明明写了“别停”，AI还是不停地停——OpenAI官方也承认GPT-6 Astra会出现多余审批等待和过度测试
1. 一切从“这真的是OpenAI官方说的吗？”开始
社交媒体上有人整理了一套让GPT-6 Astra更自主地完成任务的OpenAI官方建议。
内容具体得有点可疑：从上下文推断用户意图和任务范围；已经授权的读取、审查和可逆修改不要每一步重新申请；真正需要最终批准的动作，应该先把能够完成的准备都做完，形成可审阅的具体结果，再在最后一步询问。
甚至还说，SKILL.md、AGENTS.md一类指令文件如果互相冲突，Astra更容易提前停下；小规模代码修改也可能触发比任务实际需要更广泛的测试。
这听起来不像普通文档，像把平时最烦的AI行为直接列成故障清单。
于是去查OpenAI官方原文。
真的有。
而且几乎就是这个意思。
2. 官方甚至直接叫它“多余的审批停顿”
OpenAI的GPT-6 Astra Model guidance明确写道：当额外信息可能实质改变结果时，Astra比早期模型更容易向用户提问。
作为协作能力，这本来是优点。
放到长任务里，就可能变成：
用户：“把这些问题全部调查并修掉。”
AI：“调查完成。要我开始修改吗？”
用户：“不是说了别停吗？”
AI：“明白。这里是修改方案。现在执行吗？”
于是出现了靠审批驱动的永动机。
更绝的是，OpenAI的Migration quickstart里真的有 Unnecessary approval pauses 这一项。
这不是用户集体幻觉。厂商自己给症状命名了。
3. 为什么一句“别停”还是不够
“别停”只表达方向，没有说明模型在哪些地方可以自己判断。
默认的协作倾向仍然存在：“如果多问一句可能让结果更好，那就先问。”
所以官方建议把行为边界写清楚：从指令和之前的对话推断意图和范围；遇到行动请求就实际执行，不要停在“我可以”、计划或为了省时间与token而给出的半成品；读取、审查、可逆修改，以及已经授权或任务本身强烈暗示被授权的工作，不要反复确认。
所以，
“别停”是口号；官方指南是把禁止停车路段画出来的地图。
4. 审批应该是最后的红色按钮，不是入场券
官方指南里最实用的一条，就是把真正必要的批准推到最后。
比如修网站并发布。如果只有最终发布需要确认，那么调查、修改、构建、必要测试、diff审查都可以先做完。
最后只需要问一句：“现在只剩发布。”
而不是：
“可以调查吗？”
“可以修改吗？”
“可以测试吗？”
“可以再测试一次吗？”
用户要的是交付，不是行政盖章小游戏。
5. OpenAI连“测试太多”也写进去了
Testing and verification部分同样熟悉。
OpenAI说明，Astra在代码任务中倾向于在完成前做非常彻底的测试；对较小任务而言，这可能变成超过实际需要的测试范围。
改一行。
跑相关测试。
通过。
“保险起见”再加一个测试。
通过。
再写一个几乎只是照抄实现的低价值回归测试。
还是通过。
结果真正的任务还没交付。
测试从质量控制变成了兴趣爱好。
官方建议让验证规模和修改规模相称：低影响、可逆的修改，不要为了测试而增加只是镜像实现的测试；完成真正需要的测试和必检项；通过以后，只有出现新修改、新失败或未解决风险时才扩大或重复测试，否则继续完成任务。
测试不是终点，是出货前检查。
既然检验合格，就别为了多填一张检查表又把货搬回仓库。
6. “那为什么不一开始就这样设计？”是很自然的反应
既然OpenAI自己把问题写得这么清楚，人当然会想：那就把更强的自走能力做成默认值啊。
但另一边也有合理原因。Astra同时被设计成更尊重任务边界，并在关键不确定信息可能改变结果时提问。面对普通用户，不能把一句含糊的“帮我改网站”自动理解成“你可以直接上线一切”。
真正让人烦的是：用户已经清楚说了“做到结束”“可逆步骤直接做”，模型还是每个路口都保守停车。
所以官方才另外提供“想让它更自主时怎么提示”的指导。
安全默认值可以理解。
但重度用户还是会想：
“很好。把Autonomous开关放到设置里，别藏在说明书深处。”
7. Codex继续保留“全套版”自走规则
对Codex来说，两句话确实不够。它可能要读取repo、改文件、处理冲突、测试、准备PR或部署，并连续工作很久。
因此，Codex侧这次整理出的全会话自走提示词保持原样。
它要求先检查最新OpenAI官方文档，再读取真实的$CODEX_HOME、config.toml、AGENTS.md、skills和全局指令；把developer_instructions等全局设置作为正本候选，同时保留现有设置并保证重复执行不会重复污染。
随后定义意图与范围推断、不允许只给计划就停、已授权的可逆工作继续执行、approval-last、clarification-last、指令冲突透明化、准确指出导致停止的SKILL.md、不因为假想风险凭空制造审批流程、保留破坏性和不可逆操作的正当边界、必要时使用subagent并行、测试适量、对应用surface做readback、smoke test、幂等性和明确完成条件。
也就是说，Codex得到的不只是“往前跑”，而是：
“这是整套交通法规，真正红灯只有这些；如果你在别处停车，把命令你停车的文件交出来。”
这部分不删。
8. ChatGPT反而只需要两条长期规则
日常ChatGPT没必要装上整套Codex制度。
Markdown没问题。
列表也没问题。
subagent的精细政策也不是每天的痛点。
真正反复烦人的只有两个：
明明任务范围已经清楚，却在中途为了确认而停。
验证已经足够，却继续扩张测试。
所以ChatGPT侧的长期规则只保留这两点。
当意图和范围足够明确时，只要没有真正的更高层安全、权限或不可逆边界，就不要用“要继续吗？”把工作切碎。
测试要与修改相称。必要检查已经通过后，如果没有新修改、新失败或未解决疑点，就不要继续重复或增加测试。
没坏的地方别硬修。否则规则本身又会变成新噪音。
9. 这更像“减少停机损失”，而不是单纯“Astra省额度技巧”
社交媒体把这些建议概括成Astra节省使用量的方法。
这种理解有道理，但OpenAI正式把它们放在Prompting best practices里，作用是调整模型行为。官方没有承诺“加入这些句子就能固定省多少百分比的额度”。
而且真正自走到结束的代理，一次任务可能反而工作更久。
可以减少的是：
提问 → 等人回答 → 恢复 → 再提问
这种停机损失。
所以更准确的说法是：
把同样的计算资源花在完成任务上，而不是花在审批表演上。
10. 结论：自己往前走，检验到够用，然后把活干完
研究最前沿AI的运行方式，最后得到的规则却非常普通。
别每做一步就回头看人。
检验合格了就出货。
Codex拿整套交通法规。ChatGPT墙上贴这两张纸就够了。
最有意思的是，这并不是用户自己发明的“AI调教术”。问题描述和相当一部分解决办法，就写在OpenAI自己的官方指南里。
本来是来研究AI未来的，最后开成了车间主任早会。
官方资料
- 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/
