GPT-6 Astra: Codex, Ajanlar ve Maliyetleri Optimize Etmek İçin Pratik Kılavuz

Hedef:

Luna, Terra, Sol ve Astra'yı akıllıca dağıtarak performansı en üst düzeye çıkarmayı, maliyetleri düşürmeyi ve ajan iş akışlarını uzun süreler boyunca çalışır durumda tutmayı öğrenmek.

OpenAI'nin 3 Eylül 2026'da duyurulan GPT-6 Astra'sı, ajanların daha önce önemli ölçüde insan müdahalesi gerektiren karmaşık bilgi işlem görevlerini gerçekleştirme yeteneğinde büyük bir sıçramayı temsil ediyor.

Ancak asıl zorluk artık basitçe "Astra bu görevi yapabilir mi?" diye sormak değil.

Şimdi önemli olan soru şu:

Astra gerçekten nerede değer katıyor, kaynaklarımızı nasıl tahsis etmeliyiz, ajanları nasıl daha uzun süre çalıştırabiliriz ve tüm bunları mümkün olan en düşük maliyetle nasıl başarabiliriz?

Bu makale öncelikle, özellikle üretime yakın ortamlarda, Codex ve programlama ajanlarını düzenli olarak kullanan kişilere yöneliktir.

Hedef kitle

Bu kılavuz, aşağıdaki özelliklere sahip kişiler için tasarlanmıştır:

• Codex veya OpenAI API'si aracılığıyla üretime yakın ortamlarda ajanları kullananlar.
• Aylık API veya altyapı maliyetlerini azaltmak için Luna, Terra, Sol ve Astra arasında geçiş yapmak isteyenler.
• Kapsamlı hata ayıklama, büyük ölçekli yeniden düzenlemeler, bilgisayar aracı kullanımı, matematiksel doğrulama, otomatik testler ve bağlamı uzun süre korumayı gerektiren görevler için uzun süreli iş akışları oluşturmak isteyenler.

0. Ön Koşullar

Dağıtım, Kurumsal, Daybreak ve Kullanılabilirlik

Astra'yı optimize etmeye çalışmadan önce, modelin hesabınız ve ortamınız için gerçekten kullanılabilir olduğunu kontrol etmelisiniz.

Duyuru tarihi

3 Eylül 2026 — resmi duyuru

OpenAI — GPT-6 Astra

Dağıtım

Resmi duyurulara göre, Trusted Access/Daybreak ilk dağıtım kanallarından biri olacak.

Plus, Pro, Business ve Enterprise planlarının yanı sıra API ve AWS daha sonra dağıtılacak.

Kurumsal ortamlarda, yöneticinin erişimi açıkça etkinleştirmesi gerekebilir.

Önemli noktalar

• Enterprise: yönetici, uygun olduğunda etkinleştirmelidir.
• Ücretsiz katman: Astra'nın ücretsiz bir model olarak planlanmamıştır.
• Krediler: ücretli planların kullanıcıları, ürüne bağlı olarak ek kredi seçeneklerine sahip olabilir.
• Siber güvenlik: bazı gelişmiş özellikler, Daybreak gibi belirli erişim yollarına bağlı olabilir.
• API model kimliği: gpt-6-astra.

Standart API Fiyatı

Bu belgede belirtilen oranlara göre:

• Giriş: 10 milyon token başına 10 $.
• Çıkış: 50 milyon token başına 50 $.

Belirli modlar, uzun bağlamlar, önbelleğe alma ve öncelikli işleme için farklı oranlar ve koşullar vardır.

Temel kural:

Astra'nın arayüzde görünmemesi, modelin kuruluşunuz için var olmadığı anlamına gelmez. Önce kullanılabilirliği, izinleri ve dağıtımı kontrol edin.

Erişimi doğrularken, strateji temel model olarak Sol kullanılarak oluşturulabilir.

1. Astra nerede üstün ve Sol nerede yeterli?

Astra, özellikle aşağıdakilerle ilgili olanlar olmak üzere profesyonel görevler için üst düzey bir model olarak tasarlanmıştır:

• bilgisayar kullanımı,
• tarama,
• yazılım mühendisliği,
• ajanlar,
• bilim,
• matematik,
• karmaşık uçtan uca görevler.

Resmi belgeler, en zor uçtan uca işler için üst düzey modelleri konumlandırır.

Bununla birlikte, doğru strateji kesinlikle her şey için Astra kullanmak değildir.

Doğru strateji şudur:

Astra'yı yalnızca daha yüksek kapasitesinin sonuç üzerinde gerçek bir etkisi olduğunda kullanın.

1.1. Fark gerçekten nerede ortaya çıkıyor?

En önemli farklılıklar, birkaç faktörün birleştiği görevlerde ortaya çıkma eğilimindedir:

• birden çok dosya veya modül,
• birçok ardışık adım,
• yoğun araç kullanımı,
• grafik arayüzlerle etkileşim,
• tekrarlanması zor sorunlar,
• matematiksel akıl yürütme,
• uzun süreli hata ayıklama,
• hata yapmanın yüksek maliyeti,
• bağlam kaybı,
• bir stratejiyi uzun süre sürdürme ihtiyacı.

Günlük ve basit görevlerde fark çok daha küçük olabilir.

Bu nedenle, iyi bir kural şudur:

Hangi modelin "daha iyi" olduğunu sormayın. Bu görevi doğru bir şekilde tamamlamak için hangi modelin daha ucuz olduğunu sorun.

1.2. OSWorld, Mind2Web ve hız sorunu

OSWorld ve Mind2Web gibi kıyaslamalar, modeller arasındaki farkları anlamak için kullanışlıdır, ancak doğru yorumlanmaları gerekir.

Resmi belgelerde bahsedilen OSWorld 2.0 gecikme simülasyonlarında Astra, Sol'dan daha yüksek işlemci kullanımı elde etmiş ve belirtilen karşılaştırmada görev başına yaklaşık %47 daha az süre göstermiştir.

Örneğin:

• Astra: yaklaşık 40 dakika.
• Sol: yaklaşık 75 dakika.

Belirtilen puan yaklaşık olarak şöyleydi:

• Astra: %72,6
• Sol: %65,7

Benzer şekilde, belgeler Astra + yeni Codex koşum takımının belirli Mind2Web testlerinde mevcut Sol deneyiminden yaklaşık 1,9 kat daha hızlı olabileceğini göstermektedir.

Ancak iki şeyi unutmayın

1. Bu bir kıyaslamadır.

Mind2Web'de 1,9 kat sonuç, bir şirketteki her dahili görevin 1,9 kat daha hızlı olacağı anlamına gelmez.

2. Yararlı bir sinyal sağlar.

Bir görev ne kadar çok şeye bağlıysa:

• ekranlar,
• araçlar,
• gezinme,
• birden çok eylem,
• ara kararlar,

saniyedeki tokenları karşılaştırmaktan ziyade bir model + ajan sistemi kombinasyonunu değerlendirmek o kadar anlamlı hale gelir.

1.3. Sol ne zaman yeterlidir?

Aşağıdaki durumlarda önce Sol, Terra veya Luna kullanın:

• cevap tek bir alışverişte tamamlanabiliyorsa;
• yalnızca bir veya iki dosyayı değiştirmeniz gerekiyorsa;
• testler kısaysa;
• görev öncelikle okumaysa;
• GUI gerekmiyorsa;
• karmaşık araçlar gerekmiyorsa;
• işi tekrarlamanın maliyeti düşükse;
• bir başarısızlık büyük sonuçlar doğurmuyorsa.

Astra, bunun tersi olduğunda anlam kazanmaya başlar

Örneğin:

• birçok dosya;
• birden çok modül;
• uzun araç zincirleri;
• bilgisayar kullanımı;
• karmaşık hata ayıklama;
• matematiksel doğrulama;
• başarısızlığın çok fazla yeniden çalışma gerektirdiği görevler;
• uzun bir oturum sırasında bağlam kaybı.

2. ChatGPT, API ve Codex Yapılandırması

2.1. ChatGPT: Astra'yı seçin

Astra kullanılabilir hale geldiğinde:

1. Web veya Masaüstünde ChatGPT'yi açın.
2. Model seçiciyi kontrol edin.
3. Astra / GPT-6 Astra'yı seçin.
4. Codex kullanıyorsanız, aynı modelin orada da mevcut olduğunu kontrol edin.
5. Astra görünmüyorsa: planı kontrol edin; kurumsal izinleri kontrol edin; dağıtımı doğrulayın; geçici bir yapılandırma olarak Sol'u kullanın.

Pro, Business ve Enterprise planları, Astra'nın belirli varyantlarını içerebilir. Yalnızca arayüzde görüntülenen addan sonuç çıkarmamalısınız: her zaman plana karşılık gelen açıklamayı inceleyin.

2.2. API: model = "gpt-6-astra"

Temel yapılandırma, modelin Responses API'sinde belirtilmesinden oluşur.

Önemli hususlar

• Araç çağrıları için tercihen Responses API'sini kullanın.
• Astra, reasoning.effort = "none" değerini desteklemez.
• Düşük düzeyde akıl yürütme kullanıyorsanız, küçük bir yapılandırmayla başlayın ve yalnızca gerektiğinde artırın.
• Sıcaklık veya top_p gibi bazı geleneksel parametreler mevcut olmayabilir.
• AB'deki veri yerleşimi, Hızlı/Priority üzerinde kısıtlamalar getirebilir.
• Önbellek yapılandırması prompt_cache_options.ttl'ye taşınabilir.

2.3. Codex: deneysel bağlam yönetimi

Uzun oturumlar için Codex, basit geçmiş sıkıştırmasının ötesine geçen bağlam yönetimi mekanizmalarını kullanabilir.

Fikir, aşağıdakiler gibi önemli bilgileri saklamaktır:

• araştırılan hipotezler;
• reddedilen hipotezler;
• incelenen dosyalar;
• yürütülen testler;
• elde edilen sonuçlar;
• alınan kararlar.

Kavramsal bir yapılandırma şöyle olabilir:

Deneysel bağlam yönetimi yapılandırması, bu şekilde ele alınmalı ve bir ekip standardı olarak benimsenmeden önce Codex'in geçerli sürümüne karşı doğrulanmalıdır.

Neden önemlidir?

Birkaç saat süren bir hata ayıklama oturumunda, bağlamı kaybetmek ajanı yeniden araştırmaya zorlayabilir:

• hangi hipotezlerin zaten reddedildiği;
• hangi dosyaların zaten incelendiği;
• hangi komutların zaten çalıştığı;
• hangi testlerin zaten yürütüldüğü.

Not almak bu tekrarı azaltır.

Önemli:

kalıcı ajan notlarında asla gizli bilgileri, sırları, API anahtarlarını veya hassas verileri saklamayın.

2.4. Onaylar ve sanal alan

Otomasyonun amacı şu olmamalıdır:

"Ajanın kesinlikle her şeyi yapabilmesi."

Amaç şu olmalıdır:

Geri döndürülebilir olan her şeyi otomatikleştirin ve insan müdahalesini yalnızca geri döndürülemez veya yüksek riskli noktalarda tutun.

Başlangıç noktası olarak önerilen etkileşimli yapılandırma:

Ajan aşağıdakilerle ilgilenebilir:

• dosyaları okumak;
• testleri çalıştırmak;
• günlükleri analiz etmek;
• yerel değişiklikler yapmak;
• commit'ler oluşturmak;
• bir Pull Request hazırlamak;
• kendi çalışmasını gözden geçirmek;
• hataları düzeltmek.

İnsan, aşağıdakiler üzerinde kontrolü sağlamalıdır:

• üretim;
• dağıtımlar;
• son birleştirme;
• yayınlama;
• harici bilgi gönderme;
• izinleri değiştirme;
• geri döndürülemez işlemler;
• gizli bilgiler.

Onay, süreç boyunca sürekli bir kesinti değil, son kontrol noktası haline gelmelidir.

2.5. AGENTS.md ve Beceriler

Codex ile önemli bir işe başlamadan önce, ajan proje kurallarını bilmelidir.

Yararlı bir mimari şudur:

AGENTS.md

Şunları içerir:

• kalıcı kurallar;
• izin verilen kapsam;
• kısıtlamalar;
• tamamlama koşulları;
• zorunlu testler;
• insan onay noktaları.

Beceriler

Şunları içerir:

• tekrarlanan prosedürler;
• iş akışları;
• operasyonel kontrol listeleri;
• özelleşmiş süreçler.

MCP

Şunlar için kullanılır:

• harici bağlantılar;
• hizmetler;
• araçlar;
• veri kaynakları.

Basit bir ayrım şöyle olabilir:

AGENTS.md = kurallar

Beceriler = prosedürler

MCP = bağlantılar

Minimum AGENTS.md örneği

3. Astra'dan yararlanan talimatlar nasıl yazılır

Talimatların kalitesi, uzun süre çalışan ajanlar üzerinde büyük bir etkiye sahiptir.

Astra aşağıdakilere karşı çok hassas olabilir:

• belirsizlikler;
• çelişkiler;
• güncel olmayan talimatlar;
• tutarsız Beceriler;
• yinelenen kurallar.

Bu nedenle, iyi bir yapılandırma, model değiştirmek kadar performansı artırabilir.

3.1. Özerkliği artırın

Ajanı sürekli onay istemeye zorlayan talimatlar oluşturmak yerine, kendi başına hareket edebileceği alanı açıkça tanımlayın.

3.2. İncelenebilir sonuçlardan sonra onay

Özerk ajanlar için en iyi kurallardan biri şudur:

Önce incelenebilir bir sonuç üretin; ardından geri döndürülemez adım için onay isteyin.

Bu, aşağıdaki kalıbı önler:

ajan → soru → insan → ajan → soru → insan

ve yerine şunu koyar:

ajan → araştırır → uygular → test eder → sonucu hazırlar → insan onaylar → son eylem

3.3. Ana görevi engellemeyen sorular

Uzun oturumlarda, ana akışı durdurmadan bağımsız sorulara izin vermek yararlı olabilir.

İyi bir kural şudur:

Ana görevin sabit, tek cümlelik bir tamamlama koşulu vardır. Yürütme sırasında bağımsız bir soru ortaya çıkarsa, ana görevi kesintiye uğratmadan kısaca yanıtlayın. Ana iş akışını yalnızca soru, görev yönünü, kapsamını, izinlerini veya gerekli çıktıyı değiştirdiğinde durdurun.

API ayrıca, bir yürütme sırasında ek talimatlar göndermek için mekanizmalar ve uzun süreli çalışma için eşzamansız araçlar kullanabilir.

3.4. Alt ajanlara yetki devri

Bir görev paralelleştirilebildiğinde, bunu açıkça yapın.

Paralelleştirmenin yürütme süresini azaltması veya kaliteyi artırması muhtemelse, bağımsız alt görevleri diğer ajanlara devredin. Bağımsız araştırmalar, modül düzeyinde değişiklikler, test doğrulaması, dokümantasyon kontrolleri ve kod incelemesi için paralel çalışmayı tercih edin. Ajanlar arası mesajları kısa, açık ve okunabilir tutun.

Paralelleştirme örnekleri:

• Ajan A → kimlik doğrulama modülünü araştırır.
• Ajan B → testleri analiz eder.
• Ajan C → türleri gözden geçirir.
• Ajan D → dokümantasyonu gözden geçirir.

Ardından, ana ajan sonuçları entegre eder.

3.5. Test hacmini kontrol edin

Daha fazla test her zaman daha iyi bir sonuç anlamına gelmez.

Küçük değişiklikler için:

Amaç, önemsiz bir değişikliğin gereksiz büyük bir test grubunu tetiklemesini önlemektir.

3.6. Uzun süreli hata ayıklama şablonu

3.7. Bilgisayar ve tarayıcı görevleri şablonu

4. Token sayısını değil, değeri en üst düzeye çıkarın

Doğru soru şu değildir:

"Astra'nın tüm tokenlarını nasıl harcayabilirim?"

Doğru soru şudur:

"Harcanan her dolar için nasıl daha fazla iş tamamlayabilirim?"

Belirtilen oranlara göre:

Astra, token başına açıkça daha pahalıdır.

Ancak token başına fiyat, bir görevi tamamlamanın gerçek maliyetini mutlaka temsil etmez.

Astra aşağıdakileri başarırsa:

• daha az hata;
• daha az yineleme;
• daha az yeniden çalışma;
• daha az araç çağrısı;
• daha düşük toplam süre;
• daha yüksek başarı oranı;

o zaman tamamlanan görev başına maliyet rekabetçi ve hatta daha düşük olabilir.

4.1. Pratik yönlendirme tablosu

Genel kural:

Hacim için Luna/Terra → Standart iş için Sol → Maliyetini gerçekten haklı çıkaran işler için Astra.

4.2. Maliyetleri azaltan alışkanlıklar

1. Önce tamamlama koşulunu yazın

Bu, gereksiz keşfi azaltır.

1. Ara monologlardan kaçının

Şunlara öncelik verin:

Durum → Sonraki eylem → Sonuç

sonsuz açıklamalar yerine.

1. Basit doğrulamaları ekonomik modellere gönderin

Astra'yı aşağıdakiler için harcamayın:

• biçimi kontrol etmek;
• küçük günlükleri özetlemek;
• dosyaları sınıflandırmak;
• tekrarlayan görevleri gerçekleştirmek.

1. Talimat önekini sabitleyin

Tutarlı sistem/geliştirici talimatlarını korumak, verimli önbellek kullanımını destekleyebilir.

1. Hızlı modları yalnızca değer kattıklarında kullanın

Bir mod daha pahalıysa, yürütme süresinde gerçek bir azalma ile gerekçelendirilmelidir.

4.3. Haftalık maliyet denetimi

Her hafta aşağıdakileri gözden geçirin:

• Astra ile yürütülen görevler;
• kullanılma nedeni;
• sonuç;
• yaklaşık maliyet;
• Sol'un yeterli olup olmayacağı;
• Terra'nın yeterli olup olmayacağı;
• yineleme sayısı;
• başarısızlıklar;
• yeniden çalışma.

Basit kural

Aşağıdakini yazılı olarak açıklayamıyorsanız:

"Astra gerekliydi çünkü..."

bu görev kategorisini daha düşük bir modele taşımayı düşünün.

5. Önerilen İş Akışı

5.1. Uzun hata ayıklama

Adım 1 — Sınıflandırma

Birden çok dosya, karmaşık yeniden üretim veya birçok araç varsa:

Astra.

Basitse:

Sol/Terra.

Adım 2 — Sınırlar

AGENTS.md'de tanımlayın:

• izin verilen dosyalar;
• yasaklanan dosyalar;
• izin verilen komutlar;
• zorunlu testler;
• onay noktaları.

Adım 3 — Yapılandırma

model = "gpt-6-astra" approval_policy = "on-request" sandbox_mode = "workspace-write" [features.context_management] experimental_mode = true

Adım 4 — Başlatma

Her zaman net bir tamamlama koşuluyla başlayın.

Adım 5 — Günlük

Şunları saklayın:

• hipotezler;
• testler;
• sonuçlar;
• incelenen dosyalar;
• kararlar.

Adım 6 — Kesintiler

Bağımsız sorular, ana görevin bağlamını yok etmemelidir.

Adım 7 — Teslimat

Ajan aşağıdaki noktaya kadar gidebilir:

Pull Request incelemeye hazır.

Son birleştirme insan kontrolünde kalır.

Adım 8 — Öğrenme

Aynı sorun tekrar tekrar ortaya çıkıyorsa:

bunu bir

Beceri

haline getirin.

5.2. Büyük ölçekli yeniden düzenleme

İki aşamalı bir strateji iyi çalışır:

Aşama 1 — Ucuz araştırma

Şunları oluşturmak için kullanın:

Luna → Terra → Sol

• bağımlılık haritası;
• etki;
• etkilenen modüller;
• riskler;
• uygulama planı.

Aşama 2 — Uygulama

Gerçekten daha yüksek kapasite gerektiren modüller için kullanın:

Astra

Aşama 3 — Paralelleştirme

Alt ajanlar:

• testler;
• tür denetimi;
• inceleme;
• bağımsız modüller.

Aşama 4 — İnsan incelemesi

İnsan aşağıdakilere odaklanır:

• mimari;
• genel API'ler;
• uyumluluk;
• geri döndürülemez kararlar.

5.3. Bilgisayar kullanımı

Tarayıcı veya GUI görevleri için:

1. Hedef ekranı açıkça tanımlayın.
2. Yasaklanan işlemleri tanımlayın.
3. Görev uzun veya görsel olarak karmaşık olduğunda Astra'yı kullanın.
4. Uygun olduğunda en son Codex koşum takımını kullanın.
5. Durumları ve prosedürleri günlüğe kaydedin.
6. Sonucu incelenebilir bir teslimata dönüştürün.

Mind2Web'deki 1,9 kat rakamı, yalnızca bir kıyaslama olarak yorumlanmalı, dahili performansın garantisi olarak değil.

5.4. API tabanlı ajan

Kavramsal yapılandırma:

Model: gpt-6-astra API: Responses Akıl yürütme: Düşük → gerektiğinde yüksek Araçlar: Etkin Uzun süreli araçlar: Uygun olduğunda eşzamansız İnsan geçidi: Son geri döndürülemez eylem

Uzun süreli araçlar için:

Araç çalışma süresi, engelleyici eşzamanlı yürütmenin verimi düşürecek kadar uzun olduğunda eşzamansız araç yürütmeyi kullanın.

Yürütme sırasında zorluk seviyesi değişirse:

Akıl yürütme çabasını yalnızca görev gerçekten zorlaştığında artırın. Uygun olduğunda rutin yürütme için daha düşük bir akıl yürütme seviyesine dönün.

Fikir, en pahalı kaynakları gerçekten ihtiyaç duyulan anlar için ayırmaktır.

6. Yapılması ve Yapılmaması Gerekenler

Yapılması Gerekenler

• Astra'yı gerçekten fark yarattığı görevler için saklayın.
• AGENTS.md ve Beceriler arasındaki tutarsızlıkları gözden geçirin.
• Onayları son kontrol noktası olarak tutun.
• Yetkilendirme talep etmeden önce incelenebilir sonuçlar oluşturun.
• Uygun olduğunda uzun görevler için bağlam yönetimini etkinleştirin.
• Hipotezleri, testleri ve sonuçları günlüğe kaydedin.
• Kıyaslamalara dahili bir KPI değil, rehberlik olarak davranın.
• Başarı oranını ve görev başına süreyi ölçün.
• Bir görevin Daybreak gerektirip gerektirmediğini baştan kontrol edin.
• Gizli bilgileri kalıcı notların dışında tutun.

Yapılmaması Gerekenler

• Her küçük soru için Astra'yı kullanmayın.
• Tanıtım ifadelerini teknik özellikler olarak yorumlamayın.
• Bireysel X veya Reddit deneyimlerini resmi belgeler olarak ele almayın.
• Yönetici etkinleştirmeden önce kurumsal dağıtım ilan etmeyin.
• Geri döndürülemez işlemlere otomatik erişim vermeyin.
• Bağlam dosyalarında sırları veya gizli bilgileri saklamayın.
• Önemsiz değişiklikler için büyük test grupları çalıştırmayın.
• Harici kıyaslamaları dahili metriklerin yerine kullanmayın.

7. 60 Dakikalık Uygulama Planı

0–5 dakika

gpt-6-astra'nın kullanılabilir olup olmadığını kontrol edin:

• model seçici;
• API;
• Codex.

Enterprise ise, yönetici izinlerini doğrulayın.

5–15 dakika

Kontrol edin:

model = "gpt-6-astra" approval_policy = "on-request" sandbox_mode = "workspace-write"

Ve bağlam deneyleri için:

[features.context_management] experimental_mode = true

Gerekirse Codex'i yeniden başlatın.

15–25 dakika

AGENTS.md'yi güncelleyin:

• kapsam;
• kısıtlamalar;
• testler;
• tamamlama koşulları;
• onay noktaları.

25–35 dakika

Bir yönlendirme tablosu oluşturun:

Luna → Terra → Sol → Astra

35–55 dakika

Astra ile sınırlı kapsamda gerçek bir hata ayıklama görevi yürütün.

Açık bir tamamlama koşulu kullanın.

55–60 dakika

Günlüğe kaydedin:

• Astra gerçekten gerekli miydi?
• Sol yeterli olur muydu?
• Ne kadar yeniden çalışmayı önledi?
• Hangi yapılandırma işe yaradı?
• Hangi şey bir Beceri haline gelmeli?

Bu kadar.

Mevcut her özelliği test etmenize gerek yok.

Dağıtım + sınırlar + uzun oturumlar = Astra'dan yararlanmanın temeli.

8. Tekrarlayan Pratik Kalıplar

1. İki aşamalı roket

Ekonomik model → Astra

Önce:

• araştırma;
• kapsam tanımı;
• analiz.

Sonra:

• karmaşık uygulama;
• entegrasyon;
• doğrulama.

2. Baştan itibaren tamamlama koşulu

Uzun ajanlarda, talimatın ilk bölümünde şunu yazın:

"Görev şu durumda tamamlanmış sayılacaktır..."

Bu, amaçsız keşfi önler.

3. Bağlam ve not alma

Uzun işler için şunları saklayın:

• hipotezler;
• sonuçlar;
• kararlar;
• testler;
• önemli dosyalar.

Yalnızca ajanın sıkıştırılmış belleğine güvenmeyin.

4. Onay son adım olmalıdır

Sürekli kesintiye uğratmayın.

Daha iyisi:

Araştır → uygula → test et → sonucu hazırla → incele → onayla → geri döndürülemez eylemi yürüt

5. Kıyaslamalar rehberlik olarak

Mind2Web ve OSWorld, neyi test edeceğinize karar vermenize yardımcı olabilir.

Ancak gerçek KPI'lar dahili olmalıdır:

• başarı oranı;
• yürütme süresi;
• görev başına maliyet;
• yineleme sayısı;
• yeniden çalışma;
• insan müdahalesi.

9. Yaygın Hatalar

Şu sonuca varmadan önce:

"Astra zayıf."

önce şu sırayla kontrol edin:

1. Görünürlük

Model gerçekten kullanılabilir mi?

1. Çerçeve

Codex güncel ve doğru yapılandırılmış mı?

1. İstem

Talimatlar açık mı?

1. AGENTS.md

Çelişkili kurallar var mı?

1. Beceriler

Eski veya tutarsız prosedürler var mı?

1. Yönlendirme

İş için doğru modeli mi kullanıyorsunuz?

Çoğu zaman sorun modelin kapasitesi değildir.

Bu, modelin üzerinde çalıştığı ortamdır.

10. Ekipler için Uygulama Kontrol Listesi

• Astra'yı kimin kullanacağını tanımlayın.
• Gerekli yönetici izinlerini etkinleştirin.
• Bir sahip ve bir son tarih belirleyin.
• Bir Luna/Terra/Sol/Astra yönlendirme tablosu oluşturun.
• Minimum bir AGENTS.md oluşturun.
• approval_policy'yi tanımlayın.
• sandbox_mode'u tanımlayın.
• İnsan müdahale noktalarını tanımlayın.
• Gizli işlemleri belgeleyin.
• Haftalık bir maliyet incelemesi oluşturun.
• Hangi görevlerin gerçekten Astra gerektirdiğini günlüğe kaydedin.
• Tekrarlayan hataları Becerilere dönüştürün.

Öncelik, tek bir ajanın hızını en üst düzeye çıkarmak değil, ekip hatalarını ve yeniden çalışmayı azaltmak olmalıdır.

11. Karar Ağacı: Sol ve Astra

Bir görevin başında bu sırayı kullanın:

1. Tek bir alışverişte tamamlanabilir mi?

Evet → Luna / Terra / Sol

Hayır → devam edin.

1. Bir GUI, araç veya çok sayıda adım gerektiriyor mu?

Evet → Astra

Hayır → devam edin.

1. Başarısızlığın maliyeti yüksek mi?

Evet → Astra

Hayır → Sol/Terra

1. Görev, yürütme sırasında zorluk derecesini değiştirebilir mi?

Evet → Astra + dinamik akıl yürütme ayarlamasını düşünün.

1. Astra hala kullanılamıyor mu?

Aynı iş akışını Sol ile yürütün.

Astra göründüğünde, yalnızca modeli değiştirin ve yapıyı koruyun.

12. Astra'ya API Geçişi

Önerilen sıra şudur:

1. Modeli değiştirin

model = "gpt-6-astra"

1. Responses API'sini kullanın

Özellikle araç çağrıları varsa.

1. Akıl yürütmeyi gözden geçirin

Astra aşağıdakileri kullanmaz:

reasoning.effort = "none"

Yeterli olduğunda düşük bir seviyeyle başlayın.

1. Gereksiz parametreleri kaldırın

Aşağıdaki gibi parametreleri gözden geçirin:

temperature top_p

model veya uç nokta artık bunları desteklemiyorsa.

1. Önbelleği gözden geçirin

Şuraya taşıyın:

prompt_cache_options.ttl

uygun olduğunda.

1. Veri yerleşimini gözden geçirin

AB'de altyapı veya yerleşim gereksinimleri kullanıyorsanız, ilgili kısıtlamaları doğrulayın.

1. Akıl yürütmeyi dinamik olarak ayarlayın

Zor bir görev sırasında:

Görev gerçekten zorlaştığında akıl yürütme çabasını artırın.

Rutin işlemler sırasında:

Ek akıl yürütme artık yararlı olmadığında daha düşük bir akıl yürütme seviyesine dönün.

1. Uzun araçlar

Araç süresi bunu haklı çıkardığında eşzamansız yürütmeyi düşünün.

13. Minimum Codex Yapılandırması

Bir başlangıç ​​yapılandırması şöyle olabilir:

model = "gpt-6-astra" model_reasoning_effort = "high" approval_policy = "on-request" sandbox_mode = "workspace-write" [features.context_management] experimental_mode = true

Ve depo, aşağıdakileri tanımlayan bir AGENTS.md içermelidir:

AGENTS.md ## Hedef - Değişiklikleri minimumda tutmak. - Tamamlanma, tüm gerekli testlerin geçilmesini gerektirir. ## İzin verilen kapsam - src/ - tests/ ## Onay aşamaları - Prodüksiyona dağıtım - Harici veri iletimi - İzin değişiklikleri - Son birleştirme ## Çalışma davranışı - Onaylanan kapsam dahilinde özerk olarak çalışmak. - Geri alınabilir eylemleri tercih etmek. - Onay istemeden önce incelenebilir sonuçlar üretmek. - Gereksiz onay soruları sormamak.

Yapılandırmayı değiştirdikten sonra:

1. Codex'i yeniden başlatın;
2. küçük bir okuma görevi gerçekleştirin;
3. ortamın çalıştığını doğrulayın;
4. ana göreve başlayın.

14. "Maksimum kullanımı" tek bir cümleyle tanımlayın

Bu belgede, maksimum kullanım, maksimum token tüketmek anlamına gelmez.

Şu anlama gelir:

Astra'yı gerçekten fark yaratabileceği görevlere odaklamak, diğer her şeyi ekonomik bir şekilde yürütmek ve uzun görevlerin gereksiz kesintiler olmadan tamamlanmasını sağlayan sağlam bir talimat, sınır, onay ve bağlam yönetimi temeli oluşturmak.

Bu tanımdan birkaç karar çıkar:

• Modelleri rastgele değiştirmektense yönlendirme tablosunu haftalık güncellemek daha iyidir.
• Her yeni özelliği denemektense gerçek bir hata ayıklama testi yapmak daha iyidir.
• Kıyaslamaların peşinden koşmaktansa görev başına başarı ve süreyi ölçmek daha iyidir.
• Tanıtım ifadelerini dahili teknik şartnamelere dönüştürmemeliyiz.
• Astra kullanılamıyorsa, geçici yedek olarak Sol kullanılabilir.

15. Üç Temel Çıktı

Sonuçta, bu sistemin tamamı üç öğe üretmelidir:

1. Dinamik tahsis tablosu

Şunların ne zaman kullanılacağını tanımlar:

Luna / Terra / Sol / Astra

2. AGENTS.md

Şunları tanımlar:

• kurallar;
• kapsam;
• kısıtlamalar;
• testler;
• tamamlanma koşulları;
• insan kontrol noktaları.

3. Uzun operasyonel komut

Şunları tanımlamalıdır:

• rol;
• hedef;
• tamamlanma koşulları;
• prosedür;
• sınırlar;
• araçlar;
• doğrulama;
• çıktı formatı.

Bu üç öğe, tüm özellik kataloğunu ezberlemekten daha önemlidir.

16. Kopyalanacak Sınıflandırma Kartı

Her önemli oturumun başında bu kartı kullanın:

Kartın mükemmel olması gerekmez.

Amacı bir sınıflandırma alışkanlığı oluşturmaktır.

Astra'yı öneriyorsanız ancak görev yalnızca kısa cevaplar gerektiriyorsa, muhtemelen modeli gereğinden büyük kullanıyorsunuzdur.

Sol, bağlam kaybı veya uzun bir eylem zincirini tamamlayamama nedeniyle tekrar tekrar başarısız oluyorsa, muhtemelen Astra'ya geçme zamanı gelmiştir.

17. Fiyat Hakkında Gerçekten Nasıl Düşünülmeli

Milyon token başına oranlar denklemin yalnızca bir parçasıdır.

Örneğin:

Astra

• Giriş: $10
• Çıkış: $50

Sol

• Giriş: $4
• Çıkış: $20

Astra daha pahalıdır.

Ama şunu hayal edelim:

Sol

$5 token + 4 deneme + 2 başarısızlık + insan müdahalesi = yüksek fiili maliyet

Astra

$12 token + 1 deneme + doğru sonuç = görev başına daha düşük toplam maliyet

Bu nedenle, kısa görevler için:

Token başına fiyat çok önemlidir.

Uzun görevler için:

Tamamlanan görev başına maliyet çok daha önemlidir.

Nihai metrik şu olmalıdır:

Maliyet × başarı oranı × süre × insan müdahalesi

ve sadece şu değil:

$/1M token

Sonuç

Astra'nın amacı, onu her şey için varsayılan model haline getirmek olmamalıdır.

Amaç, her modelin en verimli olduğu işi yaptığı bir sistem kurmak olmalıdır.

Luna

Hacim ve basit görevler.

Terra

Maliyet ve kapasite arasında denge.

Sol

Standart işler ve genel programlama.

Astra

Karmaşık, uzun, aracı tabanlı, GUI, matematik, hata ayıklama görevleri ve başarısızlığın maliyetli olduğu işler.

En güçlü model şudur:

Ucuzca araştır → planla → gerektiğinde Astra ile yürüt → doğrula → incelenebilir bir sonuç hazırla → insan müdahalesi yalnızca son kontrol noktasında.

Gerçek optimizasyon, Astra'yı daha fazla kullanmak değildir.

Astra'nın ne zaman buna değer olduğunu tam olarak bilmekle ilgilidir.

Ve ajanlar ne kadar karmaşık olursa, onları çevreleyen altyapı da o kadar önemli hale gelir: AGENTS.md, Yetenekler, sanal alan, onaylar, bağlam yönetimi.**