開始使用 GPT-6 Astra 時，你應該設定什麼？
我自己也對此做了深入的研究。
推理強度、權限、記憶、瀏覽器、Codex、上下文……
我越深入研究，就發現越多不熟悉的術語。
我希望透過閱讀這篇文章，你能順利銜接目前在你時間軸上流傳的中級文章。
那麼……
非工程師的上班族，不需要從一開始就記住所有東西。
在研究了這 30 個項目後，我認為最重要的事情其實出奇地簡單。
在專注於「AI 的效能」之前，先決定「你希望 AI 如何運作」。
就是這樣。
還有一件事。
官方網站上寫的設定，不一定等同於你電腦上此刻實際運行的設定。
這次，我實際檢查了 Codex 的內容，並在那裡也發現了一些有趣的發現。
這篇文章不是一堆困難設定的集合。
我將從「如果你是上班族，為什麼要檢查這個？」的角度，解釋你在開始將 GPT-6 Astra 用於工作前應該知道的 30 個項目。
*資訊截至 2026 年 9 月 7 日。由於 GPT-6 Astra 剛發布，螢幕顯示和服務條款未來可能會有所變更。
「30 個初始設定」到底是什麼？
我先解釋這部分。
這不是一篇關於開啟 30 個開關的文章。
這 30 個項目大致分為三種類型：
① 需要在螢幕上檢查的設定
例如，模型、資料使用、瀏覽器等。
② 如何向 AI 請求工作
例如「它可以自行決定多少」以及「什麼構成完成」。
③ 給稍微有經驗的使用者的設定
例如 Codex 的 config.toml 和 AGENTS.md。
對於初學者來說，前 10 個項目就足夠了。
讓我們依序進行。
等級 1：優先檢查的 10 個項目
1. 首先，檢查「你可以在哪裡使用 Astra」
這是第一個陷阱。
「我是 Plus 會員，但我找不到 GPT-6 Astra。」
這種情況會發生。然而，
「Astra 還沒有來到我這裡」
並不一定正確。
ChatGPT 有幾個進入點：
- 一般聊天
- ChatGPT Work
- Codex
截至 2026 年 9 月 7 日，你可以使用 Astra 的進入點取決於你的方案。
首先，
檢查「在我的方案下，我可以在哪裡使用 Astra？」
這是設定 0。
2. 將應用程式和 Codex 更新到最新版本
這很平凡但很重要。
想像一下幾個月不更新智慧型手機應用程式。即使添加了新功能，它們也可能不會出現在舊應用程式中。
Codex 也一樣。在我這次調查的環境中，
Codex CLI 0.151.0-alpha.2
正在運行。然而，支援 GPT-6 Astra 需要更新的客戶端。
在 OpenAI Codex 版本中，0.153.4 包含了一個修復，可以在捆綁的模型選擇器中顯示 Astra。(GitHub
換句話說，
當「Astra 沒有出現」時，
在假設「它還沒有推送給我」之前，
先檢查應用程式是否過舊。
[副理太郎的測量筆記 ①] Astra 不見了
這次，我實際檢查了 Codex 中的模型列表。結果是：
11 個模型。0 個 GPT-6 Astra。
起初，我想，「也許還沒有推送。」
但隨著我深入研究，我發現我使用的 Codex CLI 是 0.151.0-alpha.2。這是一個比支援 Astra 更舊的版本。
換句話說，
Astra 沒有出現 ≠ 一定是合約方案的問題。
在我的案例中，
這是一個我應該首先懷疑客戶端版本的情況。
當你找不到新的 AI 時，按這個順序檢查比較容易：
合約方案
↓
應用程式或 CLI 版本
↓
推送狀態到你的帳戶
3. 不要認為 Chat、Work 和 Codex 都是一樣的
這對初學者來說也很難理解。我大致這樣使用它們：
Chat
提問、諮詢、撰寫文字。
Work
研究、建立檔案，並讓它完成結果。
Codex
程式碼、檔案編輯、自動化等。
例如：
「讓這封郵件更禮貌」 -> Chat。
「研究 10 個競爭對手並建立一份比較文件」 -> Work。
「建立一個每天早上彙整銷售額的系統」 -> Codex。
它們都是 AI，但它們的專業工作場所不同。
4. 能夠使用 Astra 與實際使用 Astra 是不同的
這裡也要小心。即使 Astra 可用，它也不一定會每次都自動被選中。
在模型選擇畫面上，檢查「目前選取了哪個模型」。
用人類來比喻，你僱用了一位才華橫溢的新員工，並不代表那個人會處理每一項工作。
5. 不要把所有東西的「思考強度」都設為最大
Astra 有一個設定可以改變它思考的深度。這被稱為 Reasoning Effort。
不要想太多。把它想像成汽車：「我想讓引擎轉速多高？」
你不需要為了修正一個簡短的句子而使用最大輸出。另一方面，對於像比較多份文件以做出管理決策這樣的工作，讓它徹底思考會比較好。
重要的是，最大 ≠ 永遠是正確答案。
6. 區分「在你的電腦上運行的工作」和「在雲端運行的工作」
在你要求 AI 執行一項工作後，即使你關閉電腦，它會繼續運行嗎？這取決於它在哪裡執行。
例如，如果是在雲端端運行的任務，它可能會在你關閉電腦後繼續。另一方面，如果是操作你自己電腦的工作，則需要那個環境。
與其記住困難的機制，不如問一次「這項工作在哪裡運行？」 就足夠了。
7. 為每個工作區分專案
這立即有用。例如，如果你在同一個地方與 AI 討論「銷售」、「招聘」、「社群媒體」和「產品開發」，資訊會混在一起。
我建議按主題區分專案。
想像一張辦公桌：你不會把銷售資料、招聘資料和產品規劃文件都堆在同一張桌子上。這就像為每個工作創建抽屜。
8. 最好不要給 AI 看太多資料
我以前認為，「如果我給 AI 很多資料，它會變得更聰明。」但這不一定是對的。
如果你給它大量不相關的資料，就很難分辨什麼是重要的。
例如，如果你只想讓它分析這個月的銷售額，你不需要給它所有三年前的會議資料或人事文件。
只給它該工作所需的資料。 這是基本規則。
9. 不要試圖讓第一個指令完美無缺
花費數十分鐘思考給 AI 的指令文字是初學者常做的事。但對於像 Astra 這樣的 Agent 型 AI，你可以透過說「錯了」或「加入這個條件」來中途修正方向。
所以，與其寫好一份 100 分的指令才開始，不如決定目標，開始，然後邊做邊修正。 這種方式對某些工作來說更容易。
10. 對於長時間的工作，檢查「它是否會中途停止」
你要求執行一個一小時的研究任務。你關閉了電腦。第二天早上，你發現它停止了。這是個問題。
在委託長時間工作時，檢查「這是否是一個即使關閉電腦也會繼續的環境」以及「如果出現問題是否會通知你」。
以上就是前 10 個項目。對於初學者來說，目前這樣就足夠了。
等級 2：關於安全性和品質的 10 個項目
11. 如果在工作中使用，請查看資料控制
如果你將個人 ChatGPT 用於工作，這是我希望你檢查的設定。ChatGPT 有一個叫做 為所有人改善模型 的設定。
這是關於使用資料來改善模型的設定。然而，有一個注意事項：僅僅因為你關閉了這個設定，並不代表你可以放入任何公司的機密資料。 公司規定優先。
12. 不要讓記憶記住所有東西
記憶很方便，可以讓它記住像「我喜歡這種寫作風格」這樣的事情。但它不是用來儲存客戶資訊、密碼、絕對的公司規定或機密事項的地方。
特別是，不要依賴記憶來記住「你絕對希望它遵守的工作規則」。
13. 臨時聊天不是「秘密模式」
當你看到臨時聊天這個名稱時，你可能會想「我在這裡寫的東西都不會留下。」但事情沒那麼簡單。
重要的是，臨時聊天 ≠ 你可以忽略公司資訊管理規則。 在處理敏感資訊之前，請檢查這是否是你首先被允許輸入的資訊。
14. 個性不是「智慧」
個性會改變 AI 的角色和說話方式。它不是一個能突然讓能力加倍的設定。如果你在工作中使用它，只要符合你的偏好就夠了，例如「我想要簡短的結論」或「我想要一份有禮貌的報告」。
15. 不要把所有的東西都塞進自訂指令
自訂指令很方便。但是，如果你把公司規定、這個月的數字、產品資訊、社群媒體規則、客戶資訊和寫作規則都塞進去，實際上會更難理解。
只放你常用的東西。把每個專案的資訊放到該專案的資料夾或資料中。也為資訊建立一個位置。 這很重要。
16. 決定「它可以自行完成多少」
我認為這是 Astra 時代最重要的事情。例如：
- 閱讀資料
- 修正文字
- 整理表格
對於這些，讓它直接進行。另一方面：
- 發送電子郵件
- 刪除檔案
- 購買產品
- 產生費用
- 變更權限
對於這些，讓它先與你確認一次。換句話說，委託可逆轉的工作。檢查不可逆轉的工作。 只要記住這個。
17. 告訴它「什麼構成完成」
只告訴 AI「製作一份報告」並不能告訴它何時結束。例如，告訴它：
- 一頁 A4
- 給老闆看
- 可在 3 分鐘內閱讀完
- 在最後寫下結論
- 用原始資料驗證數字
用困難的術語來說，這被稱為「完成的定義」。用白話文來說，「完成條件」 就夠了。
18. 讓它搜尋最新資訊
這很重要。AI 看起來什麼都知道。但像今天的價格、最新的服務、法律、新聞、總裁的名字和可用的方案這些東西都會改變。
所以，當涉及最新資訊時，要求它「在網路上檢查最新資訊。」 此外，加上「優先考慮官方資訊。」光這樣就能顯著減少意外。
19. 決定檢查的重點
如果你要求 AI「檢查所有東西」，它可能會檢查得比必要的時間更長。例如，對於一份報告，將檢查重點放在：
- 數字
- 名稱
- 日期
- 網址
對於 Excel，檢查：
- 總計
- 單位
- 期間
- 公式
將檢查項目作為工作的一部分。 這是訣竅。
20. 不要從一開始就允許所有事情
當將瀏覽器或檔案操作委託給 AI 時，每次都檢查很麻煩。所以你會想要允許所有事情。但是，對於公司使用，從「需要檢查」開始更安全。一旦你使用並發現「委託這個任務沒問題」，然後再放寬限制。
在這裡，我另外調查了一件事
為了寫這篇文章，我還調查了「官方網站上寫的數字與我環境中的數字是否真的相同」。
那裡有趣的是上下文長度。 上下文，簡單來說，就是 AI 可以同時攤在桌上的資料量。桌子越寬，它工作時可以查看的資料就越多。
然而，當我調查時，API 規格、Codex 目錄和實際執行環境中顯示的數字並不一定相同。
在 GPT-5.6 Sol 中，官方 GitHub 上已確認在 Codex 端使用了 272,000 個 token 的值。(GitHub
換句話說，僅僅因為你讀到一篇文章說「這個模型支援 100 萬個 token」，並不代表你可以在你的 Codex 中使用 100 萬個 token。這是這次驗證中最具教育意義的部分。
等級 3：熟悉後再看的 10 個項目
從這裡開始，稍微進階一點。初學者，請在需要時再回來看。
21. 區分 AI 瀏覽器和你的日常瀏覽器
在你通常使用的瀏覽器中，你登入了許多東西，例如電子郵件、銀行、社群媒體和公司系統。當將瀏覽器操作委託給 AI 時，你不需要從一開始就讓它看到所有東西。從一個專門給 AI 用的瀏覽器開始。只在必要時才使用你常用的瀏覽器。這樣更安全。
22. 縮小它可以存取的網站範圍
AI 能夠操作網路很方便。但它不需要能夠去到任何地方。只允許你每天使用的網站。限制不必要的網站。用公司的話來說，僅僅因為你有一張識別證，並不代表你可以進入公司的每個房間。道理是一樣的。
23. 只連接必要的外部服務
Google 雲端硬碟。電子郵件。日曆。內部系統。將它們連接到 AI 會讓事情變方便。但你連接得越多，AI 可以存取的範圍就越廣。起初，只連接你真正使用的服務。 這樣就夠了。
24. 不要增加太多技能
技能，簡單來說，是一種讓 AI 學習如何執行特定工作的機制。例如，「研究競爭對手產品的技能」或「檢查社群媒體貼文的技能」。擁有 100 個技能並不會讓它優秀 100 倍。相反地，知道何時使用哪個技能以及它的作用是什麼更為重要。
25. 檢討你很久以前製作的 AGENTS.md
這是給已經使用 Codex 一段時間的人。你是否在舊 AI 失敗時，每次都添加像「總是讀取所有東西」、「總是檢查」、「測試所有東西」這樣的規則？這些規則對於當前的 Astra 可能不是必要的。當你更換到新模型時，看看是否可以刪除舊設定，而不僅僅是添加新設定。這也很重要。
26. 不要認為「可以放進所有東西」只是因為它有 100 萬個 token
即使有巨大的上下文可用，你也不需要一次給出所有資料。想像一個下屬一次把 10 年的會議資料都放在桌子上。即使桌子很寬，搜尋起來也很困難。能夠快速取得必要的資料更為重要。
27. 在 Codex 中固定預設模型時要小心
當你大量使用 Codex 時，你可能會在配置檔案中固定每次使用的模型。這很方便，但僅僅因為你在配置檔案中寫了它，並不代表那個值真的有效。 這是我在這次測量中擔心的事情。
[副理太郎的測量筆記 ②] 「能夠寫入」和「有效」是不同的
為了調查可以作為設定接受的值，我嘗試了幾個候選值。讓我擔心的是，即使我放入一個明顯的測試值，也有命令本身以退出碼 0 結束的情況。換句話說，至少在我這次檢查的命令中，「能夠寫入設定」和「該設定是正確的」並不相同。這對上班族來說也一樣。你在 ChatGPT 中寫了設定。你在 config.toml 中寫了設定。你在自訂指令中寫了規則。不要滿足於此；檢查一次它是否真的以該設定運行。 最好把檢查視為設定的一部分。
28. 保持網路和檔案權限最小化
當你將工作委託給 AI 時，它能做的事情增加了：它可以寫入檔案、搜尋網路、存取外部網站。但只允許工作所需的範圍。這是基本規則。一個「只能做必要事情的 AI」在公司中可能比一個「什麼都能做的 AI」更容易處理。
29. 不要每次都使用「最強」的設定
當你開始使用 AI 時，你會想使用看起來效能最高的設定。但是，修正一封電子郵件的 3 行文字所需的能力，與分析公司業務計劃的工作所需的能力不同。輕鬆的工作應該輕鬆處理。困難的工作應該深入處理。這個區分很重要。
30. 在公司中，決定「誰被允許做什麼」
如果是個人使用，你自己設定好就結束了。在公司中，事情不是這樣運作的。誰使用 Astra？他們可以處理什麼樣的資料？他們可以連接什麼樣的服務？你允許外部傳輸嗎？只有在決定了這些之後，你才能說你已經將 AI 作為公司引入。
這次最讓我驚訝的事情
在研究這 30 個項目的同時，我注意到了一件與 Astra 本身無關的事情。我最初認為我可以透過查看官方網站來了解設定。 然而，當我在不同的環境中檢查相同的 5 個項目時，有不少項目仍然是「未測量」或「未確認」的。
在一個環境中，Codex CLI 本身就不見了。在另一個環境中，Codex 存在，但版本很舊，Astra 不在模型列表中。換句話說，官方寫的是「產品能做些什麼」。 另一方面，你的環境目前如何運行，只能透過查看你的環境來了解。 這是一個相當大的差異。
這不是「跟官方說的不一樣！」
為了避免誤解，我寫下這一點。即使上下文長度出現了 272,000、872,000 和 1,050,000 等多個數字，也不代表其中一個只是謊言。可作為 API 使用的上限。Codex 在該環境中允許的上限。螢幕上的有效值。你正在查看的東西可能不同。 事實上，在 OpenAI Codex GitHub 上，已經確認了在 Codex 端設定/回報了 272,000 個 token 的案例。所以，在查看數字時，不要只看「多少個 token？」，還要看「哪個產品的數字，在哪個畫面上？」 這很重要。
如果你今天要做，只要這 5 個
30 個項目是不可能的。如果你這麼想，你是對的。我也無意每天早上檢查 30 個項目。如果你今天要做，只要這 5 個：
1. 檢查你可以在哪裡使用 Astra
2. 區分「在你的電腦上運行的工作」和「在雲端運行的工作」
3. 如果在工作中使用，檢查資料控制
4. 決定「可以自行進行的工作」和「你希望被檢查的工作」
5. 在向 AI 請求工作時寫下「完成條件」
對於初學者來說，這樣就夠了。
最後。設定 Astra 就像是「如何將工作委託給一位才華洋溢的下屬。」
我認為研究 GPT-6 Astra 的 30 個設定很困難。但是，當我把它替換成公司工作時，突然就變得容易理解了。當你要求下屬做一項工作時，你不會只說「盡力而為」。你會告訴他們：
- 你想要他們做什麼
- 他們應該看哪些資料
- 他們可以自行決定多少
- 你希望他們何時與你商量
- 什麼構成完成
AI 也一樣。所以，當我要求 Astra 做一項工作時，我決定先看這四件事：
目的：我想要完成什麼？
資料：它可以看什麼？
委託範圍：它可以自行決定多少？
完成條件：需要做什麼才能完成？
這比記住困難的提示更重要。還有我從這次測量中學到的另一件事：
「我設定了」和「它以該設定運行」是不同的。
閱讀官方網站。進行設定。最後，在你自己的環境中檢查一次。在像 GPT-6 Astra 這樣產品更新快速的時代，我認為將這一點包含在內才是「初始設定」的意義。截至 2026 年 9 月 7 日，Codex 端在支援 Astra 後仍在持續修復。事實上，在 0.153.4 中，已經發布了一個修復，可以在捆綁的模型選擇器中顯示 Astra。
所以，這篇文章也不是「永恆的正確答案」。重要的是不要假設你昨天讀到的設定今天仍然正確。 當你引入一個新的 AI 時，你會增加新的設定。在此之前，試著檢討你目前的設定一次。我也是從那裡開始的。這種思考方式在未來新模型推出時也會很有用。現在，讓我們繼續前進到中級文章及以後。感謝你閱讀到最後。
[【想用 AI 減少加班的上班族專屬聊天室】已經開始！]
🎁 參加福利 🎁
零加班 AI 工作策略入門套件
AI 初學者和只想觀望的人也歡迎！首先，請隨意來看看！
👇 請從這裡加入。
https://app.notion.com/p/10-3b78eeee609c8070997bc1ef986488ef?source=copy_link
