“เปิด Astra จากโฟลเดอร์ว่าง ทิ้ง Skill เก่าทั้งหมด ยิงคำตอบให้จบในครั้งเดียว ถ้าต้องแก้ก็เริ่มจากศูนย์ใหม่”
สรุปแบบสุดโต่งนี้จำง่าย เพราะฟังดูมีเหตุผล ใครที่เคยเพิ่มกฎให้เอเจนต์ AI ไปเรื่อย ๆ คงนึกภาพได้ว่า AI ใช้เวลาทั้งวันอ่านคู่มือบริษัทจนยังไม่ได้เริ่มงานจริง
แต่สิ่งที่ OpenAI แนะนำจริง ๆ แม่นกว่านั้น:
ไม่ใช่ลบทิ้งทั้งหมด แต่โหลดเฉพาะสิ่งที่จำเป็นในเวลาที่จำเป็น
แนวคิดนี้ไม่ได้ใช้แค่กับ Skill หรือ AGENTS.md แต่ใช้กับแชตยาวและเซสชัน Codex ที่ทำงานต่อเนื่องด้วย
เมื่อเซสชันยาวขึ้น บทสนทนาเก่า ผลลัพธ์จากเครื่องมือ log ความพยายามที่ล้มเหลว และคำสั่งที่หมดอายุอาจยังอยู่เป็นวัตถุดิบในการตัดสินใจครั้งต่อไป ประวัติที่จำเป็นมีค่า แต่ประวัติที่ไม่จำเป็นก็เหมือนทำงานบนโต๊ะที่เต็มไปด้วยใบเสร็จปีที่แล้ว USB พัง และ checklist เดิมหกชุด
1. OpenAI ไม่ได้บอกว่า “ทำให้ว่าง” แต่บอกให้ “ตรวจสอบ scaffolding เก่า”
OpenAI Developers เผยแพร่ “Rethinking skills and prompts for GPT-6 Astra” เมื่อ 11 กันยายน 2026
เป้าหมายคือคำสั่งจำนวนมากที่สะสมไว้เพื่อช่วยโมเดลรุ่นก่อน เช่น “อ่านเอกสารเหล่านี้ทุกครั้ง” “รันทดสอบทั้งหมดทุกครั้ง” หรือ “ถามอนุมัติก่อนทุกขั้นตอน”
Astra ทำตามคำสั่งได้เข้มแข็งขึ้น คู่มือทางการระบุว่ามันไวต่อคำสั่งใน Skill, AGENTS.md และ context อื่นมากขึ้น และคำสั่งที่กำกวมหรือขัดกันอาจทำให้มันหยุดเร็วเกินไป
ปัญหาไม่ใช่ว่า Astra ไม่อ่านกฎ
ปัญหาคือมันอาจทำตามล้อช่วยฝึกที่เราเขียนไว้สำหรับโมเดลเก่าอย่างจริงจังเกินไป
OpenAI ยังยกตัวอย่างการบังคับให้อ่านเอกสารจำนวนมากก่อนแก้ทุกครั้งว่าเป็นวิธีเผา context และทำให้งานช้า
รูปแบบที่ดีกว่าคือ ทำคำอธิบาย Skill ให้สั้นและ trigger ชัดเจน, เก็บใน AGENTS.md เฉพาะกฎที่ใช้ตลอดจริง ๆ, โหลดเอกสารเฉพาะทางเมื่อเกี่ยวข้อง, กำหนดคำว่า “เสร็จ” ล่วงหน้า และทบทวนกฎอนุมัติ/หยุด/ทดสอบเกินจำเป็นที่สร้างไว้สำหรับโมเดลเก่า
คิดเป็น รัฐธรรมนูญบาง ๆ + คู่มือเฉพาะทางแบบเปิดเมื่อจำเป็น
2. สี่ประโยคไวรัลนั้นจริงแค่ไหน
“เริ่มจากโฟลเดอร์ว่าง” เป็นการพูดเกินจริง OpenAI ไม่ได้บอกให้ทิ้ง repo หรือประวัติทั้งหมด แต่ให้โมเดลอ่านสิ่งที่งานนั้นต้องใช้
“ทิ้ง Skill เก่าทั้งหมด” ก็ไม่ใช่ คำแนะนำจริงคือทำ trigger ให้แคบลง ลดคำอธิบาย และลบข้อขัดแย้งหรือข้อบังคับที่ไม่จำเป็น
“ตอบให้ถูกในครั้งเดียว” ใกล้เพียงครึ่งเดียว สิ่งที่ทางการเน้นคือกำหนด completion ให้ชัด เพื่อไม่ให้ Astra หยุดหลัง implementation แรกทั้งที่ยังต้องรัน ตรวจ และแก้
“ถ้าจะแก้ให้เริ่มใหม่จากศูนย์” กลับตรงข้ามกับ mid-turn steering เพราะ Astra รับการแก้ไขระหว่างงานและยังรักษาส่วนที่ทำเสร็จแล้วได้
บทเรียนจริงคือ ไม่ต้องความจำเสื่อม แค่ไม่ต้องเปิดความจำที่ไม่มีประโยชน์ค้างไว้ตลอดเวลา
3. เซสชันยาวขึ้นแล้วใช้ context มากขึ้นจริงไหม
ในระดับ API โดยทั่วไปใช่
โมเดลไม่ได้เห็นแค่ประโยคล่าสุด ข้อความเก่า ผลจากเครื่องมือ คำสั่ง และ state ที่ถูกเก็บหรือส่งกลับเข้าไป จะกลายเป็น input ของคำตอบถัดไป
แบบง่าย ๆ:
เก่า 5k + ใหม่ 1k = input ราว 6k
ต่อมาอาจเป็น:
เก่า 100k + ใหม่ 1k = input ราว 101k
ระบบจริงอาจ compact, truncate, cache หรือเก็บ state แบบเลือกส่วน จึงไม่ใช่ตัวเลขตายตัว แต่ประวัติยาวไม่ใช่ไฟล์แนบฟรีแบบไม่มีขีดจำกัด
เอกสาร Realtime API ของ OpenAI ก็ระบุว่าผลลัพธ์จาก turn ก่อนหน้าจะกลายเป็น input ของ turn หลัง
4. ถ้ามี cache แล้ว context พองก็ไม่เป็นไรหรือ
cache ช่วยมาก แต่ไม่ใช่ถังขยะวิเศษ
ณ 14 กันยายน 2026 ราคา API ของ GPT-6 Astra คือ input ปกติ 10 ดอลลาร์ต่อหนึ่งล้าน token, cached input 1 ดอลลาร์ และ output 50 ดอลลาร์ และ prompt ที่ input เกิน 272k token จะใช้อัตรา input/cache 2 เท่าและ output 1.5 เท่าสำหรับทั้ง request
prefix ยาวที่เสถียรอาจถูกมากเมื่อ cache hit แต่ส่วนใหม่ยังโตได้, cache miss ยังเกิดได้, คำสั่งที่ไม่เกี่ยวหรือขัดกันยังอยู่ใน context และเมื่อข้าม threshold โครงสร้างราคาก็เปลี่ยน
ราคา API ก็ไม่ใช่สิ่งเดียวกับโควตาในผลิตภัณฑ์ ChatGPT, Codex หรือ Work จึงยังไม่ควรสรุปว่าแชต ChatGPT ที่ยาวขึ้นจะกินโควตาตามจำนวน token ในอดีตแบบเส้นตรงเป๊ะ ๆ
5. ความเสี่ยงใหญ่กว่าเงินคือ “ผีกฎเก่า”
เพราะ Astra ไวต่อคำสั่ง กฎ “ต้องหยุดตรงนี้” จากหลายสิบ turn ก่อน, contract ที่เลิกใช้แล้ว หรือ “รันทดสอบทุกอย่างทุกครั้ง” อาจยังเข้ามาเป็นข้อมูลตัดสินใจ
ขยะอันตรายมีสามแบบ:
แก้แล้ว: bug ที่แก้แล้ว การถกเถียงที่จบแล้ว ตัวเลือกที่ไม่ใช้แล้ว
ซ้ำ: กฎเดียวกันถูกพูดหลายแบบหลายครั้ง
หมดอายุ: เคยถูกต้องแต่ไม่ตรงกับ branch หรือ contract ปัจจุบัน
คนอ่านแล้วบอกว่า “นั่นเรื่องเก่า” แต่โมเดลเห็นว่ามันยังอยู่ใน context
จึงเกิดเรื่องตลกร้ายได้ว่าโมเดลเก่งขึ้น แต่ ทำตามคำสั่งที่ไม่ควรใช้แล้วได้เก่งขึ้นด้วย
6. เปิดเซสชันใหม่แล้วสั่ง “อ่านเซสชันก่อนหน้าทั้งหมดแล้วทำต่อ” ดีไหม
ดีแค่ครึ่งเดียว
ถ้าเปิดห้องใหม่แล้วเอาประวัติทั้งหมดกลับเข้าไปและเปิดค้างไว้เหมือนเดิม ก็แค่ย้ายห้องพร้อมยกกล่องทุกใบขึ้นโต๊ะใหม่
แนวคิดที่ดีกว่าคือมองเซสชันเก่าเป็น โกดัง และเซสชันใหม่เป็น โต๊ะทำงาน
ควรย้ายมา: state ปัจจุบัน, การตัดสินใจที่ยืนยันแล้ว, กฎที่ยังใช้, งานที่ค้าง, หลักฐาน/ไฟล์/commit/URL ที่ต้องใช้ตรวจสอบ และข้อจำกัดที่หายไม่ได้
มักทิ้งไว้ได้: การถกเถียงที่จบแล้ว, log ลองผิดลองถูกขนาดใหญ่, แนวทางที่ไม่เลือก, ข้อมูลซ้ำ และกฎเก่า
Carry forward only what matters.
7. prompt สำหรับ handoff ที่ใช้ได้จริง
ตรวจสอบเซสชันก่อนหน้า แล้วทำต่อโดยนำมาเฉพาะ state ปัจจุบัน ข้อสรุปที่ยืนยันแล้ว กฎที่ยังใช้งาน งานที่ยังไม่เสร็จ และหลักฐานที่จำเป็นต่อการตรวจสอบ
ไม่ต้องคัดลอกหรือเก็บ log เก่าทั้งหมด ตัดคำสั่งที่หมดอายุ การถกเถียงที่จบแล้ว ประวัติระหว่างทาง และข้อมูลซ้ำออก เหลือเฉพาะ context ที่จำเป็นสำหรับงานปัจจุบัน
อย่าทำงานที่เสร็จแล้วซ้ำ ให้ทำต่อจากจุดแรกที่ยังไม่เสร็จ
ประเด็นไม่ใช่ “ห้ามอ่านเซสชันเก่า” แต่คือ อ่านเพื่อสกัด state ปัจจุบัน ไม่ใช่ให้ประวัติทั้งหมดได้สิทธิ์พำนักถาวร
8. ควรเปลี่ยนเซสชันเมื่อไร
ไม่ต้องกำหนดจำนวน turn ตายตัว สัญญาณที่ดีกว่าคือเริ่มอธิบายเรื่องเดิมซ้ำ, กฎที่เลิกใช้กลับมา, ไม่รู้แล้วว่าอะไรเสร็จ, tool log ยาวกว่า state ที่มีประโยชน์, งานเปลี่ยนเฟสชัดเจน หรือ state ปัจจุบันสรุปได้ 10–30 บรรทัดแต่ประวัติมีหลายพันบรรทัด
งานวิจัย → implementation → verification → release เหมาะกับการ compact ที่ขอบเขตแต่ละเฟส
สำหรับ workflow API ระยะยาว OpenAI ยังมี compaction เพื่อย่อ state เก่าโดยคงข้อมูลที่เกี่ยวข้องและลด token footprint
9. สรุป: จุดแข็งไม่ใช่ “ว่าง” แต่คือ “โต๊ะสะอาด”
Astra ไม่ต้องความจำเสื่อม ความรู้จริง การตัดสินใจที่ยืนยันแล้ว และขอบเขตสำคัญควรอยู่ต่อ
สิ่งที่ควรหายไปคือการบังคับให้ทุกทางอ้อมในอดีตถูกอ่านเหมือนยังเป็นคำสั่งปัจจุบัน
เซสชันเก่า = โกดัง เซสชันใหม่ = โต๊ะสะอาด handoff = ใบรายการที่มีเฉพาะกล่องที่ยังต้องใช้
ไม่ต้องตั้งศาสนาโฟลเดอร์ว่าง แค่เอาใบเสร็จปีที่แล้วกับ USB พังออกจากโต๊ะก็พอ
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
