“Astra는 빈 폴더에서 실행하라. 예전 Skill은 전부 버려라. 한 번에 답까지 가라. 수정하려면 다시 빈 상태에서 시작하라.”
기억에는 잘 남는 요약이다. AI에게 규칙을 계속 붙이다 보면, 정작 일을 시작하기 전에 사내 규정집만 읽다가 하루가 끝나는 그림도 쉽게 떠오른다.
하지만 OpenAI의 실제 메시지는 더 정확하다.
전부 버리라는 것이 아니다. 필요한 것만, 필요한 순간에 불러오라는 뜻이다.
이 원칙은 Skill이나 AGENTS.md에만 해당하지 않는다. 긴 채팅이나 Codex 작업 세션에도 그대로 적용된다.
세션이 길어질수록 예전 대화, 도구 출력, 로그, 실패한 시도, 오래된 지시가 다음 판단의 재료로 남기 쉽다. 필요한 역사는 강력하다. 불필요한 역사까지 들고 가면 작년 영수증, 고장 난 USB, 같은 체크리스트 여섯 장을 책상 위에 올려놓고 일하는 것과 비슷하다.
1. 공식 권고는 “비워라”가 아니라 “낡은 발판을 감사하라”이다
OpenAI Developers는 2026년 9월 11일 “Rethinking skills and prompts for GPT-6 Astra”를 공개했다.
핵심은 과거 모델을 보조하기 위해 누적된 지시를 다시 점검하라는 것이다. 예전 모델이 문서를 안 읽으면 “항상 이 문서를 읽어라”, 테스트를 빼먹으면 “매번 전체 테스트”, 너무 앞서가면 “반드시 승인부터” 같은 규칙을 추가하곤 했다.
Astra는 지시 추종이 더 강하다. 공식 모델 가이드는 Skill과 AGENTS.md 같은 컨텍스트 속 지시에 더 민감하며, 모호하거나 충돌하는 지시가 있으면 너무 일찍 멈출 수 있다고 설명한다.
문제는 Astra가 규칙을 무시한다는 것이 아니다.
오히려 옛 모델용 보조 바퀴까지 성실하게 지킬 수 있다는 점이다.
그래서 공식 블로그는 모든 수정 전에 여러 문서를 무조건 읽게 하는 규칙을 컨텍스트 낭비와 작업 지연의 예로 든다.
정리하면 Astra 시대에는 Skill 설명을 짧고 구체적으로 만들고, AGENTS.md에는 항상 필요한 규칙만 남기며, 특정 문서는 관련 작업 때만 읽게 하고, 완료 조건을 미리 정의하며, 예전 모델용 승인·중지·과잉 테스트 규칙을 다시 감사하는 편이 낫다.
거대한 헌법 한 권보다 얇은 헌법 + 필요할 때 여는 전문 매뉴얼이 낫다.
2. “빈 폴더·Skill 전부 삭제·한 방·수정 시 재시작”은 어디까지 맞나
“빈 폴더에서 시작”은 과장이다. 기존 저장소와 문맥을 모두 버리라는 공식 지시는 없다. 필요한 문서를 필요할 때 읽으라는 쪽에 가깝다.
“예전 Skill 전부 삭제”도 아니다. 트리거를 좁히고 설명을 줄이며 충돌과 과한 강제를 제거하라는 뜻이다.
“한 번에 정답”은 절반만 비슷하다. 공식이 강조하는 것은 첫 구현에서 멈추지 않도록 ‘완료’를 정의하라는 것이지, 완벽한 원샷 답변을 요구하는 것이 아니다.
“수정하려면 처음부터”는 오히려 반대다. Astra의 mid-turn steering은 진행 중 새 요구나 수정이 들어와도 이미 끝낸 작업을 유지하며 계속할 수 있게 한다.
진짜 교훈은 기억상실이 되라는 것이 아니라, 쓸모없는 기억을 상시 활성화하지 말라는 것이다.
3. 세션이 길어지면 컨텍스트 사용량도 늘어날까
API 관점에서는 대체로 그렇다.
모델은 최신 한 문장만 보는 것이 아니다. 보존되거나 다시 전달된 과거 메시지, 도구 결과, 지시, 대화 상태가 다음 응답의 입력 컨텍스트가 된다.
단순화하면 초반에는:
과거 5k + 신규 1k = 약 6k 입력
긴 세션에서는:
과거 100k + 신규 1k = 약 101k 입력
이 될 수 있다. 실제 시스템은 압축, 절단, 캐시, 선택적 상태 유지를 사용할 수 있으므로 정확한 수치는 달라진다. 하지만 긴 과거가 무한 무료 부록은 아니다.
OpenAI Realtime API 문서도 이전 턴의 출력이 뒤 턴의 입력이 된다고 명시한다.
4. 캐시가 있으면 컨텍스트 비대화는 신경 쓰지 않아도 될까
캐시는 큰 도움이 되지만 마법의 쓰레기통은 아니다.
2026년 9월 14일 기준 GPT-6 Astra API는 일반 입력 100만 토큰당 10달러, cached input 1달러, 출력 50달러이며, 입력이 272k 토큰을 넘는 프롬프트는 전체 요청에 대해 입력·캐시 요금이 2배, 출력 요금이 1.5배다.
안정적인 긴 prefix가 캐시에 맞으면 비용은 크게 줄어든다. 그래도 새 컨텍스트는 계속 늘고, 캐시 미스가 날 수 있으며, 큰 문맥 속 충돌 지시는 그대로 남고, 크기 임계값을 넘으면 가격 구조도 달라진다.
또 API 가격과 ChatGPT·Codex·Work 제품의 사용 한도는 같은 것이 아니다. 공개 정보만으로 “긴 ChatGPT 대화일수록 과거 토큰에 정확히 비례해 사용 한도가 줄어든다”고 단정할 수는 없다.
5. 더 큰 위험은 비용이 아니라 “옛 규칙의 유령”이다
Astra가 지시에 민감하기 때문에 오래된 “여기서 반드시 멈춰라”, 폐기된 contract, 방어적으로 추가한 “매번 전체 테스트”가 계속 판단 재료가 될 수 있다.
특히 위험한 것은 세 종류다.
해결 완료 쓰레기: 끝난 논쟁, 고친 버그, 버린 선택지.
중복 쓰레기: 같은 규칙을 여러 표현으로 반복한 기록.
구식 쓰레기: 당시에는 맞았지만 현재 branch나 contract와 맞지 않는 지시.
사람은 “그건 옛날 얘기”라고 넘기지만 모델은 컨텍스트에 있으면 읽을 후보로 본다.
강한 모델에서 역설적으로 쓸데없는 지시를 더 잘 지키는 사고가 생길 수 있다.
6. 새 세션에서 “이전 세션 전부 읽고 이어서 해”는 좋은가
절반만 좋다.
새 세션을 만들어도 이전 세션 전체를 다시 넣고 계속 활성화하면 방만 바꿨을 뿐 짐은 그대로다.
더 나은 방식은 이전 세션을 창고, 새 세션을 작업대로 보는 것이다.
가져올 것은 현재 상태, 확정된 결정, 현재 유효한 규칙, 미완료 작업, 검증에 필요한 증거·파일·커밋·URL, 그리고 잃으면 위험한 제약이다.
대개 두고 와도 되는 것은 해결된 논의, 긴 시행착오 로그, 채택하지 않은 안, 중복 설명, 오래된 규칙이다.
Carry forward only what matters.
7. 실제 인계 프롬프트는 이 정도면 충분하다
이전 세션을 확인하고 현재 상태, 확정 사항, 현행 규칙, 미완료 작업, 검증에 필요한 증거만 이어받아 계속하라.
과거 로그를 그대로 재현하거나 유지할 필요는 없다. 오래된 지시, 해결된 논의, 중간 과정, 중복 정보는 버리고 현재 작업에 필요한 컨텍스트만 남겨라.
이전 세션에서 이미 끝난 작업은 다시 하지 말고 첫 미완료 지점부터 계속하라.
핵심은 이전 세션을 읽지 말라는 것이 아니다. 현재 상태를 추출하기 위해 읽고, 전체 역사를 영주권자로 만들지 않는 것이다.
8. 언제 새 세션으로 넘어가야 할까
고정 턴 수보다 증상을 보는 편이 낫다. 같은 설명을 반복하고, 폐기한 규칙이 되살아나고, 완료 상태가 흐려지고, 도구 로그가 유효한 상태보다 길어지거나, 작업 단계가 바뀌었을 때가 좋은 경계다.
연구 → 구현 → 검증 → 배포처럼 단계가 뚜렷한 작업은 단계 경계에서 압축하기 좋다.
API 장기 워크플로에는 OpenAI의 compaction도 있다. 긴 대화와 많은 도구 호출의 상태를 작업 관련 정보 중심으로 압축해 토큰 footprint를 줄이는 방식이다.
9. 결론: 강한 것은 “빈 상태”가 아니라 “정리된 작업대”다
Astra에 필요한 것은 기억상실이 아니다. 실제 지식, 확정 결정, 중요한 경계는 남겨야 한다.
버릴 것은 그 결론에 도달하기까지의 모든 우회로를 매번 현행 지시처럼 읽히는 운영이다.
이전 세션 = 창고. 새 세션 = 정리된 작업대. handoff = 필요한 짐만 적힌 운송장.
빈 폴더 신앙까지 갈 필요는 없다. 작년 영수증과 고장 난 USB부터 책상에서 치우면 된다.
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
