2026 年 9 月 3 日，OpenAI 發布了 GPT-6 Astra。
許多人只是將他們的 Codex 模型設定切換到 Astra，然後就停在那裡了。
然而，OpenAI 當天不僅僅是更新了模型。官方公告明確指出，他們同時更新了 Codex 的「Harness」與 Astra（來源：OpenAI「GPT-6 Astra：新一代智慧」https://openai.com/index/gpt-6-astra/）。
大腦，以及大腦運作的環境。OpenAI 同時重建了這兩者。
但是，如果存在不明確的指示或相互矛盾的規則，Astra 可能會中途停止任務，或不斷要求澄清。
在這篇文章中，我將提供這三項內容：
- 構成 Codex Harness 的 8 個元素的完整說明（附優先級）
- 4 個你可以立即複製貼上的診斷與盤點提示詞
- 一個執行順序，告訴你今天如何在 30 分鐘內開始行動
沒必要藏私，所以我會先分享最重要的提示詞。這個提示詞能讓 Codex 自我報告其當前的專案狀態。
▼ 從這裡開始複製
你是一位 Codex Harness 設計師。
目標是創造一個狀態，讓 GPT-6 Astra 能夠在此專案中「安全地、可重複地、並且在不需要每次詳細指示的情況下完成任務」。
首先，不要做任何更改。審查當前的專案配置、設定檔和可用功能，然後診斷以下項目：
- AGENTS.md：目的、要遵守的規則、禁止事項、完成條件和參考資料是否清晰？
- docs / context：結構是否組織良好，以便你能自己找到必要的資訊？是否存在過時、冗餘或矛盾的描述？
- Skills：哪些重複性任務應該轉換為 Skills？反過來說，哪些 Skills 是不必要的？
- MCP / Plugins：缺少哪些外部工具或數據連接？
- Environment：你是否能自己重現依賴項、設定和測試執行？
- Permissions / Sandbox：你是否被賦予了過多的權限？反過來說，是否有太多待處理的審批阻礙了工作？
- Hooks / Tests：執行前檢查、機密檢測、測試和完成檢查能否自動化？
- Browser / Computer Use：是否有任務應該透過實際操作成品來驗證？
- Subagents：是否有像研究、審查或測試這類可以透過並行處理來加速的任務？
- Feedback Loop：是否存在一個機制，能將過去的失敗或修正指示回饋到 AGENTS.md / docs / Skill / Hook / Test 中？
輸出格式：A. 對每個項目進行 5 分制評估 B. 前 5 大關鍵缺陷 C. 今天可以在 30 分鐘內修復的事項 D. 需要在一週內系統化的事項 E. 需要建立/更改的檔案以及具體的更改建議 F. 安全/權限風險 G. 實施優先級
不要根據推測編造設定。在判斷之前，請檢查當前可用的 Codex 功能和版本。清楚說明功能是 Experimental / Beta / Deprecated。
在我審查完這些診斷結果之前，不要更改檔案、擴展權限或連接到外部服務。
▲ 複製到這裡為止
在你讀完這篇文章之前執行這個動作，之後可以幫你節省時間。
本文的目標與用途
本文的目標是截至 2026 年 9 月 7 日的 Codex。Codex 更新很快，請在閱讀前確認日期。
內容包含 8 個 Harness 組件、7 個成熟度等級，以及 4 個可複製貼上的提示詞模板。
目標讀者是「那些使用 Codex，但在寫完 AGENTS.md 後就停下來的人」。我會在技術術語首次出現時提供註解，讓非工程師也能閱讀。
為了確保即使你不讀完全部內容也能獲得價值，我為每個元素都標註了「優先級」。如果你只挑選高優先級的項目來做，至少能讓它發揮最低限度的功能。
究竟什麼是「Harness」？
Harness 是一個連接模型、工具和人類以完成工作的系統。
在 OpenAI 的技術部落格「Unrolling the Codex agent loop」（2026 年 1 月，Michael Bolin）中，Codex harness 被描述為「作為所有 Codex 體驗基礎的核心 agent 循環和執行邏輯」（https://openai.com/index/unrolling-the-codex-agent-loop/ ）。
Agent 循環指的是這個重複過程：
- 接收使用者輸入
- 查詢模型進行思考
- 執行模型選擇的工具
- 顯示結果並讓它再次思考
運行這個循環的是 Codex 端，而不是模型。
用公司來比喻：
Astra = 一位極具天賦的員工的大腦。Harness = 這位員工工作的公司本身。包括僱傭規則、內部 Wiki、操作流程、內部系統的存取權限、審批規則、檢查流程，以及同事。
一個常見的錯誤是懶惰地總結為「AGENTS.md = Harness」。AGENTS.md 只是 harness 的一部分。就像一間公司不能只靠一本分發的規章手冊來運作。
實際上，將 AGENTS.md、Skills、MCP、Hooks、權限設定、執行環境、瀏覽器和 Subagents 等元素結合起來，創造一個「舒適工作環境」的整體努力，被稱為 Harness Engineering。本文就是在這個意義上使用這個詞。
Astra 發布後實際改變了什麼？
有三件事，都是 OpenAI 官方陳述的。
- OpenAI 同時改進了大腦和環境
在宣布 Astra 時，OpenAI 明確表示他們更新了 Codex harness，並報告在 Mind2Web 瀏覽器操作基準測試中，任務完成速度比 GPT-5.6 Sol 環境快了 1.9 倍。
在 OSWorld 2.0 中，Astra 得分為 72.6%，而 GPT-5.6 Sol 為 65.7%。此外，所需時間的模擬評估報告顯示，每個任務從大約 75 分鐘減少到大約 40 分鐘。
這裡需要謹慎：這些是 OpenAI 自己發布的數據，並且是在特定條件下的基準測試結果。無法保證在你的環境中也會快 1.9 倍。
然而，要點很明確：速度的提升來自模型和執行環境的結合，而不僅僅是模型本身。
- Astra 能更好地閱讀「周圍的指示」
這對實際工作來說是最有效的改變。
OpenAI 的模型指南指出，雖然 Astra 具有更強的指令遵循能力，但它也可能對 Skills 和 AGENTS.md 等檔案中包含的指令更加敏感。它強烈建議審計 Skills 和模型可存取的其他檔案（https://developers.openai.com/api/docs/guides/latest-model）。
同一份文件包含一個更具體的警告：技能檔案中不明確或矛盾的指令可能導致模型在早期階段停止並阻礙工作。
情況是這樣的：
大腦變得更聰明了。因此，它比以往更忠實地遵循好的和壞的規則。
假設你從去年開始一直在添加內容的 AGENTS.md 中，殘留了一句無用的句子。Sol 可能會適當地忽略它。Astra 則會嚴格遵守。
- 委派和記憶體處理的變化
根據官方公告，Astra 現在可以在 Codex 的上下文視窗之間維護筆記，避免了每次都需要將累積的細節重新壓縮成單一摘要。這減少了長時間任務中的資訊遺失。
然而，截至 2026 年 9 月 7 日，這是一個實驗性功能。它必須在 config.toml 中明確啟用，並且預設是關閉的。OpenAI 已宣布將在未來幾週內使其成為 Astra 的預設功能，但現在，除非你自己添加設定，否則它無法運作。
另一方面，模型指南也指出，對於 Astra 來說，「對 Subagents 的委派可能不會像你的工作流程所期望的那樣頻繁」。這意味著如果你想要並行處理，你必須在 harness 端指定何時進行委派。
指南還提到，Astra 傾向於提供詳細且格式化的回應，因此你應該指定所需的風格和結構。
所有這些都指向：「不要因為模型很聰明就放任不管」，而是「因為它很聰明，它會完全按照指定的方式行動，所以請修正你的規格。」
Harness 的 8 個元素地圖
這裡列出的 8 個元素和稍後描述的 7 個成熟度等級並非 OpenAI 的官方定義。它們是根據目前所見的官方資訊，為本文獨家整理的。請將其視為一個實用框架。
以下是附有公司比喻和優先級的地圖：
- AGENTS.md | 僱傭規則與基本方針 | 優先級：最高
- docs / Context | 內部 Wiki 與手冊 | 優先級：高
- Skills | 標準作業程序 | 優先級：高
- MCP / Plugins | 連接內部系統 | 優先級：中
- Environment | 電腦、辦公桌、工作環境 | 優先級：高
- Permissions / Sandbox | 權限與審批規則 | 優先級：最高
- Hooks / Tests | 自動檢查與檢驗 | 優先級：中
- Browser / Subagents | 眼睛、雙手、下屬 | 優先級：中
初學者應從 1 和 6 開始。原因很簡單：只要整理好這兩項，就能為其他元素奠定基礎。然而，這並不意味著你不應該檢查其他項目。透過 MCP 連接的外部服務的權限、Skills 中的程序，以及 Hooks 執行的腳本，都是安全驗證的主題。特別是 MCP 是對外的連接，請單獨檢查目標是否可信，以及授予的權限是否最小化。
以下是每個元素的說明。
指令與知識層 | AGENTS.md, docs, Skills
這是什麼：放置在儲存庫根目錄的 Markdown 檔案。Codex 在開始工作前會讀取它，並將其視為專案特定的規則。
它的作用：你可以避免在每次提示詞中都寫入像「總是使用這個命令運行測試」或「不要碰這個目錄」這樣的前提。
幾乎每個人在這裡犯的錯誤就是塞入過多內容。
OpenAI 的技術部落格「Harness engineering: leveraging Codex in an agent-first world」（2026 年 2 月 11 日，Ryan Lopopolo）描述了內部的失敗。嘗試使用一個龐大的 AGENTS.md 導致了上下文壓力、殘留的舊規則，以及對什麼是重要的感到困惑（https://openai.com/index/harness-engineering/）。
該團隊轉而將 AGENTS.md 作為大約 100 行的「地圖」來操作。詳細內容放在 docs 下，AGENTS.md 只是指向它們。
與其讓一位才華橫溢的新員工記住一本 1000 頁的規則手冊，不如給他們一份指南地圖，上面寫著：「如果卡住了，看看這個架子。」這就是差別所在。
上下文是一種有限的資源。龐大的指令檔案會排擠任務本身或需要閱讀的程式碼位置。
一個地圖風格的 AGENTS.md 通常看起來像這樣：
▼ 從這裡開始複製
AGENTS.md
這個專案是什麼？
（1-3 行。你在做什麼，誰會使用它？）
優先閱讀這些
- 設計方針：docs/architecture.md
- 目錄結構：docs/structure.md
- 詞彙表：docs/glossary.md
- 過去的失敗與修正：docs/postmortems.md
要遵守的規則
- 測試：使用（實際命令）運行所有測試，並且不要在仍有失敗測試的情況下報告完成。
- 禁止區域：（列出路徑）
- 提交前：（linter / formatter 命令）
完成的定義
僅在滿足以下所有條件時才報告「完成」：
- 測試通過
- 更改意圖可以用一段話解釋
- 已自我驗證無預期外的副作用
有疑問時
不要做假設，提出至少兩個選項並詢問我。
指令優先級
- 我（使用者）的即時指令
- 此 AGENTS.md
- Skills 中的程序 你可以忽略與較高優先級衝突的較低優先級指令。如果你跳過某個指令，請報告其名稱。
▲ 複製到這裡為止
最後的「指令優先級」對於 Astra 及之後的模型特別有效。模型指南明確指出要釐清使用者指令還是技能指令優先。
這是什麼：AGENTS.md 引用的實際知識庫。設計文件、架構圖、詞彙表、過去的決策記錄等。
它的作用：Codex 只在必要時讀取它們，因此不會持續消耗上下文。
在 Harness Engineering 文章中，最引人注目的是對初期進展緩慢的解釋。這不是因為 Codex 能力不足，而是因為「環境的規格不足」。
缺少的是工具、抽象化、內部結構，以及以 Codex 可讀取形式存在的資訊。
所以當某件事失敗時，團隊的反應不是「讓它再努力試試」。而是思考：「缺少了哪項能力，我們如何讓它對 agent 來說是可讀取且可執行的？」
這就是 harness engineering 的本質。修復環境，而不是修改提示詞。
需要澄清的是，這是 OpenAI 內部的一個案例研究。一個 3 人團隊在 5 個月內，以 0 行人類編寫的程式碼，產出了大約 100 萬行程式碼和 1,500 個 PR；這並不意味著一般使用者可以複製同樣的結果。
這是什麼：一種 SKILL.md 格式的檔案。它將指令、參考資料和腳本（如有必要）捆綁在一起，以便每次都以相同的程序執行特定任務。
它的作用：你可以從複製貼上好用的提示詞，進化到將工作本身儲存下來。
例如，如果你將「文章創作」設為一個 Skill，其內容可能包括：
- 研究
- 事實查核
- 標題提案
- 結構設計
- 寫作
- 禁止詞彙檢查
- 最終審查
對於 Astra 及之後的模型，需要注意不要添加太多。Skill 的名稱和描述會被載入到上下文中，所以如果數量增加，描述會被截斷，使得判斷要選擇哪一個變得困難。如果描述相互矛盾或都聲稱「使用我」，模型可能會載入一個不適合該任務的 Skill。
Skills 是為了「僅在特定任務中需要的程序」，而不是「每次都需要執行的指令」。誤解這一點，就等同於把所有東西都寫進 AGENTS.md。
手腳層 | MCP, Plugins, Environment
這是什麼：MCP 是一個將 Codex 連接到外部工具和資料的標準，可在 CLI 和 IDE 擴充功能中使用。Plugins 是一種將 Skills、Connectors 和 MCP 工具一起分發的機制。在 Codex 中，它們在 ChatGPT 桌面應用程式和 CLI 中可用，但在 IDE 擴充功能中不可用。
它的作用：允許 Codex 存取外部文件、瀏覽器、設計工具等。
無論 Astra 多麼聰明，如果它無法接觸到必要的資訊，那就毫無意義。就像一位才華橫溢的員工卻沒有內部系統帳號。
不過，我將優先級設為「中」。你添加的 MCP 越多，工具選擇就越多，上下文消耗也越大。正確的做法是只添加你目前難以接觸到的東西。
這是什麼：實際動手操作的基礎架構，例如依賴項、設定程序、測試執行方法和工作目錄結構。
它的作用：Codex 可以自動驅動到「運行並驗證」的地步。如果缺少這個，Codex 就只會退化成一個程式碼編寫器。
一個簡單的檢查方法是，從一個乾淨的狀態要求它「設定環境、通過測試，並報告結果」。它在哪裡停下來，那裡就是缺少的東西。
使用 Git worktree 為每個任務分離目錄，可以降低多個並行任務互相衝突的可能性。
安全與檢查層 | Permissions, Sandbox, Hooks
這是什麼：兩個獨立的設定，決定了 Codex 可以自動執行多少操作。沙箱決定了檔案和網路的可及範圍，而審批政策則決定了在哪些地方需要請求人類確認。
根據官方 Codex 文件，CLI 和 IDE 擴充功能的初始設定被限制為無網路存取，並且只能在當前工作區內寫入（https://developers.openai.com/codex/sandbox）。
沙箱有 3 個等級：
- read-only：可以讀取但不能寫入。用於諮詢和規劃。
- workspace-write：可以在工作資料夾和臨時目錄內寫入。這是標準設定。
- danger-full-access：可以寫入任何地方。實際上移除了沙箱。
常用的 Auto 預設是 workspace-write 和「僅在必要時請求審批」的組合。當 Codex 嘗試編輯工作區外的內容或接觸網路時，它會停下來檢查。
如果你想在會話中切換，可以使用 /permissions 命令。一個實際的操作方式是：規劃階段使用 read-only，執行階段使用 Auto。
我希望你理解的是，自主性不等於允許一切。
僅僅因為審批很煩人就逃到 danger-full-access 是最沒有效率的解決方案。如果它只需要寫入某個特定目錄，那就只允許那個位置。
▼ 從這裡開始複製
【Codex CLI：規劃與工作的配置範例】
目標是 Codex CLI 0.134.0 或更新版本。
設定保存在三個檔案中：「Common」、「Planning」和「Working」。
不要將整個說明貼到一個配置檔中。只將對應的設定寫入各自的目標位置。
目標位置是標準的 Codex 設定。
■ 1. 通用設定
路徑：~/.codex/config.toml
不要刪除現有設定；添加或更改以下項目。如果存在相同的 [sandbox_workspace_write]，請編輯其內部內容以避免重複標題。
[sandbox_workspace_write]
network_access = false
僅在必要時指定額外的核准目錄。
writable_roots = ["/absolute/path/to/approved-directory"]
僅當需要額外的寫入目標時，移除 writable_roots 行開頭的 #，並將範例路徑替換為實際的絕對路徑。
■ 2. 規劃設定
路徑：~/.codex/plan.config.toml
將這兩行儲存在一個與通用設定分開的檔案中。
approval_policy = "on-request"
sandbox_mode = "read-only"
■ 3. 工作設定
路徑：~/.codex/work.config.toml
將這兩行儲存在另一個分開的檔案中。
approval_policy = "on-request"
sandbox_mode = "workspace-write"
■ 使用方法
不要將啟動命令寫入配置檔；在專案資料夾的終端機中運行它。
要啟動進行規劃：
codex --profile plan
要啟動進行工作：
codex --profile work
所選的 profile 設定將疊加在通用設定之上。
由於專案端的設定和組織限制也適用，請在啟動後使用 /permissions 檢查實際權限。
注意：network_access = false 是在沙箱內運行的命令的通訊設定。請單獨檢查像 MCP 這類外部連接的權限。
▲ 複製到這裡為止
擴展一個邊界與完全拋棄邊界本身是完全不同的。網路存取也是如此；只有對於真正需要獲取依賴套件的專案來說，這才是合理的判斷。
這是什麼：一種將你自己的腳本或 MCP 工具插入到 Codex 處理過程中的機制。它作為 Stable 功能預設啟用。
它的作用：例如，這些自動化操作：
- 在即將執行工具之前阻止危險命令
- 檢查像 API 金鑰這樣的機密
- 在編輯檔案後立即運行 linter
- 在工作結束時驗證測試是否通過
這是將「小心不要犯錯」轉變為「如果出錯，系統會阻止」。
然而，OpenAI 本身警告說，應將 Hooks 視為護欄，而不是絕對的執行邊界，因為 Codex 可能透過不同的工具路徑執行等效的工作。
你真正想阻止的事情，應該在沙箱和權限層級阻止，而不是 Hooks。Hooks 是疊加在上面的第二道防線。
眼睛與團隊層 | Browser, Subagents
讓它建立一個網站，然後以「我寫了程式碼，完成了」結束，這是一種浪費。
注意：此處描述的 Computer Use（實際螢幕操作）目前是 Codex 桌面應用程式版本的功能。本章處理的內建 Browser / Computer Use 在 ChatGPT 桌面應用程式中使用。內建 Browser 在 Codex CLI 或 IDE 擴充功能中不可用。對於 CLI/IDE 中的瀏覽器操作，請準備其他機制，如 MCP 或 Playwright。
你應該讓它這樣做：
- 打開瀏覽器
- 顯示實際畫面
- 嘗試操作它
- 找出損壞的部分
- 修復它們
- 再次檢查
Astra 是在電腦操作基準測試中表現顯著提升的一代，因此這個過程值得委派。在 OSWorld 2.0 中，時間從 75 分鐘減少到 40 分鐘的報告正是關於這一點。
在 Harness Engineering 案例研究中，他們創建了一個環境，讓 Codex 能夠處理 Chrome DevTools Protocol、DOM、螢幕截圖、日誌和指標，以處理從錯誤重現到修復和驗證的所有事情。
這是什麼：一種 Codex 將工作分配給多個子 agent 的機制。每個子 agent 都有獨立的上下文。
它的作用：並行處理讀取密集型、獨立的任務，例如研究、測試、日誌分析和摘要。
有兩點需要注意：
一是多個 agent 同時寫入相同的程式碼會發生衝突。並行處理寫入任務時要小心。
另一點是，這會增加 token 消耗。它變快了，但並沒有變便宜。
而針對 Astra 的具體情況，模型指南指出委派頻率可能低於預期。如果你想要並行處理，請在 AGENTS.md 或提示詞中明確指定：「你可以拆分研究任務並並行運行它們。」
Astra 時代的逆轉 | 盤點，而非添加
我列出了 8 個元素，但我想傳達的最重要的事情恰恰相反。
為 Astra 做的第一件事是對現有指令進行盤點。OpenAI 也建議審計模型引用的指令，例如 Skills 和 AGENTS.md。保留必要的指令，填補空白，並在驗證後修正或減少過時/矛盾的指令。
OpenAI 指南中使用的動詞是「auditing」（審計），而不是「adding」（添加）。
來自預先驗證過 Astra 的團隊的報告也指向了相同的方向。AI 程式碼工具提供商 Kilo 在一篇評論中寫道，Astra 明顯需要更少的 AGENTS.md 支架，並且過去一年中積累的大部分「防止模型偏離軌道的指令」現在已經不必要了。他們甚至建議，如果你有一個臃腫的 agent 檔案，嘗試刪除一半然後再試一次（https://blog.kilo.ai/p/gpt-6-astra-what-we-learned-previewing）。
這是一家公司的印象，並非官方觀點。然而，它與官方指南中「矛盾的指令可能導致過早停止」的說法完全吻合。
模型越聰明，就越容易被舊指令絆倒。矛盾，但卻是事實。
盤點最快的方式是由 Codex 自己來做。
▼ 從這裡開始複製
請閱讀此儲存庫中的 AGENTS.md、docs 下的所有內容，以及所有已載入的 Skill 檔案。暫時不要做任何更改。
假設使用 GPT-6 Astra 進行工作，請分類並報告以下內容：
【保留】仍然有效且實際上能改善你判斷的指令。用一句話解釋原因。
【刪除候選】符合以下任何一項的項目。引用原文並提供理由。這不是刪除決定，而是供人類考慮的清單。
- 為糾正前一代模型而編寫、但現在已不必要的指令。
- 指向已更改的規格、路徑或命令的指令。
- 命令你去做那些你不需要被告知就會自然去做的事情的指令。
- 與其他指令相矛盾的指令。
然而，如果該指令有絲毫可能是為了安全、防護，或因過往事故/事件而添加，請勿將其歸類為【刪除候選】。請將其放入另一個類別【需人工判斷】，並說明你認為存在這種可能性的原因。請勿僅憑自身判斷就斷定其「不必要」。
【改寫】針對意圖正確但措辭模糊、冗餘或優先級不明的指令。提供改寫建議。
【疑問】在閱讀過程中，你發現難以判斷其含義的描述。
最後，請務必回報以下兩點：
- 如果有任何指令確實阻礙了你或讓你猶豫不決，請提供確切的行數及猶豫的原因。
- 如果要將 AGENTS.md 濃縮成約 100 行的索引，你會採用什麼結構？
▲ 複製到此處
最終的「刪除候選」清單不應直接全部刪除。首先，檢查該指令為何被添加、其歷史背景，以及刪除它會影響哪些部分。因過往事故而添加的驗證程序，不應只因 Codex 判斷其「對當前的自身而言不必要」就被移除。特別是安全或防護相關的指令，應由了解歷史的人做出最終決定。只有在確認添加原因且判斷影響範圍有限的情況下，才進行刪除。如有疑慮，請保留該指令。如果移至 docs，請留下明確的路徑，以便在需要時能從 AGENTS.md 可靠地引用。
成熟度 | 你現在在哪個階段？
檢查你所在的階段。
Lv.0：每次都從頭寫提示詞。就像每天早上都要向一位才華洋溢的員工從頭解釋一切。
Lv.1：有 AGENTS.md 和 docs。就像公司有規章和手冊。
Lv.2：有技能。例行工作的流程已確定。
Lv.3：已連接 MCP 和 Plugin。可以獨立存取必要的系統。
Lv.4：權限、Hook 和測試已正常運作。存在自動執行和自動檢查機制。
Lv.5：正在使用 Browser 和 Subagent。可以獨立驗證並委派工作。
Lv.6：存在反饋迴圈。每次發生故障時，系統本身都會更新。
許多人處於 Lv.1。他們試圖透過讓 AGENTS.md 變得更厚來向前邁進。那不是 Lv.2，那只是一個臃腫的 Lv.1。
Lv.6 本質上有所不同。這不是關於添加新功能。它只是一個運作規則：「如果同樣的錯誤發生兩次，就將該修正反饋回 AGENTS.md、Skill、Hook 或 Test。」
這就是 OpenAI 在《Harness Engineering》一文中提到的方向：「持續修正而非一次性驗證」。
執行順序 | 30 分鐘、1 天、1 週
設定優先級。按此順序執行。
前 30 分鐘
- 執行本文開頭的診斷提示詞。
- 使用
/permissions檢查當前權限設定。如果你一直使用danger-full-access，請先切換回workspace-write。 - 打開 AGENTS.md 並通讀一遍。檢查是否有冗餘、矛盾或過時的描述。100 行只是 OpenAI 內部的一個例子，並非絕對標準。重點是內容是否有組織，而不是行數。
1 天
- 執行盤點提示詞。只有在確認添加原因和影響後，才刪除【刪除候選】。對於【需人工判斷】，請在諮詢了解歷史的人後再做決定。
- 將已刪除內容中有價值的部分移至
docs。 - 在 AGENTS.md 的末尾添加「指令優先級」。
- 從一個乾淨的狀態開始，要求它「設定並通過測試」，並記錄它在哪裡卡住。
1 週
- 選擇一項你每週執行超過兩次的任務，將其轉變為一個 Skill。
- 如果有一個你總是難以存取的外部資料來源，請透過 MCP 連接它。
- 將機密資訊檢查或編輯後的 linter 執行設定為一個 Hook。
- 決定一個記錄失敗案例以供反饋的地方。
到這個階段，你將從 Lv.1 到達 Lv.4 的入口。
反向索引 | 按目標查找
不想重複相同的解釋 → AGENTS.md
Codex 參考了舊資訊 → 盤點 docs / Context
相同任務的品質不穩定 → Skills
無法存取必要的資料 → MCP / Plugins
能寫程式碼但無法進行驗證 → Environment
害怕它自行其是，或審批太多 → Permissions / Sandbox
重複犯同樣的錯誤 → Hooks / Tests
沒注意到版面錯誤 → Browser / Computer Use
研究花費太長時間 → Subagents
切換到 Astra 後開始中途停頓 → 首先檢查停止通知、審批請求和錯誤。如有必要，在 CLI 中使用 /status 檢查設定和使用情況。如果懷疑有矛盾的指令，請盤點 AGENTS.md 和 Skills。
下一個競爭是環境，而不是大腦
選擇模型的遊戲基本上已經結束了。
Astra 足夠聰明，並且會完全按照指示行動。這就是為什麼你留下的指令決定了結果。
從「寫好提示詞」的遊戲，轉變為「設計好工作環境」的遊戲。Astra 是促成這個轉變的模型。
你今天只需要做一件事。打開 AGENTS.md 並通讀一遍。這就是起點。
感謝你閱讀到這裡。
我在一個免費的開放聊天群組中分享使用 ChatGPT、Claude 和 Copilot 節省時間和 AI 副業的具體範例。如果你想成為「會用 AI」的那一方，現在就加入吧。
