“Jalankan Astra dari folder kosong. Buang semua Skill lama. Sampai ke jawaban dalam sekali tembak. Kalau perlu revisi, mulai lagi dari nol.”
Ringkasan ekstrem ini mudah diingat karena terdengar masuk akal. Setelah berbulan-bulan menumpuk aturan untuk agen AI, mudah membayangkan model menghabiskan jam kerja hanya membaca buku peraturan sebelum menyentuh tugas.
Namun arahan OpenAI sebenarnya lebih presisi:
bukan buang semuanya, tetapi muat hanya yang relevan ketika memang relevan.
Prinsip ini tidak hanya berlaku untuk Skill dan AGENTS.md, tetapi juga untuk chat panjang dan sesi Codex yang lama.
Semakin panjang sesi, semakin banyak percakapan lama, output alat, log, percobaan gagal, dan instruksi yang sudah usang bisa tetap menjadi bahan keputusan berikutnya. Riwayat yang berguna sangat berharga. Riwayat yang tidak berguna seperti bekerja di meja penuh kuitansi tahun lalu, USB rusak, dan enam salinan checklist yang sama.
1. OpenAI tidak mengatakan “kosongkan”; OpenAI mengatakan “audit scaffolding lama”
Pada 11 September 2026, OpenAI Developers menerbitkan “Rethinking skills and prompts for GPT-6 Astra”.
Fokusnya adalah instruksi yang menumpuk untuk membantu model lama: “selalu baca dokumen ini”, “jalankan semua tes setiap kali”, atau “selalu minta persetujuan sebelum lanjut”.
Astra mengikuti instruksi lebih kuat. Panduan resmi mengatakan model ini lebih sensitif terhadap instruksi di Skill, AGENTS.md, dan konteks lain; instruksi yang kabur atau saling bertentangan dapat membuatnya berhenti terlalu dini.
Masalahnya bukan Astra tidak membaca aturan.
Masalahnya justru Astra bisa terlalu patuh pada roda bantu yang dibuat untuk model lama.
OpenAI juga memberi contoh buruk berupa kewajiban membaca tumpukan dokumen sebelum setiap edit karena membakar konteks dan memperlambat pekerjaan.
Pola yang lebih baik: deskripsi Skill pendek dan trigger spesifik; AGENTS.md hanya berisi aturan yang benar-benar selalu berlaku; dokumentasi khusus dimuat saat tugas terkait; definisikan “selesai”; audit ulang aturan approval, stop, dan tes berlebihan dari era model lama.
Bayangkan konstitusi tipis + manual spesialis sesuai kebutuhan.
2. Seberapa benar empat klaim viral itu?
“Mulai dari folder kosong” adalah hiperbola. OpenAI tidak menyuruh membuang repo yang ada atau seluruh konteks; yang disarankan adalah membaca apa yang dibutuhkan tugas.
“Buang semua Skill lama” juga salah. Yang benar adalah mempersempit trigger, memendekkan deskripsi, dan menghapus konflik atau pembatasan yang tidak perlu.
“Sekali tembak langsung benar” hanya sedikit mirip. Panduan resmi menekankan definisi selesai agar Astra tidak berhenti setelah implementasi pertama ketika masih perlu menjalankan, memeriksa, dan memperbaiki hasil.
“Kalau revisi, mulai dari nol” justru berlawanan dengan mid-turn steering. Astra dapat menerima koreksi di tengah pekerjaan sambil mempertahankan pekerjaan yang sudah selesai.
Pelajaran sebenarnya: jangan amnesia, tetapi jangan biarkan memori yang tidak berguna selalu aktif.
3. Apakah pemakaian konteks membesar saat sesi semakin panjang?
Di level API, umumnya ya.
Model tidak hanya melihat kalimat terbaru. Pesan lama, hasil tool, instruksi, dan state percakapan yang dipertahankan atau dikirim ulang menjadi input untuk respons berikutnya.
Secara sederhana:
5k lama + 1k baru = ~6k input
Kemudian bisa menjadi:
100k lama + 1k baru = ~101k input
Sistem nyata bisa melakukan compaction, truncation, caching, atau penyimpanan state selektif, jadi angka pastinya berbeda. Tetapi riwayat panjang bukan lampiran gratis tanpa batas.
Dokumentasi Realtime OpenAI juga menjelaskan bahwa output turn sebelumnya menjadi input turn berikutnya.
4. Apakah caching membuat pembengkakan konteks tidak masalah?
Caching sangat membantu, tetapi bukan tempat sampah ajaib.
Per 14 September 2026, harga API GPT-6 Astra adalah US$10 per juta token input biasa, US$1 per juta cached input, dan US$50 per juta output. Prompt di atas 272k token input dikenai 2x tarif input/cache dan 1,5x tarif output untuk seluruh request.
Prefix panjang yang stabil bisa jauh lebih murah jika cache hit. Namun bagian baru tetap tumbuh, cache miss bisa terjadi, instruksi yang tidak relevan tetap memenuhi konteks, dan melewati ambang tertentu bahkan mengubah tarif.
Harga API juga bukan hal yang sama dengan kuota produk ChatGPT, Codex, atau Work. Informasi publik tidak cukup untuk menyatakan bahwa chat panjang menghabiskan kuota produk secara linear sempurna terhadap seluruh token historis.
5. Risiko terbesar bukan uang, tetapi “hantu aturan lama”
Karena Astra sensitif terhadap instruksi, “selalu berhenti di sini” dari seratus turn lalu, contract yang sudah diganti, atau “jalankan semua tes setiap kali” bisa tetap memengaruhi keputusan.
Tiga jenis sampah paling berbahaya:
Sudah selesai: bug yang sudah diperbaiki, debat yang sudah ditutup, opsi yang ditolak.
Duplikat: aturan yang sama diulang dengan berbagai kalimat.
Usang: instruksi yang dulu benar tetapi sekarang tidak cocok dengan branch atau contract aktif.
Manusia berkata “itu dulu”. Model melihat teks yang masih ada.
Secara paradoks, model yang lebih pintar bisa lebih baik dalam menaati instruksi yang seharusnya sudah dibuang.
6. Apakah bagus membuat sesi baru lalu berkata “baca seluruh sesi lama dan lanjutkan”?
Hanya setengah bagus.
Kalau seluruh sesi lama dimasukkan lagi dan tetap aktif, Anda hanya pindah ruangan sambil membawa semua kardus ke meja baru.
Lebih baik anggap sesi lama sebagai gudang dan sesi baru sebagai meja kerja.
Bawa: state saat ini, keputusan final, aturan yang masih berlaku, pekerjaan belum selesai, bukti/file/commit/URL yang dibutuhkan untuk verifikasi, dan batasan penting yang tidak boleh hilang.
Biasanya tinggalkan: diskusi yang sudah selesai, log trial-and-error besar, pendekatan yang ditolak, duplikasi, dan aturan lama.
Carry forward only what matters.
7. Prompt handoff yang praktis
Tinjau sesi sebelumnya dan lanjutkan hanya dengan membawa state saat ini, keputusan yang sudah ditetapkan, aturan aktif, tugas yang belum selesai, serta bukti yang dibutuhkan untuk memverifikasi pekerjaan.
Jangan menyalin atau mempertahankan log lama secara verbatim. Buang instruksi usang, diskusi yang sudah selesai, riwayat perantara, dan informasi duplikat. Simpan hanya konteks yang diperlukan untuk tugas sekarang.
Jangan ulangi pekerjaan yang sudah selesai. Lanjutkan dari titik pertama yang belum selesai.
Kuncinya bukan “jangan pernah membaca sesi lama”. Kuncinya adalah membaca untuk mengekstrak state saat ini, bukan memberi seluruh sejarah izin tinggal permanen.
8. Kapan sebaiknya pindah sesi?
Jangan terpaku pada jumlah turn. Sinyal yang lebih baik: penjelasan yang sama terus dibangun ulang; aturan lama hidup lagi; status selesai menjadi kabur; log tool lebih panjang daripada state yang berguna; fase kerja berubah; atau state aktif muat dalam 10–30 baris sementara riwayat sudah ribuan baris.
Workflow riset → implementasi → verifikasi → rilis sangat cocok dikompakkan di batas fase.
Untuk workflow API panjang, OpenAI juga menyediakan compaction agar state sebelumnya dapat dipadatkan sambil mempertahankan informasi relevan dan mengurangi token footprint.
9. Kesimpulan: bukan “kosong” yang kuat, tetapi meja kerja yang rapi
Astra tidak membutuhkan amnesia. Pengetahuan nyata, keputusan final, dan batas penting harus dipertahankan.
Yang perlu dibuang adalah kebiasaan memaksa semua jalan memutar historis tetap dibaca seolah-olah masih instruksi aktif.
Sesi lama = gudang. Sesi baru = meja kerja bersih. Handoff = daftar kirim yang hanya memuat kardus yang masih diperlukan.
Tidak perlu agama folder kosong. Singkirkan saja kuitansi tahun lalu dan USB rusak dari meja.
Sources
- https://developers.openai.com/blog/rethinking-skills-and-prompts-for-gpt-6-astra
- https://developers.openai.com/api/docs/guides/latest-model
- https://platform.openai.com/docs/api-reference/realtime-server-events
- https://developers.openai.com/api/docs/models/gpt-6-astra
- https://developers.openai.com/api/docs/guides/compaction
