OpenAI опубликовала рекомендации по настройке GPT-6 Astra в агентах для программирования. Главная идея — пересмотреть старые инструкции и убрать лишнее: избыточные правила перегружают контекст, могут противоречить друг другу и мешают модели работать быстрее и точнее.

Речь идет о трех типах инструкций, которые чаще всего накапливаются в проектах: описания навыков, файл AGENTS.md с правилами работы в репозитории и промпты к конкретным задачам. По данным OpenAI, именно эти элементы стоит обновить в первую очередь при переходе на GPT-6 Astra.

Что OpenAI рекомендует пересмотреть

Компания советует проверить и упростить:

  • описания навыков;
  • обязательные для чтения документы;
  • правила запуска тестов;
  • границы самостоятельных действий агента;
  • критерии завершения задачи.

Основная рекомендация — оставлять в контексте только действительно необходимые указания, а подробности подгружать по мере выполнения задачи. Такой подход должен снизить нагрузку на контекстное окно и уменьшить риск конфликтов между инструкциями.

Почему старые инструкции стали проблемой

Во многих командах правила для ИИ-агентов формировались под предыдущие поколения моделей. Они помогали добиваться более предсказуемого поведения, но со временем могли превратиться в ограничители. OpenAI отмечает, что у новых моделей изменились возможности, поэтому прежние подсказки уже не всегда полезны.

Если инструкций слишком много, часть контекста расходуется еще до начала работы над задачей. Кроме того, разные документы могут пересекаться или противоречить друг другу. В результате агент тратит ресурсы на интерпретацию правил вместо выполнения самой задачи.

Что менять в описаниях навыков

Навыки — это Markdown-файлы с инструкциями для отдельных процессов, инструментов или приложений. Они могут включать дополнительные ресурсы и скрипты. Проблема возникает, когда в проекте слишком много навыков с длинными и расплывчатыми описаниями.

OpenAI поясняет: названия и описания навыков загружаются в контекст, чтобы модель понимала, когда их применять. Если информации слишком много, система может сокращать описания, и агенту становится сложнее выбрать нужный навык.

Поэтому компания рекомендует делать описания максимально короткими, но точными. Вместо широких формулировок вроде «используй при работе с базами данных» лучше указывать конкретный сценарий: например, «используй при создании, изменении и проверке миграций схемы Postgres».

Для сложных навыков OpenAI также советует не загружать все инструкции сразу, а раскрывать детали поэтапно — только тогда, когда они действительно нужны для текущего шага.

Что это значит для агентной разработки

Практически это означает переход от больших универсальных инструкций к более компактной и модульной структуре. AGENTS.md, системные правила и task-промпты стоит использовать не как архив всех возможных требований, а как минимальный набор ориентиров для конкретной задачи.

Для агентных сценариев это особенно важно: если модель должна самостоятельно исследовать кодовую базу, запускать тесты, вносить изменения и проверять результат, ей нужны четкие границы действий и понятный критерий завершения. Но эти правила не должны быть настолько подробными, чтобы мешать принятию решений на каждом шаге.

Что важно российскому рынку

Новость в первую очередь касается команд, которые используют ИИ-агентов в разработке, автоматизации контента, SEO-инструментах и внутренних сервисах. Для российских агентств, продуктовых команд и фрилансеров вывод прикладной: при работе с OpenAI-моделями не стоит бесконечно наращивать промпты и регламенты в надежде получить лучший результат.

Подход «чем больше инструкций, тем лучше» все чаще дает обратный эффект. Это актуально и для задач, связанных с маркетингом: генерацией текстов, подготовкой технических заданий, автоматизацией отчетов, разметкой данных, анализом поисковой выдачи Google и Яндекса, а также созданием внутренних SEO- и PPC-ассистентов.

Если компания использует ИИ-агентов в связке с собственными базами знаний, CRM, аналитикой или рекламными кабинетами, стоит проверить, не перегружены ли агенты устаревшими правилами. Сокращение лишних инструкций может улучшить качество выполнения задач без смены модели.

На практике рекомендация OpenAI сводится к одному: GPT-6 Astra лучше работает не с максимально длинными инструкциями, а с точными и актуальными правилами. Для бизнеса, агентств и специалистов это сигнал пересмотреть AGENTS.md, навыки и task-промпты, чтобы агент тратил контекст на работу, а не на чтение лишних ограничений.

Совет эксперта Analito

Проверьте AGENTS.md и системные инструкции: удалите повторяющиеся правила, устаревшие ограничения и общие формулировки без привязки к конкретным действиям агента.

Перепишите описания навыков так, чтобы каждый навык запускался в узком сценарии. Короткое и точное описание обычно работает лучше, чем длинный список всех возможных случаев применения.

В task-промптах отдельно задайте критерий завершения, границы самостоятельных действий и условия остановки. Это особенно важно для агентов, которые меняют код, запускают тесты или работают с внешними инструментами.

Частые вопросы

Нужно ли полностью переписывать все старые инструкции при переходе на GPT-6 Astra?

Не обязательно. Сначала стоит убрать дубли, противоречия и слишком общие правила, а затем проверить, какие инструкции действительно помогают модели выполнять задачи.

Какие документы важнее всего проверить в первую очередь?

В первую очередь — AGENTS.md, описания навыков и промпты к задачам. Именно они чаще всего перегружают контекст и влияют на поведение агента.

Полезны ли эти рекомендации вне программирования — например, для SEO- или маркетинговых агентов?

Да. Принцип тот же: чем меньше лишних инструкций и чем точнее сценарии использования, тем стабильнее агент работает в аналитике, контенте и автоматизации маркетинга.