开始使用 GPT-6 Astra 时，你应该设置什么？
我对此进行了深入的研究。
推理强度、权限、记忆、浏览器、Codex、上下文……
我研究得越深入，发现的不熟悉术语就越多。
我希望通过阅读这篇文章，你能顺利过渡到目前时间线上流传的那些中级文章。
那么……
非工程师的上班族不需要从一开始就记住所有东西。
在研究了这 30 个项目后，我觉得最重要的事情出奇地简单。
在关注“AI 性能”之前，先决定“你希望 AI 如何工作”。
就是这样。
还有一点。
官网上写的设置 不一定就是你电脑上当前实际运行的设置。
这次，我实际检查了 Codex 的内容，在那里也发现了一些有趣的发现。
这篇文章不是一堆难以理解的设置。
我将从“如果你是上班族，为什么要检查这个？”的角度，解释你在开始使用 GPT-6 Astra 工作之前应该了解的 30 个项目。
*信息截至 2026 年 9 月 7 日。由于 GPT-6 Astra 刚刚发布，屏幕显示和服务条款未来可能会发生变化。
“30 项初始设置”到底是什么？
我先解释这一部分。
这不是一篇关于打开 30 个开关的文章。
这 30 个项目大致分为三种类型：
① 需要在屏幕上检查的设置
例如，模型、数据使用、浏览器等。
② 如何向 AI 请求工作
例如“它能自主决定多少”以及“什么才算完成”。
③ 给更有经验用户的设置
例如 Codex 的 config.toml 和 AGENTS.md。
对于初学者来说，前 10 个项目就足够了。
让我们按顺序来。
第一级：首先检查的 10 个项目
1. 首先，检查“你可以在哪里使用 Astra”
这是第一个陷阱。
“我是 Plus 会员，但我找不到 GPT-6 Astra。”
这种情况会发生。然而，
“Astra 还没有来到我这里”
并不一定是真的。
ChatGPT 有几个入口点：
- 普通聊天
- ChatGPT Work
- Codex
截至 2026 年 9 月 7 日，你可以使用 Astra 的入口点取决于你的套餐。
首先，
检查“在我的套餐下，我可以在哪里使用 Astra？”
这是设置 0。
2. 将应用和 Codex 更新到最新版本
这很平凡但很重要。
想象一下几个月不更新智能手机应用。即使添加了新功能，它们也可能不会在旧应用中显示。
Codex 也是如此。在我这次调查的环境中，
Codex CLI 0.151.0-alpha.2
正在运行。然而，GPT-6 Astra 支持需要更新的客户端。
在 OpenAI Codex 发布中，0.153.4 版本包含了一个修复，以在捆绑的模型选择器中显示 Astra。(GitHub
换句话说，
当“Astra 不出现”时，
在假设“它还没有推送给我”之前，
先检查应用是否过旧。
[副经理太郎的测量笔记 ①] Astra 不见了
这次，我实际检查了 Codex 中的模型列表。结果是：
11 个模型。0 个 GPT-6 Astra。
起初，我想，“也许它还没有发布。”
但当我深入研究时，我发现我使用的 Codex CLI 是 0.151.0-alpha.2。这是一个比支持 Astra 的版本更旧的版本。
换句话说，
Astra 不出现 ≠ 一定是合同计划的问题。
在我的案例中，
这是一个我应该首先怀疑客户端版本的情况。
当你找不到新的 AI 时，按这个顺序检查更容易：
合同计划
↓
应用或 CLI 版本
↓
推送到你账户的状态
3. 不要认为 Chat、Work 和 Codex 都是一样的
这对初学者来说也很难理解。我大致是这样使用它们的：
Chat
提问、咨询、撰写文本。
Work
研究、创建文件、并让它完成结果。
Codex
代码、文件编辑、自动化等。
例如：
“把这封邮件写得更礼貌一些” -> Chat。
“研究 10 个竞争对手并创建一个对比文档” -> Work。
“创建一个每天早上汇总销售的系统” -> Codex。
它们都是 AI，但 它们专门的工作场所不同。
4. 能够使用 Astra 与实际使用 Astra 是不同的
这里也要小心。即使 Astra 可用，它也不一定会每次都自动被选中。
在模型选择屏幕上，检查“当前选择了哪个模型”。
用人来比喻，你雇佣了一个出色的新员工，并不意味着那个人在处理每一项工作。
5. 不要把所有事情的“思考强度”都设为最大
Astra 有一个设置可以改变它思考的深度。这被称为推理努力。
不要想太多。把它想象成一辆车：“我想把引擎转速拉到多高？”
你不需要为了纠正一个短句而使用最大输出。另一方面，对于像比较多个文档以做出管理决策这样的工作，最好让它彻底思考。
重要的是 最大 ≠ 总是正确答案。
6. 区分“在你的电脑上运行的工作”和“在云端运行的工作”
在你让 AI 完成一项工作后，即使你关闭电脑，它还会继续运行吗？这取决于它在何处执行。
例如，如果是一个在云端运行的任务，它可能会在你关闭电脑后继续。另一方面，如果是一个操作你自己电脑的工作，那么那个环境是必需的。
与其记住复杂的机制，不如问一句 “这个工作在哪里运行？” 就足够了。
7. 为每个工作分离项目
这立即可用。例如，如果你在同一个地方与 AI 谈论“销售”、“招聘”、“社交媒体”和“产品开发”，信息会混在一起。
我建议 按主题分离项目。
想象一张桌子：你不会把销售材料、招聘材料和产品规划文件都堆在同一张桌子上。就像为每个工作创建抽屉一样。
8. 最好不要给 AI 看太多材料
我曾经认为，“如果我给 AI 很多材料，它会变得更聪明。”但这不一定是真的。
如果你给它大量不相关的材料，就很难分辨什么是重要的。
例如，如果你只想让它分析这个月的销售额，你不需要给它所有三年前的会议材料或人力资源文档。
只给那个工作所需的材料。 这是基本规则。
9. 不要试图让第一条指令完美无缺
花几十分钟思考给 AI 的指令文本是初学者容易做的事。但是，对于像 Astra 这样的 Agent 型 AI，你可以中途通过说“那不对”或“添加这个条件”来纠正方向。
所以，与其在写完 100 条指令后开始，不如 决定目标，开始，然后沿途修正。 对于某些工作来说，这种方式更容易。
10. 对于长时间的工作，检查“它是否会中途停止”
你要求了一个一小时的调研任务。你关闭了电脑。第二天早上，你发现它停止了。这是个问题。
当委托长时间的工作时，检查“是否是一个即使电脑关闭也能继续的环境”以及“如果出现疑问是否会通知你”。
以上就是前 10 个项目。对于初学者来说，目前这些就足够了。
第二级：安全和质量的 10 个项目
11. 如果在工作中使用，查看数据控制
如果你将个人 ChatGPT 用于工作，这是一个我希望你检查的设置。ChatGPT 有一个叫做 为所有人改进模型 的设置。
这是一个关于将数据用于模型改进的设置。但是，有一个注意事项：仅仅因为你关闭了这个功能，并不意味着你可以放入任何机密公司材料。 公司规定优先。
12. 不要让记忆记住所有东西
记忆很方便，可以让它记住“我喜欢这种写作风格”之类的事情。但它不是一个用来存储客户信息、密码、绝对公司规则或机密事项的地方。
特别是，不要依赖记忆来记住“你绝对希望它遵守的工作规则”。
13. 临时聊天不是一个“秘密模式”
当你看到临时聊天这个名字时，你可能会想“我在这里写的东西都不会留下。”但事情没那么简单。
重要的是 临时聊天 ≠ 你可以忽略公司信息管理规定。 在处理敏感信息之前，检查一下它是否是你首先被允许输入的信息。
14. 个性不是“智能”
个性会改变 AI 的角色和说话方式。这不是一个能突然使其能力翻倍的设置。如果你在工作中使用它，根据你的偏好来设置就足够了，比如“我想要简洁的结论”或“我想要一份礼貌的报告”。
15. 不要把所有的东西都塞进自定义指令
自定义指令很方便。但是，如果你把公司规则、这个月的数字、产品信息、社交媒体规则、客户信息和写作规则都塞进去，实际上会变得更难理解。
只放你常用的东西。把每个项目的信息放到那个项目的文件夹或材料里。为信息也创建一个位置。 这很重要。
16. 决定“它能自主做多少”
我认为这是 Astra 时代最重要的事情。例如：
- 阅读材料
- 修正文本
- 整理表格
对于这些，让它按原样进行。另一方面：
- 发送邮件
- 删除文件
- 购买产品
- 产生费用
- 更改权限
对于这些，让它先与你确认一次。换句话说，委托可逆的工作。检查不可逆的工作。 记住这一点就行。
17. 告诉它“什么才算完成”
仅仅告诉 AI “制作一份报告”并不能告诉它何时结束。例如，告诉它：
- 一页 A4 纸
- 给老板看的
- 3 分钟内可读完
- 在最后写结论
- 用原始材料验证数字
用难懂的术语来说，这被称为完成的定义。用简单的话来说，“完成条件” 就足够了。
18. 让它搜索最新信息
这很重要。AI 看起来什么都知道。但是，像今天的价格、最新的服务、法律、新闻、总裁的名字和可用的套餐这些都会变化。
所以，当涉及最新信息时，要求它 “在网上检查最新信息。” 此外，加上“优先考虑官方信息。”仅此一项就能显著减少事故。
19. 决定检查什么
如果你让 AI “检查所有东西”，它可能会检查比必要时间更长的时间。例如，对于一份报告，将检查重点放在：
- 数字
- 名称
- 日期
- 网址
对于 Excel，检查：
- 总计
- 单位
- 期间
- 公式
将检查项目作为工作的一部分。 这是诀窍。
20. 不要从一开始就允许所有事情
当委托 AI 进行浏览器或文件操作时，每次都检查很繁琐。所以你会想允许所有事情。但是，对于公司使用，从“需要检查”开始更安全。一旦你使用它并发现“委托这个任务没问题”，然后再放宽限制。
在这里，我又调查了一件事
为了写这篇文章，我还调查了“官网上的数字和我环境中的数字是否真的相同”。
那里有趣的是 上下文长度。 上下文，简单来说，就是 AI 可以一次摊在桌子上的材料量。桌子越宽，它工作时可以查看的材料就越多。
然而，当我调查时，API 规格、Codex 目录和实际执行环境中显示的数字并不一定相同。
在 GPT-5.6 Sol 中，官方 GitHub 上已经确认了在 Codex 端使用 272,000 个 token 值的案例。(GitHub
换句话说，仅仅因为你读到一篇文章说“这个模型支持 100 万个 token”，并不意味着你可以在你的 Codex 中使用 100 万个 token。这是这次验证中最有教育意义的部分。
第三级：熟练后再看的 10 个项目
从这里开始，有点高级。初学者，请在需要时再回来。
21. 将 AI 浏览器和你的日常浏览器分开
在你通常使用的浏览器中，你登录了很多东西，比如邮件、银行、社交媒体和公司系统。当委托 AI 进行浏览器操作时，你不需要从一开始就让它看到所有东西。从一个为 AI 准备的单独浏览器开始。只在必要时使用你常用的浏览器。这样更安全。
22. 缩小它可以访问的网站范围
当 AI 可以操作网络时很方便。但它不需要能够去任何地方。只允许你日常使用的网站。限制不必要的网站。用公司的话来说，仅仅因为你有一张工卡，并不意味着你可以进入公司的每一个房间。是一样的道理。
23. 只连接必要的外部服务
Google Drive。邮件。日历。内部系统。将它们连接到 AI 会让事情变得方便。但是，连接的越多，AI 可以访问的范围就越广。起初，只连接你真正使用的服务。 这就够了。
24. 不要增加太多技能
技能，简单来说，是一种让 AI 学习如何做特定工作的机制。例如，“研究竞争对手产品的技能”或“检查社交媒体帖子的技能”。拥有 100 个技能并不会让它优秀 100 倍。相反，更重要的是知道何时使用哪个技能以及它做什么。
25. 审查你很久以前制作的 AGENTS.md
这是给那些已经使用 Codex 一段时间的人准备的。你是否在每次旧的 AI 失败时都添加规则，比如“总是阅读所有内容”、“总是检查”或“测试所有内容”？那些规则对于当前的 Astra 可能是不必要的。当你更换新模型时，看看是否可以删除旧设置，而不仅仅是添加新设置。这也很重要。
26. 不要认为“因为它是 100 万个 token，所以可以‘把所有东西都放进去’”
即使有巨大的上下文可用，你也不需要一次给出所有材料。想象一个下属一次把 10 年的会议材料都放在桌子上。即使桌子很宽，搜索起来也很难。能够快速找到所需的材料更重要。
27. 在 Codex 中固定默认模型时要小心
当你大量使用 Codex 时，你可能会在配置文件中固定你每次使用的模型。这很方便，但是，仅仅因为你在配置文件中写了它，并不意味着那个值是真正有效的。 这是我这次测量中担心的事情。
[副经理太郎的测量笔记 ②] “能够写入”和“生效”是不同的
为了调查可以作为设置接受的值，我尝试了几个候选值。让我担心的是，即使我放入一个明显的测试值，也有命令本身以退出代码 0 结束的情况。换句话说，至少在我这次检查的命令中，“能够写入设置”和“该设置正确”不是一回事。对于上班族也是如此。你在 ChatGPT 中写了设置。你在 config.toml 中写了设置。你在自定义指令中写了规则。不要满足于此；检查一次它是否真的在用那个设置运行。 最好认为检查是设置的一部分。
28. 保持网络和文件权限最小化
当你委托 AI 工作时，它能做的事情增加了：它可以写文件、搜索网络、访问外部网站。但是，只允许工作所需的范围。这是基本规则。一个“只能做必要事情”的 AI 在公司里可能比一个“什么都能做”的 AI 更容易处理。
29. 不要每次都使用“最强”设置
当你开始使用 AI 时，你会想使用看起来性能最高的设置。但是，像修正 3 行邮件这样的工作所需的能力，与分析公司业务计划这样的工作是不同的。轻松的工作应该轻松处理。困难的工作应该深入处理。这种区分很重要。
30. 在公司里，决定“谁被允许做什么”
如果是个人使用，你自己设置好就行了。在公司里，事情不是这样的。谁使用 Astra？他们可以处理什么样的数据？他们可以连接什么样的服务？你是否允许外部传输？只有在决定了这些之后，你才能说公司已经引入了 AI。
这次最让我惊讶的事情
在研究这 30 个项目时，我注意到了一件与 Astra 本身无关的事情。我最初以为 我可以通过查看官网来了解设置。 然而，当我在不同的环境中检查相同的 5 个项目时，相当多的项目仍然是“未测量”或“未确认”的。
在一个环境中，Codex CLI 本身丢失了。在另一个环境中，Codex 存在，但版本很旧，Astra 不在模型列表中。换句话说，官方写的是“产品能做什么”。 另一方面，你的环境当前是如何运行的，只能通过查看你的环境来了解。 这是一个相当大的差异。
这不是“和官方说的不一样！”
我写这个是为了避免误解。即使上下文长度出现了 272,000、872,000 和 1,050,000 等多个数字，也不意味着其中一个就是简单的谎言。作为 API 可用的上限。Codex 在那个环境中允许的上限。屏幕上的有效值。你看到的东西有可能是不一样的。 事实上，在 OpenAI Codex GitHub 上，已经确认了在 Codex 端设置/报告了 272,000 个 token 的案例。所以，在看数字时，不要只看“多少个 token？”，还要看 “哪个产品、在哪个屏幕上的数字？” 这很重要。
如果你今天要做，就这 5 个
30 个项目是不可能的。如果你这么想，你是对的。我也不打算每天早上检查 30 个项目。如果你今天要做，就这 5 个：
1. 检查你可以在哪里使用 Astra
2. 区分“在你的电脑上运行的工作”和“在云端运行的工作”
3. 如果在工作中使用，检查数据控制
4. 决定“可以自主进行的工作”和“需要检查的工作”
5. 在向 AI 请求工作时写下“完成条件”
对于初学者来说，这就够了。
最后。设置 Astra 就像“如何向一个出色的下属委派工作”。
我认为研究 GPT-6 Astra 的 30 个设置很难。但是，当我把它替换成公司工作时，突然变得更容易理解了。当你让下属做一项工作时，你不会只说“尽力而为”。你会告诉他们：
- 你想让他们做什么
- 他们应该看哪些材料
- 他们可以自主决定多少
- 你希望他们什么时候咨询你
- 什么才算完成
AI 也是一样。所以，当我让 Astra 做一项工作时，我决定先看这四件事：
目的：我想完成什么？
材料：它可以看什么？
委派范围：它可以自主决定多少？
完成条件：需要做什么才能完成？
这比记住困难的提示词更重要。还有一点我从这次的测量中学到的是：
“我设置了”和“它正在用那个设置运行”是不同的。
阅读官网。进行设置。最后，在你自己的环境中检查一次。在一个像 GPT-6 Astra 这样产品更新迅速的时代，我认为把这包括在内才是“初始设置”的意义所在。截至 2026 年 9 月 7 日，Codex 端在支持 Astra 后仍在继续修复。事实上，在 0.153.4 版本中，已经发布了一个修复，以在捆绑的模型选择器中显示 Astra。
所以，这篇文章也不是“永恒的正确答案”。重要的是 不要假设你昨天读到的设置今天仍然正确。 当你引入一个新的 AI 时，你会增加新的设置。在此之前，尝试审查一下你当前的设置。我也是从那里开始的。这种思维方式在未来新模型出现时会很有用。现在，让我们继续阅读中级文章及以后的内容。感谢你阅读到最后。
[【为想用 AI 减少加班的上班族开设的开放式聊天室已开启！】]
🎁 参与福利 🎁
零加班 AI 工作策略入门套件
AI 初学者和只想看看的人也欢迎！首先，请随意来看看！
👇 请从这里加入。
https://app.notion.com/p/10-3b78eeee609c8070997bc1ef986488ef?source=copy_link
