บอก AI ว่า “อย่าหยุด” แต่มันก็ยังหยุด — OpenAI เองยอมรับปัญหาการรออนุมัติเกินจำเป็นและการทดสอบมากเกินไปของ GPT-6 Astra
1. ทุกอย่างเริ่มจากคำถามว่า “นี่เป็นข้อมูลทางการของ OpenAI จริงหรือ?”
มีโพสต์บนโซเชียลสรุปแนวทางทางการของ OpenAI สำหรับทำให้ GPT-6 Astra ทำงานได้อัตโนมัติมากขึ้น
เนื้อหาละเอียดจนน่าสงสัย: ให้อนุมานเจตนาและขอบเขตงานจากบริบท ไม่ต้องขออนุญาตซ้ำสำหรับการอ่าน การรีวิว หรือการแก้ไขแบบย้อนกลับได้ที่ได้รับอนุญาตแล้ว และถ้ามีการกระทำที่ต้องการการอนุมัติจริง ๆ ให้ทำงานที่ทำได้ทั้งหมดจนได้ผลลัพธ์ที่ตรวจทานได้ก่อน แล้วค่อยถามในขั้นตอนสุดท้าย
ยังมีเรื่องที่ Astra อาจไวต่อคำสั่งในไฟล์อย่าง SKILL.md และ AGENTS.md และการแก้โค้ดเล็ก ๆ อาจนำไปสู่การทดสอบกว้างกว่าที่งานต้องการ
มันฟังดูไม่เหมือนเอกสารทั่วไป แต่เหมือนรายการนิสัยของ AI ที่ผู้ใช้บ่นกันทุกวัน
จึงไปตรวจเอกสาร OpenAI โดยตรง
มีจริง
2. OpenAI ถึงกับเรียกมันว่า “Unnecessary approval pauses”
คู่มือ GPT-6 Astra ระบุว่าโมเดลมีแนวโน้มถามผู้ใช้มากกว่าโมเดลก่อนหน้า เมื่อข้อมูลเพิ่มอาจเปลี่ยนผลลัพธ์อย่างมีนัยสำคัญ
ในฐานะพฤติกรรมการทำงานร่วมกัน เรื่องนี้ดี
แต่ในงานยาว ๆ จะกลายเป็นแบบนี้
ผู้ใช้: “ตรวจแล้วแก้ปัญหาทั้งหมด”
AI: “ตรวจเสร็จแล้ว ให้ผมแก้เลยไหม?”
ผู้ใช้: “บอกแล้วว่าอย่าหยุด”
AI: “รับทราบ นี่คือแผนแก้ไข ให้ดำเนินการไหม?”
ยินดีด้วย เราสร้างเครื่องจักรนิรันดร์ที่ใช้การอนุมัติเป็นเชื้อเพลิงแล้ว
ยิ่งกว่านั้น ใน Migration quickstart ของ OpenAI มีหัวข้อ Unnecessary approval pauses อยู่จริง
ไม่ใช่ผู้ใช้คิดไปเอง ผู้ผลิตตั้งชื่ออาการให้แล้ว
3. ทำไมแค่ “อย่าหยุด” ยังไม่พอ
คำว่า “อย่าหยุด” บอกทิศทาง แต่ไม่ได้กำหนดขอบเขตว่าตรงไหนโมเดลตัดสินใจเองได้
นิสัยพื้นฐานยังอยู่: “ถ้าถามอีกหนึ่งคำถามแล้วผลดีขึ้น ก็ควรถาม”
ดังนั้นคู่มือทางการจึงแนะนำให้เขียนเป็นระดับพฤติกรรม: อนุมานเจตนาและขอบเขตจากคำสั่งและประวัติการคุยที่ผ่านมา หากเป็นคำขอให้ทำงานก็ลงมือทำจริง ไม่หยุดแค่ “ทำได้” แผนงาน หรือผลลัพธ์ครึ่งทางเพียงเพื่อประหยัดเวลาและ token และไม่ขออนุมัติซ้ำสำหรับงานอ่าน รีวิว การแก้ไขแบบย้อนกลับได้ หรือสิ่งที่ได้รับอนุญาตแล้ว
“อย่าหยุด” คือคำขวัญ แต่คู่มือทางการคือแผนที่เขตห้ามจอด
4. การอนุมัติควรเป็นปุ่มแดงสุดท้าย ไม่ใช่บัตรผ่านประตู
แนวคิดที่ใช้ได้จริงที่สุดคือย้ายการอนุมัติไปไว้ท้ายสุด
สมมติว่าต้องแก้เว็บไซต์และเผยแพร่ โดยมีเพียงการเผยแพร่จริงที่ต้องยืนยัน
เอเจนต์ควรตรวจ แก้ build รันทดสอบที่จำเป็น และเตรียม diff ที่ตรวจทานได้ให้เสร็จก่อน แล้วค่อยถามว่า “ทุกอย่างพร้อมแล้ว เหลือแค่เผยแพร่”
ต่างจากการถามว่า:
“ขอตรวจได้ไหม?”
“ขอแก้ได้ไหม?”
“ขอทดสอบได้ไหม?”
“ขอทดสอบอีกครั้งได้ไหม?”
ผู้ใช้ต้องการผลงาน ไม่ได้มาเล่นเกมสะสมตราประทับราชการ
5. OpenAI ยังยอมรับปัญหา “ทดสอบมากเกินไป” ด้วย
ส่วน Testing and verification คุ้นมากเช่นกัน
OpenAI อธิบายว่า Astra มักทดสอบการเปลี่ยนโค้ดอย่างละเอียดก่อนถือว่างานเสร็จ สำหรับงานเล็ก ความละเอียดนี้อาจทำให้ทดสอบกว้างเกินความจำเป็น
แก้หนึ่งบรรทัด
รันทดสอบที่เกี่ยวข้อง
ผ่าน
เพิ่มอีกอัน “เผื่อไว้”
ผ่าน
เพิ่ม regression test ที่แทบสะท้อน implementation เดิม
ผ่านอีก
แต่งานจริงยังไม่ได้ส่ง
การทดสอบเลิกเป็น QC และกลายเป็นงานอดิเรก
คำแนะนำทางการคือปรับการตรวจสอบให้เหมาะกับขนาดการเปลี่ยน: อย่าเขียนเทสต์สำหรับการเปลี่ยนแบบย้อนกลับได้และผลกระทบต่ำ หากเทสต์แค่สะท้อน implementation; รันเทสต์ที่มีความหมายและเช็กที่จำเป็น; เมื่อผ่านแล้ว ให้ขยายหรือรันซ้ำเฉพาะเมื่อมีการเปลี่ยนใหม่ ความล้มเหลว หรือข้อกังวลที่ยังไม่คลี่คลาย
เทสต์ไม่ใช่ปลายทาง แต่คือการตรวจสินค้าก่อนส่ง
6. ความคิดว่า “งั้นทำแบบนี้ตั้งแต่แรกสิ” เป็นเรื่องธรรมดา
เมื่อ OpenAI เข้าใจพฤติกรรมนี้ละเอียดขนาดนี้ คนก็ย่อมคิดว่า ทำไมไม่ตั้ง follow-through ที่แรงกว่านี้เป็นค่าเริ่มต้น
แต่อีกด้านก็มีเหตุผล Astra ถูกออกแบบให้เคารพขอบเขตงานและถามเมื่อความคลุมเครือสำคัญอาจเปลี่ยนผลลัพธ์ ผู้ช่วยทั่วไปที่ตีความ “แก้เว็บให้หน่อย” เป็นสิทธิ์เผยแพร่ทุกอย่างเองก็อันตรายอีกแบบ
ความหงุดหงิดเกิดเมื่อผู้ใช้บอกชัดแล้วว่า “ทำให้เสร็จ” และ “งานย้อนกลับได้ให้เดินต่อ” แต่โมเดลยังหยุดทุกแยก
นั่นจึงเป็นเหตุผลที่คู่มือทางการสอนวิธี prompt ให้ทำงานอัตโนมัติมากขึ้น
ค่าเริ่มต้นที่ปลอดภัยเข้าใจได้
แต่ผู้ใช้หนัก ๆ ก็ยังอยากพูดว่า:
“ดี งั้นเอาสวิตช์ Autonomous ไปไว้ใน Settings อย่าซ่อนไว้ในคู่มือ”
7. Codex ยังคงใช้กฎอัตโนมัติแบบเต็มชุด
สำหรับ Codex กฎสองบรรทัดไม่พอ เพราะมันอาจต้องอ่าน repo แก้ไฟล์ แก้ conflict ทดสอบ เตรียม PR หรือ deploy และทำงานต่อเนื่องนาน ๆ
ดังนั้น prompt แบบเต็มสำหรับทุก session ของ Codex ยังคงเดิม
มันเริ่มจากการตรวจเอกสาร OpenAI ล่าสุด และอ่านสภาพแวดล้อมจริง เช่น $CODEX_HOME, config.toml, AGENTS.md, skills และ global instructions โดยมอง developer_instructions เป็นต้นเป็นตัวเลือกของแหล่ง canonical พร้อมรักษาค่าที่มีอยู่และต้อง idempotent
จากนั้นกำหนดการอนุมาน intent/scope, ห้ามหยุดแค่แผน, เดินหน้ากับงานย้อนกลับได้ที่อนุญาตแล้ว, approval-last, clarification-last, ความโปร่งใสเมื่อคำสั่งขัดกัน, ระบุ SKILL.md ที่ทำให้หยุด, ไม่สร้าง approval bureaucracy จากความเสี่ยงสมมติ, รักษาขอบเขตจริงของงานทำลายหรือย้อนกลับไม่ได้, ใช้ subagent เมื่อคุ้ม, ทดสอบตามสัดส่วน, readback ตาม surface, smoke test, idempotency และเกณฑ์เสร็จชัดเจน
พูดง่าย ๆ Codex ไม่ได้แค่คำว่า “วิ่งต่อ” แต่ได้ว่า:
“นี่คือกฎจราจรทั้งหมด ไฟแดงจริงมีแค่นี้ ถ้าหยุดที่อื่นให้บอกว่าไฟล์ไหนสั่ง”
ส่วนนี้คงไว้ทั้งหมด
8. แต่ ChatGPT ต้องการเพียงสองกฎถาวร
การใช้ ChatGPT ประจำวันไม่จำเป็นต้องมีรัฐธรรมนูญทั้งเล่มของ Codex
Markdown ไม่ใช่ปัญหา
รายการก็ไม่ใช่ปัญหา
นโยบาย subagent ละเอียด ๆ ก็ไม่ใช่สิ่งที่รำคาญทุกวัน
ปัญหาที่เจอซ้ำจริง ๆ มีสองอย่าง:
ขอบเขตงานชัดแล้วแต่ยังหยุดถามยืนยันกลางทาง
ตรวจสอบพอแล้วแต่ยังเพิ่มเทสต์ต่อไป
ดังนั้นกฎถาวรฝั่ง ChatGPT เหลือเพียงสองข้อนี้
เมื่อเจตนาและขอบเขตชัดพอ อย่าแบ่งงานด้วย “ให้ทำต่อไหม?” เว้นแต่มีขอบเขตความปลอดภัย สิทธิ์ หรือการกระทำย้อนกลับไม่ได้ที่แท้จริง
รันทดสอบให้เหมาะกับการเปลี่ยน เมื่อเช็กที่จำเป็นผ่านแล้ว อย่ารันซ้ำหรือเพิ่มเทสต์เว้นแต่มีการเปลี่ยนใหม่ ความล้มเหลว หรือข้อกังวลที่ยังไม่แก้
อย่าซ่อมสิ่งที่ไม่ได้เสีย ไม่อย่างนั้นกฎจะกลายเป็นเสียงรบกวนใหม่
9. นี่ใกล้กับ “ลดการสูญเสียจากการหยุด” มากกว่า “ประหยัดโควตา Astra”
โพสต์บนโซเชียลนำเสนอแนวทางเหล่านี้เป็นวิธีประหยัดการใช้งาน Astra
แนวคิดนั้นเข้าใจได้ แต่ OpenAI จัดสิ่งเหล่านี้ไว้ใน Prompting best practices เพื่อปรับพฤติกรรมโมเดล ไม่ได้สัญญาว่าเพิ่ม prompt แล้วจะลดการใช้งานเป็นเปอร์เซ็นต์ตายตัว
เอเจนต์ที่ทำจนเสร็จจริงอาจทำงานนานขึ้นในหนึ่ง run ด้วยซ้ำ
สิ่งที่ลดได้คือ:
ถาม → รอคนตอบ → ทำต่อ → ถามอีก
ดังนั้นคำอธิบายที่แม่นกว่าคือ:
ใช้เวลารันกับละครขออนุญาตให้น้อยลง และใช้กับการทำงานให้เสร็จมากขึ้น
10. สรุป: เดินต่อ ตรวจเท่าที่จำเป็น แล้วจบงาน
หลังจากศึกษาการทำงานของ AI ระดับแนวหน้า กฎสุดท้ายกลับธรรมดามาก
อย่าหันมามองมนุษย์หลังทุกขั้นตอน
ถ้าตรวจผ่านแล้วก็ส่งของ
Codex ได้กฎจราจรทั้งเล่ม ส่วน ChatGPT ได้ป้ายสองใบติดผนัง
และสิ่งที่ตลกที่สุดคือ นี่ไม่ใช่แค่เทคนิค “ฝึก AI” ที่ผู้ใช้คิดเอง การวินิจฉัยและวิธีแก้ส่วนใหญ่มีอยู่ในคู่มือทางการของ OpenAI จริง
เราไปตามหาอนาคตของ AI แต่สุดท้ายมาอยู่ในประชุมเช้าของหัวหน้าโรงงาน
เอกสารอ้างอิง (2 รายการ)
- OpenAI, “Model guidance — Using GPT-6 Astra / Prompting best practices”: https://developers.openai.com/api/docs/guides/latest-model
- OpenAI, “Unrolling the Codex agent loop”: https://openai.com/index/unrolling-the-codex-agent-loop/
