“Abra o Astra numa pasta vazia. Jogue fora todos os Skills antigos. Chegue à resposta de primeira. Se precisar corrigir, recomece do zero.”
É um resumo exagerado, mas fácil de lembrar. Quem já empilhou regra em agente de IA consegue imaginar o modelo passando o expediente inteiro lendo o manual da firma antes de tocar na tarefa.
A orientação real da OpenAI é mais precisa:
não apague tudo; carregue apenas o que importa, quando importar.
Isso vale não só para Skills e AGENTS.md, mas também para chats longos e sessões extensas do Codex.
Quanto mais a sessão cresce, mais conversas antigas, resultados de ferramentas, logs, tentativas fracassadas e instruções superadas podem continuar disponíveis para a próxima decisão. História útil ajuda. História inútil é trabalhar com recibos do ano passado, um pendrive quebrado e seis cópias do mesmo checklist em cima da mesa.
1. A OpenAI não diz “esvazie”; diz “audite o andaime antigo”
Em 11 de setembro de 2026, a OpenAI Developers publicou “Rethinking skills and prompts for GPT-6 Astra”.
O alvo são instruções acumuladas para compensar modelos anteriores: “leia sempre estes documentos”, “rode todos os testes toda vez”, “peça aprovação antes de qualquer passo”.
O Astra segue instruções melhor. O guia oficial alerta que ele é mais sensível a Skills, AGENTS.md e outras instruções em contexto; orientações vagas ou conflitantes podem fazê-lo parar cedo demais.
O problema não é que ele ignore regras.
É que pode obedecer com muita competência às rodinhas que escrevemos para modelos antigos.
A OpenAI inclusive usa como mau exemplo obrigar o agente a ler uma pilha de documentos antes de cada edição, porque isso queima contexto e desacelera o trabalho.
O padrão melhor é: descrições curtas de Skills, triggers específicos, apenas regras realmente permanentes em AGENTS.md, documentação especializada sob demanda, definição clara de “pronto” e revisão de velhas regras de aprovação, parada e testes excessivos.
Pense em constituição fina + manuais sob demanda.
2. Quão verdadeiras são as quatro frases virais?
“Comece numa pasta vazia” é exagero. A OpenAI não manda descartar repositório ou todo o contexto; recomenda ler o que a tarefa precisa.
“Apague todos os Skills antigos” também não. A ideia é estreitar triggers, encurtar descrições e remover conflitos e restrições desnecessárias.
“Resolva de primeira” só toca parcialmente no ponto. O oficial é definir o que significa concluir, para o Astra não parar depois da primeira implementação quando ainda falta executar, inspecionar e corrigir.
“Se precisar corrigir, recomece” vai contra o mid-turn steering: o Astra aceita novas exigências ou correções durante o trabalho e preserva o que já foi concluído.
A lição real é: não tenha amnésia; não mantenha memórias inúteis permanentemente ativas.
3. O uso de contexto cresce quando a sessão fica longa?
No nível da API, em geral sim.
O modelo não vê só a última frase. Mensagens anteriores, resultados de ferramentas, instruções e estado conversacional preservados ou reenviados entram no contexto do próximo pedido.
Simplificando:
5k anteriores + 1k novo = ~6k de entrada
Mais tarde:
100k anteriores + 1k novo = ~101k de entrada
Sistemas reais podem compactar, truncar, cachear ou manter estado seletivamente, então o número varia. Mas histórico longo não é um anexo infinito e grátis.
A documentação do Realtime da OpenAI explica que saídas de turnos anteriores se tornam entrada de turnos posteriores.
4. Cache torna o inchaço irrelevante?
Ajuda muito, mas não é lixeira mágica.
Em 14 de setembro de 2026, o GPT-6 Astra custa na API US$10 por milhão de tokens de entrada normal, US$1 por milhão de cached input e US$50 por milhão de saída. Acima de 272k tokens de entrada, a solicitação inteira usa 2x nas taxas de entrada/cache e 1,5x na saída.
Um prefixo longo e estável pode ficar muito mais barato quando acerta o cache. Mesmo assim, o trecho novo cresce, pode haver cache miss, instruções conflitantes continuam presentes e ultrapassar um limite pode mudar o regime de preço.
Preço de API também não é a mesma coisa que limite de uso de ChatGPT, Codex ou Work. Os dados públicos não permitem afirmar que uma conversa longa do ChatGPT gasta a cota do produto em proporção perfeitamente linear aos tokens históricos.
5. O maior risco não é dinheiro: são regras antigas virando fantasmas
Como o Astra é sensível a instruções, um “pare sempre aqui” de cem turnos atrás, um contract aposentado ou um “rode tudo sempre” criado por cautela podem continuar influenciando decisões.
Três tipos de sujeira são especialmente ruins:
Resolvida: bugs corrigidos, discussões encerradas, opções rejeitadas.
Duplicada: a mesma regra repetida em várias formas.
Obsoleta: instruções que já foram corretas, mas não combinam com o branch ou contract atual.
Uma pessoa diz “isso era antes”. O modelo vê texto ainda presente.
O paradoxo do modelo melhor é: ele pode obedecer melhor a instruções que já não deveriam existir.
6. “Leia toda a sessão anterior e continue” é uma boa estratégia?
Só pela metade.
Se você abre uma sessão nova, recoloca toda a sessão antiga e mantém tudo ativo, apenas mudou de sala: todas as caixas continuam em cima da mesa.
Melhor tratar a sessão antiga como depósito e a nova como bancada de trabalho.
Leve: estado atual, decisões já fechadas, regras ainda válidas, tarefas pendentes, evidências/arquivos/commits/URLs necessários e restrições perigosas de perder.
Normalmente deixe: discussões resolvidas, logs gigantes de tentativa e erro, abordagens rejeitadas, duplicações e regras antigas.
Carry forward only what matters.
7. Prompt prático de handoff
Revise a sessão anterior e continue levando apenas o estado atual, as decisões já definidas, as regras vigentes, as tarefas pendentes e as evidências necessárias para verificar o trabalho.
Não reproduza nem preserve o log antigo literalmente. Descarte instruções obsoletas, discussões resolvidas, histórico intermediário e informação duplicada. Mantenha apenas o contexto necessário para a tarefa atual.
Não refaça trabalho já concluído. Continue a partir do primeiro ponto pendente.
O ponto não é “não leia a sessão anterior”. É ler para extrair o estado atual, não para dar residência permanente a todo o passado.
8. Quando trocar de sessão
Não precisa reiniciar por número fixo de turnos. Bons sinais são: a mesma explicação começa a reaparecer; regras aposentadas voltam; não fica claro o que já terminou; logs ficam maiores que o estado útil; a fase mudou; ou o estado atual cabe em 10–30 linhas enquanto o histórico ocupa milhares.
Fluxos de pesquisa → implementação → verificação → publicação são bons candidatos a compactação nas fronteiras de fase.
Na API, a OpenAI também oferece compaction para reduzir o footprint de tokens de workflows longos e cheios de ferramentas preservando informação relevante.
9. Conclusão: o objetivo não é vazio; é uma bancada limpa
O Astra não precisa de amnésia. Conhecimento real, decisões fechadas e limites importantes devem permanecer.
O que precisa sair é a obrigação de reler cada desvio histórico como se ainda fosse instrução atual.
Sessão antiga = depósito. Sessão nova = bancada limpa. Handoff = romaneio só com as caixas necessárias.
Não é preciso criar uma religião da pasta vazia. Tire os recibos do ano passado e o pendrive quebrado da mesa e já melhora muito.
Referências (5)
- 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
