิดพลาดซ้ำแล้วซ้ำเล่า → Hooks / Tests

ไม่สังเกตเห็นเลย์เอาต์เสีย → Browser / Computer Use

การวิจัยใช้เวลานานเกินไป → Subagents

เริ่มหยุดกลางคันหลังจากเปลี่ยนมาใช้ Astra → ก่อนอื่นให้ตรวจสอบการแจ้งเตือนหยุด คำขออนุมัติ และข้อผิดพลาด หากจำเป็น ให้ตรวจสอบการตั้งค่าและการใช้งานด้วย /status ใน CLI หากสงสัยว่ามีคำสั่งที่ขัดแย้งกัน ให้ทำ Inventory AGENTS.md และ Skills

การแข่งขันครั้งต่อไปคือสภาพแวดล้อม ไม่ใช่สมอง

เกมการเลือกโมเดลใกล้จะจบลงแล้ว

Astra ฉลาดพอและทำงานตามที่ได้รับคำสั่งอย่างแม่นยำ นั่นคือเหตุผลที่สิ่งที่คุณทิ้งไว้เป็นคำสั่งเป็นตัวกำหนดผลลัพธ์

จากเกมการเขียนพรอมต์ที่ดี สู่เกมการออกแบบสภาพแวดล้อมการทำงานที่ดี Astra คือโมเดลที่ทำให้การเปลี่ยนแปลงนั้นเสร็จสมบูรณ์

คุณต้องทำสิ่งเดียวเท่านั้นในวันนี้ เปิด AGENTS.md และอ่านตั้งแต่ต้นจนจบ นั่นคือจุดเริ่มต้น

ขอบคุณที่อ่านมาจนถึงตอนนี้

ฉันแชร์ตัวอย่างเฉพาะเจาะจงของการประหยัดเวลาและงานเสริมด้าน AI โดยใช้ ChatGPT, Claude และ Copilot ในแชทเปิดฟรี หากคุณต้องการอยู่ฝั่งที่ "ใช้ AI ได้" เข้าร่วมตอนนี้

👉 https://x.gd/yVPeS