GPT-6 Astra: Hướng dẫn thực tế để tối ưu hóa Codex, các tác nhân (Agents) và chi phí

Mục tiêu:

học cách phân phối Luna, Terra, Sol và Astra một cách thông minh để tối đa hóa hiệu suất, giảm chi phí và duy trì hoạt động của các quy trình agent trong thời gian dài.

GPT-6 Astra của OpenAI, được công bố vào ngày 3 tháng 9 năm 2026, đại diện cho một bước tiến lớn trong khả năng của các agent để thực hiện các tác vụ tính toán phức tạp mà trước đây đòi hỏi sự can thiệp đáng kể của con người.

Nhưng thách thức thực sự không còn đơn giản là hỏi "Astra có thể làm nhiệm vụ này không?".

Câu hỏi quan trọng bây giờ là:

Astra thực sự mang lại giá trị gia tăng ở đâu, chúng ta nên phân bổ nguồn lực như thế nào, làm thế nào để giữ cho các agent hoạt động lâu hơn và làm thế nào để đạt được tất cả điều này với chi phí thấp nhất có thể?

Bài viết này chủ yếu nhắm đến những người thường xuyên sử dụng Codex và các agent lập trình, đặc biệt là trong môi trường gần sản xuất.

Đối tượng mục tiêu

Hướng dẫn này được thiết kế cho những người:

• Sử dụng agent thông qua Codex hoặc API OpenAI trong môi trường gần sản xuất.
• Muốn luân phiên sử dụng Luna, Terra, Sol và Astra để giảm chi phí API hoặc cơ sở hạ tầng hàng tháng.
• Muốn xây dựng các quy trình làm việc dài hạn cho: gỡ lỗi toàn diện, tái cấu trúc lớn, sử dụng công cụ máy tính, xác minh toán học, kiểm thử tự động và các tác vụ yêu cầu duy trì ngữ cảnh trong thời gian dài.

0. Điều kiện tiên quyết

Triển khai, Doanh nghiệp, Daybreak và Tính khả dụng

Trước khi cố gắng tối ưu hóa Astra, trước tiên bạn phải kiểm tra xem mô hình có thực sự khả dụng cho tài khoản và môi trường của bạn hay không.

Ngày công bố

Ngày 3 tháng 9 năm 2026 — thông báo chính thức

OpenAI — GPT-6 Astra

Triển khai

Theo các thông báo chính thức, Trusted Access/Daybreak sẽ là một trong những kênh triển khai đầu tiên.

Các gói Plus, Pro, Business và Enterprise, cũng như API và AWS, sẽ được triển khai sau.

Trong môi trường doanh nghiệp, quản trị viên có thể cần phải bật quyền truy cập một cách rõ ràng.

Những điểm quan trọng

• Enterprise: quản trị viên phải bật tính năng này khi cần.
• Gói miễn phí: Astra không được lên kế hoạch như một mô hình miễn phí.
• Tín dụng: người dùng các gói trả phí có thể có các tùy chọn tín dụng bổ sung tùy thuộc vào sản phẩm.
• An ninh mạng: một số khả năng nâng cao có thể phụ thuộc vào các đường dẫn truy cập cụ thể như Daybreak.
• ID mô hình API: gpt-6-astra.

Giá API tiêu chuẩn

Theo mức giá được chỉ ra trong tài liệu này:

• Đầu vào: $10 / triệu token.
• Đầu ra: $50 / triệu token.

Có các mức giá và điều kiện khác nhau cho một số chế độ nhất định, ngữ cảnh dài, bộ nhớ đệm và xử lý ưu tiên.

Nguyên tắc cơ bản:

chỉ vì Astra không xuất hiện trong giao diện không nhất thiết có nghĩa là mô hình không tồn tại cho tổ chức của bạn. Trước tiên hãy kiểm tra tính khả dụng, quyền và triển khai.

Trong khi xác minh quyền truy cập, chiến lược có thể được xây dựng bằng cách sử dụng Sol làm mô hình cơ sở.

1. Astra vượt trội ở đâu và khi nào Sol là đủ?

Astra được thiết kế như một mô hình cao cấp cho các tác vụ chuyên nghiệp, đặc biệt là những tác vụ liên quan đến:

• sử dụng máy tính,
• duyệt web,
• kỹ thuật phần mềm,
• agent,
• khoa học,
• toán học,
• các tác vụ phức tạp từ đầu đến cuối.

Tài liệu chính thức định vị các mô hình cao cấp cho những công việc khó khăn nhất từ đầu đến cuối.

Tuy nhiên, chiến lược đúng đắn không phải là sử dụng Astra cho mọi thứ.

Chiến lược đúng đắn là:

Chỉ sử dụng Astra khi dung lượng cao hơn của nó có tác động thực sự đến kết quả.

1.1. Sự khác biệt thực sự xuất hiện ở đâu?

Những khác biệt quan trọng nhất thường xuất hiện trong các tác vụ mà một số yếu tố kết hợp với nhau:

• nhiều tệp hoặc mô-đun,
• nhiều bước liên tiếp,
• sử dụng nhiều công cụ,
• tương tác với giao diện đồ họa,
• các vấn đề khó tái tạo,
• lý luận toán học,
• gỡ lỗi kéo dài,
• chi phí cao khi mắc lỗi,
• mất ngữ cảnh,
• cần duy trì chiến lược trong thời gian dài.

Trong các tác vụ hàng ngày và đơn giản, sự khác biệt có thể nhỏ hơn nhiều.

Do đó, một quy tắc tốt là:

Đừng hỏi mô hình nào "tốt hơn". Hãy hỏi mô hình nào rẻ hơn để hoàn thành tác vụ này một cách chính xác.

1.2. OSWorld, Mind2Web và câu hỏi về tốc độ

Các điểm chuẩn như OSWorld và Mind2Web rất hữu ích để hiểu sự khác biệt giữa các mô hình, nhưng chúng phải được diễn giải một cách chính xác.

Trong các mô phỏng độ trễ OSWorld 2.0 được đề cập trong tài liệu chính thức, Astra đã đạt được mức sử dụng bộ xử lý cao hơn Sol và cho thấy thời gian thực hiện mỗi tác vụ ít hơn khoảng 47% trong so sánh được chỉ ra.

Ví dụ:

• Astra: khoảng 40 phút.
• Sol: khoảng 75 phút.

Điểm số được chỉ ra là khoảng:

• Astra: 72.6%
• Sol: 65.7%

Tương tự, tài liệu chỉ ra rằng Astra + bộ khai thác Codex mới có thể nhanh hơn khoảng 1.9 lần so với trải nghiệm Sol hiện tại trong một số thử nghiệm Mind2Web nhất định.

Nhưng hãy nhớ hai điều

1. Đó là một điểm chuẩn.

Kết quả 1.9 lần trên Mind2Web không có nghĩa là mọi tác vụ nội bộ trong một công ty sẽ nhanh hơn 1.9 lần.

2. Nó cung cấp một tín hiệu hữu ích.

Tác vụ càng phụ thuộc nhiều vào:

• màn hình,
• công cụ,
• điều hướng,
• nhiều hành động,
• các quyết định trung gian,

thì việc đánh giá sự kết hợp giữa mô hình + hệ thống agent càng có ý nghĩa, thay vì chỉ so sánh token trên mỗi giây.

1.3. Khi nào Sol là đủ?

Hãy sử dụng Sol, Terra hoặc Luna trước khi:

• câu trả lời có thể được hoàn thành trong một lần trao đổi duy nhất;
• bạn chỉ cần sửa đổi một hoặc hai tệp;
• các bài kiểm tra ngắn;
• tác vụ chủ yếu là đọc;
• không yêu cầu GUI;
• không cần công cụ phức tạp;
• chi phí lặp lại công việc thấp;
• một lỗi không gây ra hậu quả lớn.

Astra bắt đầu có ý nghĩa khi điều ngược lại xảy ra

Ví dụ:

• nhiều tệp;
• nhiều mô-đun;
• chuỗi công cụ dài;
• sử dụng máy tính;
• gỡ lỗi phức tạp;
• xác minh toán học;
• các tác vụ mà một lỗi kéo theo nhiều việc làm lại;
• mất ngữ cảnh trong một phiên dài.

2. Cấu hình ChatGPT, API và Codex

2.1. ChatGPT: chọn Astra

Khi Astra khả dụng:

1. Mở ChatGPT trên Web hoặc Desktop.
2. Kiểm tra bộ chọn mô hình.
3. Chọn Astra / GPT-6 Astra.
4. Nếu bạn sử dụng Codex, hãy kiểm tra xem cùng một mô hình có khả dụng ở đó không.
5. Nếu Astra không xuất hiện: hãy kiểm tra gói; kiểm tra quyền doanh nghiệp; xác minh triển khai; sử dụng Sol làm cấu hình tạm thời.

Các gói Pro, Business và Enterprise có thể bao gồm các biến thể cụ thể của Astra. Bạn không nên rút ra kết luận chỉ từ tên hiển thị trong giao diện: luôn xem xét mô tả tương ứng với gói.

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

Cấu hình cơ bản bao gồm việc chỉ định mô hình trong Responses API.

Những cân nhắc quan trọng

• Đối với các lệnh gọi công cụ, tốt nhất nên sử dụng Responses API.
• Astra không hỗ trợ reasoning.effort = "none".
• Nếu bạn sử dụng mức độ suy luận thấp, hãy bắt đầu với cấu hình nhỏ và chỉ tăng khi cần thiết.
• Một số tham số truyền thống, chẳng hạn như temperature hoặc top_p, có thể không khả dụng.
• Việc lưu trú dữ liệu tại EU có thể áp đặt các hạn chế đối với Fast/Priority.
• Cấu hình bộ nhớ đệm có thể được di chuyển sang prompt_cache_options.ttl.

2.3. Codex: quản lý ngữ cảnh thử nghiệm

Đối với các phiên dài, Codex có thể sử dụng các cơ chế quản lý ngữ cảnh vượt xa việc nén lịch sử đơn giản.

Ý tưởng là giữ lại thông tin quan trọng như:

• các giả thuyết đã được điều tra;
• các giả thuyết đã bị loại bỏ;
• các tệp đã được kiểm tra;
• các bài kiểm tra đã được thực thi;
• kết quả thu được;
• các quyết định đã được đưa ra.

Một cấu hình khái niệm có thể là:

Cấu hình quản lý ngữ cảnh thử nghiệm nên được coi là như vậy và được xác minh với phiên bản Codex hiện tại trước khi được áp dụng làm tiêu chuẩn nhóm.

Tại sao nó lại quan trọng?

Trong một phiên gỡ lỗi kéo dài vài giờ, việc mất ngữ cảnh có thể buộc agent phải điều tra lại:

• những giả thuyết nào đã bị loại bỏ;
• những tệp nào đã được xem xét;
• những lệnh nào đã hoạt động;
• những bài kiểm tra nào đã được thực thi.

Việc ghi chú làm giảm sự lặp lại đó.

Quan trọng:

không bao giờ lưu trữ thông tin bí mật, bí mật, khóa API hoặc dữ liệu nhạy cảm trong các ghi chú agent liên tục.

2.4. Phê duyệt và hộp cát

Mục tiêu của tự động hóa không nên là:

"Rằng agent có thể làm hoàn toàn mọi thứ."

Mục tiêu nên là:

Tự động hóa mọi thứ có thể đảo ngược và chỉ duy trì sự can thiệp của con người tại các điểm không thể đảo ngược hoặc có rủi ro cao.

Cấu hình tương tác được đề xuất làm điểm khởi đầu:

Agent có thể đảm nhận:

• đọc tệp;
• chạy thử nghiệm;
• phân tích nhật ký;
• thực hiện các thay đổi cục bộ;
• tạo commit;
• chuẩn bị Pull Request;
• xem xét công việc của chính nó;
• sửa lỗi.

Con người phải duy trì quyền kiểm soát đối với:

• sản xuất;
• triển khai;
• hợp nhất cuối cùng;
• xuất bản;
• gửi thông tin ra bên ngoài;
• sửa đổi quyền;
• các hoạt động không thể đảo ngược;
• thông tin bí mật.

Phê duyệt sẽ trở thành điểm kiểm tra cuối cùng, không phải là sự gián đoạn liên tục trong suốt quá trình.

2.5. AGENTS.md và Kỹ năng

Trước khi bắt đầu một công việc quan trọng với Codex, agent phải biết các quy tắc của dự án.

Một kiến trúc hữu ích là:

AGENTS.md

Chứa:

• các quy tắc vĩnh viễn;
• phạm vi được phép;
• các hạn chế;
• điều kiện hoàn thành;
• các bài kiểm tra bắt buộc;
• điểm phê duyệt của con người.

Kỹ năng

Chứa:

• các quy trình lặp đi lặp lại;
• quy trình làm việc;
• danh sách kiểm tra hoạt động;
• các quy trình chuyên biệt.

MCP

Được sử dụng cho:

• kết nối bên ngoài;
• dịch vụ;
• công cụ;
• nguồn dữ liệu.

Một sự phân chia đơn giản sẽ là:

AGENTS.md = quy tắc

Kỹ năng = quy trình

MCP = kết nối

Ví dụ tối thiểu về AGENTS.md

3. Cách viết hướng dẫn tận dụng Astra

Chất lượng của hướng dẫn có tác động rất lớn đến các agent hoạt động lâu dài.

Astra có thể rất nhạy cảm với:

• sự mơ hồ;
• mâu thuẫn;
• hướng dẫn lỗi thời;
• Kỹ năng không nhất quán;
• các quy tắc trùng lặp.

Do đó, một cấu hình tốt có thể cải thiện hiệu suất nhiều như việc thay đổi mô hình.

3.1. Tăng tính tự chủ

Thay vì tạo ra các hướng dẫn khiến agent liên tục yêu cầu xác nhận, hãy xác định rõ ràng không gian mà nó có thể tự hành động.

3.2. Phê duyệt sau các kết quả có thể xem xét

Một trong những quy tắc tốt nhất cho các agent tự chủ là:

Đầu tiên tạo ra một kết quả có thể xem xét; sau đó yêu cầu phê duyệt cho bước không thể đảo ngược.

Điều này tránh được mô hình:

agent → câu hỏi → con người → agent → câu hỏi → con người

và thay thế nó bằng:

agent → điều tra → thực hiện → kiểm tra → chuẩn bị kết quả → con người phê duyệt → hành động cuối cùng

3.3. Các câu hỏi không chặn tác vụ chính

Trong các phiên dài, sẽ rất hữu ích nếu cho phép các câu hỏi độc lập mà không dừng luồng chính.

Một quy tắc tốt là:

Tác vụ chính có một điều kiện hoàn thành cố định gồm một câu. Nếu một câu hỏi độc lập xuất hiện trong quá trình thực thi, hãy trả lời ngắn gọn mà không làm gián đoạn tác vụ chính. Chỉ dừng quy trình làm việc chính khi câu hỏi thay đổi hướng đi, phạm vi, quyền hoặc đầu ra yêu cầu của tác vụ.

API cũng có thể sử dụng các cơ chế để gửi hướng dẫn bổ sung trong quá trình thực thi và các công cụ không đồng bộ cho công việc kéo dài.

3.4. Ủy quyền cho các agent phụ

Khi một tác vụ có thể được song song hóa, hãy thực hiện điều đó một cách rõ ràng.

Nếu việc song song hóa có khả năng giảm thời gian thực thi hoặc cải thiện chất lượng, hãy ủy quyền các tác vụ phụ độc lập cho các agent khác. Ưu tiên công việc song song cho các cuộc điều tra độc lập, thay đổi cấp mô-đun, xác minh thử nghiệm, kiểm tra tài liệu và đánh giá mã. Giữ cho các thông điệp giữa các agent ngắn gọn, rõ ràng và dễ đọc.

Ví dụ về song song hóa:

• Agent A → điều tra mô-đun xác thực.
• Agent B → phân tích các bài kiểm tra.
• Agent C → xem xét các kiểu dữ liệu.
• Agent D → xem xét tài liệu.

Sau đó, agent chính tích hợp các kết quả.

3.5. Kiểm soát khối lượng thử nghiệm

Nhiều thử nghiệm hơn không phải lúc nào cũng có nghĩa là kết quả tốt hơn.

Đối với các thay đổi nhỏ:

Mục tiêu là ngăn chặn một sửa đổi nhỏ kích hoạt một loạt các thử nghiệm không cần thiết.

3.6. Mẫu cho gỡ lỗi kéo dài

3.7. Mẫu cho các tác vụ máy tính và trình duyệt

4. Tối đa hóa giá trị, không phải số lượng token

Câu hỏi đúng không phải là:

"Làm cách nào để tiêu hết tất cả token của Astra?"

Câu hỏi đúng là:

"Làm cách nào để hoàn thành nhiều công việc hơn cho mỗi đô la chi tiêu?"

Theo mức giá được chỉ ra:

Astra rõ ràng đắt hơn trên mỗi token.

Nhưng giá trên mỗi token không nhất thiết đại diện cho chi phí thực tế để hoàn thành một tác vụ.

Nếu Astra đạt được:

• ít lỗi hơn;
• ít lần lặp hơn;
• ít việc làm lại hơn;
• ít lệnh gọi công cụ hơn;
• tổng thời gian thấp hơn;
• tỷ lệ thành công cao hơn;

thì chi phí cho mỗi tác vụ đã hoàn thành có thể cạnh tranh hoặc thậm chí thấp hơn.

4.1. Bảng định tuyến thực tế

Nguyên tắc chung:

Luna/Terra cho khối lượng → Sol cho công việc tiêu chuẩn → Astra cho các công việc thực sự xứng đáng với chi phí của nó.

4.2. Thói quen giảm chi phí

1. Viết điều kiện hoàn thành trước

Điều này làm giảm việc khám phá không cần thiết.

1. Tránh độc thoại trung gian

Ưu tiên:

Trạng thái → Hành động tiếp theo → Kết quả

thay vì giải thích dài dòng.

1. Gửi các xác minh đơn giản cho các mô hình kinh tế

Đừng lãng phí Astra vào:

• kiểm tra định dạng;
• tóm tắt nhật ký nhỏ;
• phân loại tệp;
• thực hiện các tác vụ lặp đi lặp lại.

1. Ổn định tiền tố hướng dẫn

Giữ cho các hướng dẫn hệ thống/nhà phát triển nhất quán có thể ưu tiên sử dụng bộ nhớ đệm hiệu quả.

1. Chỉ sử dụng các chế độ nhanh khi chúng mang lại giá trị gia tăng

Nếu một chế độ tốn kém hơn, nó phải được biện minh bằng việc giảm thời gian thực thi thực sự.

4.3. Kiểm toán chi phí hàng tuần

Mỗi tuần hãy xem xét:

• các tác vụ được thực thi với Astra;
• lý do tại sao nó được sử dụng;
• kết quả;
• chi phí ước tính;
• liệu Sol có đủ không;
• liệu Terra có đủ không;
• số lần lặp;
• lỗi;
• việc làm lại.

Quy tắc đơn giản

Nếu bạn không thể giải thích bằng văn bản:

"Astra là cần thiết vì..."

hãy xem xét việc chuyển loại tác vụ đó sang một mô hình thấp hơn.

5. Quy trình làm việc được đề xuất

5.1. Gỡ lỗi dài

Bước 1 — Phân loại

Nếu có nhiều tệp, tái tạo phức tạp hoặc nhiều công cụ:

Astra.

Nếu đơn giản:

Sol/Terra.

Bước 2 — Giới hạn

Xác định trong AGENTS.md:

• các tệp được phép;
• các tệp bị cấm;
• các lệnh được phép;
• các bài kiểm tra bắt buộc;
• điểm phê duyệt.

Bước 3 — Cấu hình

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

Bước 4 — Bắt đầu

Luôn bắt đầu với một điều kiện hoàn thành rõ ràng.

Bước 5 — Nhật ký

Giữ lại:

• các giả thuyết;
• các bài kiểm tra;
• kết quả;
• các tệp đã kiểm tra;
• các quyết định.

Bước 6 — Gián đoạn

Các câu hỏi độc lập không được phá hủy ngữ cảnh của tác vụ chính.

Bước 7 — Sản phẩm bàn giao

Agent có thể đi xa đến mức:

Pull Request sẵn sàng để xem xét.

Việc hợp nhất cuối cùng vẫn nằm dưới sự kiểm soát của con người.

Bước 8 — Học hỏi

Nếu cùng một vấn đề xuất hiện nhiều lần:

hãy biến nó thành một

Kỹ năng

.

5.2. Tái cấu trúc quy mô lớn

Một chiến lược hai giai đoạn hoạt động tốt:

Giai đoạn 1 — Điều tra giá rẻ

Sử dụng:

Luna → Terra → Sol

để xây dựng:

• bản đồ phụ thuộc;
• tác động;
• các mô-đun bị ảnh hưởng;
• rủi ro;
• kế hoạch thực hiện.

Giai đoạn 2 — Thực hiện

Sử dụng:

Astra

cho các mô-đun thực sự yêu cầu dung lượng cao hơn.

Giai đoạn 3 — Song song hóa

Các agent phụ cho:

• các bài kiểm tra;
• kiểm tra kiểu dữ liệu;
• đánh giá;
• các mô-đun độc lập.

Giai đoạn 4 — Đánh giá của con người

Con người tập trung vào:

• kiến trúc;
• API công khai;
• khả năng tương thích;
• các quyết định không thể đảo ngược.

5.3. Sử dụng máy tính

Đối với các tác vụ trình duyệt hoặc GUI:

1. Xác định rõ ràng màn hình mục tiêu.
2. Xác định các thao tác bị cấm.
3. Sử dụng Astra khi tác vụ dài hoặc phức tạp về mặt hình ảnh.
4. Sử dụng bộ khai thác Codex mới nhất khi có thể.
5. Ghi lại trạng thái và quy trình.
6. Biến kết quả thành một sản phẩm bàn giao có thể xem xét.

Con số 1.9 lần trong Mind2Web chỉ nên được hiểu là một điểm chuẩn, không phải là sự đảm bảo về hiệu suất nội bộ.

5.4. Agent dựa trên API

Cấu hình khái niệm:

Model: gpt-6-astra API: Responses Reasoning: low → high khi cần Tools: enabled Long-running tools: asynchronous khi thích hợp Human gate: hành động cuối cùng không thể đảo ngược

Đối với các công cụ chạy dài:

Sử dụng thực thi công cụ không đồng bộ khi thời gian chạy công cụ đủ dài để việc chặn thực thi đồng bộ sẽ làm giảm thông lượng.

Nếu mức độ khó thay đổi trong quá trình thực thi:

Chỉ tăng nỗ lực suy luận khi tác vụ thực sự trở nên khó khăn. Quay lại mức độ suy luận thấp hơn cho việc thực thi thông thường khi thích hợp.

Ý tưởng là dành các tài nguyên đắt nhất cho những thời điểm thực sự cần chúng.

6. Nên làm và Không nên làm

Nên làm

• Dành Astra cho các tác vụ mà nó tạo ra sự khác biệt thực sự.
• Xem xét sự mâu thuẫn giữa AGENTS.md và Kỹ năng.
• Giữ phê duyệt là điểm kiểm tra cuối cùng.
• Tạo ra các kết quả có thể xem xét trước khi yêu cầu ủy quyền.
• Kích hoạt quản lý ngữ cảnh cho các tác vụ dài khi có thể.
• Ghi lại các giả thuyết, bài kiểm tra và kết quả.
• Coi các điểm chuẩn như hướng dẫn, không phải KPI nội bộ.
• Đo lường tỷ lệ thành công và thời gian cho mỗi tác vụ.
• Kiểm tra ngay từ đầu xem một tác vụ có yêu cầu Daybreak hay không.
• Giữ thông tin bí mật ra khỏi các ghi chú liên tục.

Không nên làm

• Sử dụng Astra cho mọi câu hỏi nhỏ.
• Diễn giải các cụm từ quảng cáo như các thông số kỹ thuật.
• Coi các trải nghiệm cá nhân trên X hoặc Reddit như tài liệu chính thức.
• Tuyên bố triển khai doanh nghiệp trước khi quản trị viên bật nó.
• Cấp quyền truy cập tự động vào các hoạt động không thể đảo ngược.
• Lưu trữ bí mật hoặc thông tin bí mật trong các tệp ngữ cảnh.
• Chạy các bộ thử nghiệm khổng lồ cho các thay đổi nhỏ.
• Sử dụng các điểm chuẩn bên ngoài như một sự thay thế cho các số liệu nội bộ.

7. Kế hoạch triển khai 60 phút

0–5 phút

Kiểm tra xem gpt-6-astra có khả dụng không:

• bộ chọn mô hình;
• API;
• Codex.

Nếu là Enterprise, hãy xác minh quyền của quản trị viên.

5–15 phút

Kiểm tra:

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

Và, cho các thử nghiệm ngữ cảnh:

[features.context_management] experimental_mode = true

Khởi động lại Codex nếu cần.

15–25 phút

Cập nhật AGENTS.md:

• phạm vi;
• các hạn chế;
• các bài kiểm tra;
• điều kiện hoàn thành;
• điểm phê duyệt.

25–35 phút

Tạo một bảng định tuyến:

Luna → Terra → Sol → Astra

35–55 phút

Thực thi một tác vụ gỡ lỗi thực tế có phạm vi giới hạn với Astra.

Sử dụng một điều kiện hoàn thành rõ ràng.

55–60 phút

Ghi lại:

• Astra có thực sự cần thiết không?
• Sol có đủ không?
• Nó đã ngăn chặn được bao nhiêu việc làm lại?
• Cấu hình nào đã hoạt động?
• Điều gì nên trở thành một Kỹ năng?

Thế là đủ.

Bạn không cần phải kiểm tra mọi tính năng có sẵn.

Phân phối + giới hạn + phiên dài = nền tảng để tận dụng Astra.

8. Các mẫu thực tế lặp đi lặp lại

1. Tên lửa hai tầng

Mô hình kinh tế → Astra

Đầu tiên:

• điều tra;
• xác định phạm vi;
• phân tích.

Sau đó:

• thực hiện phức tạp;
• tích hợp;
• xác minh.

2. Điều kiện hoàn thành ngay từ đầu

Trong các agent dài, hãy viết ở phần đầu của hướng dẫn:

"Tác vụ sẽ được hoàn thành khi..."

Điều này ngăn chặn việc khám phá không mục đích.

3. Ngữ cảnh và ghi chú

Đối với các công việc dài, hãy giữ lại:

• các giả thuyết;
• kết quả;
• quyết định;
• các bài kiểm tra;
• các tệp quan trọng.

Đừng chỉ dựa vào bộ nhớ nén của agent.

4. Phê duyệt phải là bước cuối cùng

Đừng gián đoạn liên tục.

Tốt hơn:

Điều tra → thực hiện → kiểm tra → chuẩn bị kết quả → xem xét → phê duyệt → thực hiện hành động không thể đảo ngược

5. Điểm chuẩn như hướng dẫn

Mind2Web và OSWorld có thể giúp bạn quyết định những gì cần kiểm tra.

Nhưng các KPI thực sự phải là nội bộ:

• tỷ lệ thành công;
• thời gian thực thi;
• chi phí cho mỗi tác vụ;
• số lần lặp;
• việc làm lại;
• sự can thiệp của con người.

9. Các lỗi thường gặp

Trước khi kết luận:

"Astra yếu."

hãy kiểm tra trước, theo thứ tự này:

1. Khả năng hiển thị

Mô hình có thực sự khả dụng không?

1. Khung

Codex đã được cập nhật và cấu hình đúng chưa?

1. Lời nhắc

Các hướng dẫn có rõ ràng không?

1. AGENTS.md

Có quy tắc mâu thuẫn nào không?

1. Kỹ năng

Có quy trình cũ hoặc không nhất quán không?

1. Định tuyến

Bạn có đang sử dụng đúng mô hình cho công việc không?

Thường thì vấn đề không phải là dung lượng của mô hình.

Đó là môi trường mà mô hình đang hoạt động.

10. Danh sách kiểm tra triển khai cho nhóm

• Xác định ai sẽ sử dụng Astra.
• Kích hoạt các quyền quản trị cần thiết.
• Thiết lập chủ sở hữu và thời hạn.
• Tạo bảng định tuyến Luna/Terra/Sol/Astra.
• Tạo một AGENTS.md tối thiểu.
• Xác định approval_policy.
• Xác định sandbox_mode.
• Xác định điểm can thiệp của con người.
• Ghi lại các hoạt động bí mật.
• Thiết lập đánh giá chi phí hàng tuần.
• Ghi lại những tác vụ nào thực sự yêu cầu Astra.
• Chuyển đổi các lỗi lặp đi lặp lại thành Kỹ năng.

Ưu tiên là giảm lỗi và việc làm lại của nhóm, không chỉ đơn giản là tối đa hóa tốc độ của một agent riêng lẻ.

11. Cây quyết định: Sol so với Astra

Sử dụng trình tự này khi bắt đầu một tác vụ:

1. Có thể hoàn thành trong một lần trao đổi duy nhất không?

Có → Luna / Terra / Sol

Không → tiếp tục.

1. Nó có cần GUI, công cụ hoặc nhiều bước không?

Có → Astra

Không → tiếp tục.

1. Chi phí của việc thất bại có cao không?

Có → Astra

Không → Sol/Terra

1. Tác vụ có thể thay đổi độ khó trong quá trình thực thi không?

Có → xem xét Astra + điều chỉnh suy luận động.

1. Astra vẫn không khả dụng?

Thực thi cùng một quy trình làm việc với Sol.

Khi Astra xuất hiện, chỉ thay đổi mô hình và giữ nguyên cấu trúc.

12. Di chuyển API sang Astra

Thứ tự được khuyến nghị là:

1. Thay đổi mô hình

model = "gpt-6-astra"

1. Sử dụng Responses API

Đặc biệt nếu có các lệnh gọi công cụ.

1. Xem xét suy luận

Astra không sử dụng:

reasoning.effort = "none"

Bắt đầu với mức thấp khi đủ.

1. Xóa các tham số không cần thiết

Xem xét các tham số như:

temperature top_p

nếu mô hình hoặc điểm cuối không còn hỗ trợ chúng.

1. Xem xét bộ nhớ đệm

Di chuyển sang:

prompt_cache_options.ttl

khi có thể.

1. Xem xét lưu trú dữ liệu

Nếu bạn sử dụng cơ sở hạ tầng hoặc yêu cầu lưu trú tại EU, hãy xác minh các hạn chế tương ứng.

1. Điều chỉnh suy luận động

Trong một tác vụ khó:

Tăng nỗ lực suy luận khi tác vụ thực sự trở nên khó khăn.

Trong các hoạt động thông thường:

Quay lại mức độ suy luận thấp hơn khi suy luận bổ sung không còn hữu ích.

1. Công cụ dài

Xem xét thực thi không đồng bộ khi thời gian công cụ biện minh cho điều đó.

13. Cấu hình Codex tối thiểu

Một cấu hình ban đầu có thể là:

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

Và kho lưu trữ nên chứa một AGENTS.md xác định:

AGENTS.md

Mục tiêu

• Giữ các thay đổi ở mức tối thiểu.
• Hoàn thành yêu cầu tất cả các bài kiểm tra bắt buộc phải đạt.

Phạm vi được phép

• src/
• tests/

Các điểm phê duyệt

• Triển khai sản xuất
• Truyền dữ liệu ra bên ngoài
• Thay đổi quyền
• Hợp nhất cuối cùng

Hành vi vận hành

• Làm việc tự động trong phạm vi được phép.
• Ưu tiên các hành động có thể đảo ngược.
• Tạo ra kết quả có thể xem xét trước khi yêu cầu phê duyệt.
• Không đặt các câu hỏi xác nhận không cần thiết.

Sau khi sửa đổi cấu hình:

1. khởi động lại Codex;
2. thực hiện một tác vụ đọc nhỏ;
3. xác minh rằng môi trường hoạt động;
4. bắt đầu tác vụ chính.

14. Định nghĩa "mức sử dụng tối đa" trong một câu duy nhất

Trong tài liệu này, mức sử dụng tối đa không có nghĩa là tiêu thụ số lượng token tối đa.

Nó có nghĩa là:

Tập trung Astra vào các tác vụ mà nó thực sự có thể tạo ra sự khác biệt, thực hiện mọi thứ khác một cách tiết kiệm, và xây dựng một nền tảng vững chắc về hướng dẫn, giới hạn, phê duyệt và quản lý ngữ cảnh để các tác vụ dài có thể được hoàn thành mà không bị gián đoạn không cần thiết.

Một số quyết định xuất phát từ định nghĩa này:

• Tốt hơn là cập nhật bảng định tuyến hàng tuần hơn là thay đổi mô hình một cách tùy tiện.
• Tốt hơn là thực hiện một bài kiểm tra gỡ lỗi thực tế hơn là thử mọi tính năng mới.
• Tốt hơn là đo lường thành công và thời gian cho mỗi tác vụ hơn là chạy theo các điểm chuẩn.
• Chúng ta không được biến các cụm từ quảng cáo thành thông số kỹ thuật nội bộ.
• Nếu Astra không khả dụng, Sol có thể được sử dụng như một giải pháp thay thế tạm thời.

15. Ba Sản phẩm Cơ bản

Cuối cùng, toàn bộ hệ thống này sẽ tạo ra ba yếu tố:

1. Bảng phân bổ động

Xác định thời điểm sử dụng:

Luna / Terra / Sol / Astra

2. AGENTS.md

Xác định:

• quy tắc;
• phạm vi;
• hạn chế;
• bài kiểm tra;
• điều kiện hoàn thành;
• điểm kiểm tra của con người.

3. Prompt vận hành dài

Phải xác định:

• vai trò;
• mục tiêu;
• điều kiện hoàn thành;
• quy trình;
• giới hạn;
• công cụ;
• xác thực;
• định dạng đầu ra.

Ba yếu tố này quan trọng hơn việc ghi nhớ toàn bộ danh mục tính năng.

16. Thẻ Phân loại để Sao chép

Sử dụng thẻ này khi bắt đầu mỗi phiên làm việc quan trọng:

Thẻ không cần phải hoàn hảo.

Mục tiêu của nó là tạo ra một thói quen phân loại.

Nếu bạn đề xuất Astra nhưng tác vụ chỉ cần câu trả lời ngắn, có lẽ bạn đang sử dụng mô hình quá lớn.

Nếu Sol thất bại liên tục do mất ngữ cảnh hoặc không thể hoàn thành một chuỗi hành động dài, có lẽ đã đến lúc chuyển lên Astra.

17. Cách Thực sự Suy nghĩ về Giá cả

Tỷ lệ trên một triệu token chỉ là một phần của phương trình.

Ví dụ:

Astra

• Đầu vào: $10
• Đầu ra: $50

Sol

• Đầu vào: $4
• Đầu ra: $20

Astra đắt hơn.

Nhưng hãy tưởng tượng:

Sol

$5 token + 4 lần thử + 2 lần thất bại + làm lại của con người = chi phí thực tế cao

Astra

$12 token + 1 lần thử + kết quả chính xác = tổng chi phí mỗi tác vụ thấp hơn

Do đó, đối với các tác vụ ngắn:

Giá mỗi token rất quan trọng.

Đối với các tác vụ dài:

Chi phí mỗi tác vụ đã hoàn thành quan trọng hơn nhiều.

Chỉ số cuối cùng nên là:

Chi phí × tỷ lệ thành công × thời gian × sự can thiệp của con người

và không chỉ là:

$/1 triệu token

Kết luận

Mục tiêu của Astra không nên là biến nó thành mô hình mặc định cho mọi thứ.

Mục tiêu nên là xây dựng một hệ thống nơi mỗi mô hình thực hiện công việc mà nó hiệu quả nhất.

Luna

Khối lượng lớn và các tác vụ đơn giản.

Terra

Cân bằng giữa chi phí và năng lực.

Sol

Công việc tiêu chuẩn và lập trình tổng quát.

Astra

Các tác vụ phức tạp, dài, tác nhân, GUI, toán học, gỡ lỗi và các công việc mà thất bại gây tốn kém.

Mô hình mạnh mẽ nhất là:

Điều tra với chi phí thấp → lập kế hoạch → thực thi với Astra khi cần thiết → xác minh → chuẩn bị kết quả có thể xem xét → sự can thiệp của con người chỉ ở điểm kiểm tra cuối cùng.

Tối ưu hóa thực sự không phải là sử dụng Astra nhiều hơn.

Đó là biết chính xác khi nào Astra đáng giá.

Và các tác nhân càng phức tạp, cơ sở hạ tầng xung quanh chúng càng quan trọng: AGENTS.md, Skills, sandbox, phê duyệt, quản lý ngữ cảnh.**