明明寫了「不要停」，AI還是一直停——OpenAI官方也承認GPT-6 Astra有多餘審批等待與過度測試問題
1. 一切從「這真的是OpenAI官方說的嗎？」開始
社群平台上有人整理了一套讓GPT-6 Astra更自主完成工作的OpenAI官方建議。
內容精準得有點可疑：從上下文推斷使用者意圖與工作範圍；讀取、審查、可逆修改以及已授權工作，不要每一步重新請示；若某個動作真的需要最後核准，就先把能做的準備全部做完，形成可審閱的具體成果，最後一步再問。
甚至還提到，SKILL.md、AGENTS.md這類指令檔互相衝突時，Astra可能更容易提早停工；小型程式修改也可能觸發超過任務所需範圍的測試。
這不像一般文件，比較像把平常最煩的AI行為直接列成症狀表。
於是去查OpenAI官方原文。
真的有。
2. 官方甚至真的叫它「不必要的審批停頓」
OpenAI的GPT-6 Astra Model guidance明確寫到：當更多資訊可能實質改變結果時，Astra比之前模型更可能詢問使用者。
作為協作能力，這本來是優點。
到了長任務就可能變成：
使用者：「把問題全部調查並修好。」
AI：「調查完成。要我開始修改嗎？」
使用者：「不是說了不要停嗎？」
AI：「了解。這是修改方案。要執行嗎？」
靠審批維持的永動機完成了。
更妙的是，OpenAI的Migration quickstart真的有 Unnecessary approval pauses 這一項。
不是大家想太多。原廠自己替症狀命名了。
3. 為什麼只寫「不要停」還是不夠
「不要停」只給方向，沒有畫出模型可以自己判斷的邊界。
原本的協作傾向還在：「多問一句可能讓結果更好，那就先問。」
所以官方建議把行為說得更具體：從指令和先前對話推斷意圖與範圍；如果是行動請求，就真的做，不要停在「我可以」、計畫或為了省時間與token而留下的半成品；讀取、審查、可逆修正，以及已授權或由工作本身強烈暗示已授權的事情，不要反覆請示。
所以，
「不要停」是標語；官方指南是把禁停區畫出來的地圖。
4. 審批應該是最後的紅色按鈕，不是入場券
官方指南最實用的概念，就是把真正需要的核准推到最後。
例如修網站並發布。如果只有最後發布需要確認，那麼調查、修改、build、必要測試、diff檢查都先完成。
最後只問：「現在只剩發布。」
而不是：
「可以調查嗎？」
「可以修改嗎？」
「可以測試嗎？」
「可以再測一次嗎？」
使用者要的是完成工作，不是行政蓋章遊戲。
5. OpenAI連「測試太多」也承認了
Testing and verification一節同樣熟悉。
OpenAI表示，Astra在程式任務裡傾向於在認定完成前做很徹底的測試；對小型工作而言，這可能變成超過實際需求的測試範圍。
改一行。
跑相關測試。
通過。
「保險一點」再加一個測試。
通過。
再寫一個幾乎只是把實作照抄一遍的低價值回歸測試。
還是通過。
真正的工作卻還沒交付。
測試從品質管理變成興趣。
官方建議讓驗證規模符合修改規模：低影響、可逆的改動，不要加入只是鏡像實作的測試；完成真正必要的測試與必檢項；通過後，除非有新修改、新失敗或未解疑慮，否則不要再擴大或重複測試，繼續完成任務。
測試不是終點，而是出貨前檢查。
既然驗貨通過，就別為了多一張檢查表又把貨搬回倉庫。
6. 「那就一開始這樣做啊」是很自然的反應
既然OpenAI自己把問題寫得這麼清楚，人自然會想：那就把更強的自走能力設成預設值。
但另一邊也有合理理由。Astra同時被設計成更尊重任務邊界，並在關鍵不明資訊可能改變結果時提問。面對一般使用者，不能把模糊的「幫我修網站」直接解讀成「你可以任意公開」。
真正讓人火大的是，使用者已經清楚說了「做到結束」「可逆步驟直接做」，模型還是在每個路口保守停車。
所以官方才另外提供如何提示更自主執行的指南。
安全預設值可以理解。
但重度使用者還是會想：
「很好，把Autonomous開關放到設定裡，不要藏在說明書深處。」
7. Codex繼續保留「全套版」自走規則
對Codex而言，兩句規則確實不夠。它可能要讀repo、改檔案、處理衝突、測試、準備PR或部署，並長時間連續工作。
因此Codex端這次整理出的全會話自走提示詞保持原樣。
它要求先確認最新OpenAI官方文件，再實讀目前的$CODEX_HOME、config.toml、AGENTS.md、skills和全域指令；把developer_instructions等全域設定當作正本候選，同時保留既有設定並確保重複執行不會重複污染。
接著定義意圖與範圍推論、不允許只給計畫就停、已授權可逆工作繼續做、approval-last、clarification-last、指令衝突透明化、指出造成停止的精確SKILL.md、不要因假想風險憑空增加審批流程、保留破壞性與不可逆操作的正當界線、需要時使用subagent平行處理、測試適量、應用surface readback、smoke test、冪等性和完成條件。
也就是說，Codex拿到的不只是「繼續跑」，而是：
「整套交通法規都給你，真正紅燈只有這些；如果你在別處停車，把叫你停的檔案交出來。」
這部分不刪。
8. ChatGPT反而只需要兩條長期規則
日常ChatGPT不需要裝整套Codex制度。
Markdown沒問題。
列表也沒問題。
細緻的subagent規則也不是每天的痛點。
反覆讓人煩的只有兩件事：
任務範圍已經清楚，卻在中途為了確認而停。
驗證已經足夠，卻繼續擴張測試。
所以ChatGPT端的長期規則只保留這兩點。
當意圖和範圍足夠清楚時，只要沒有真正的上位安全、權限或不可逆界線，就不要用「要繼續嗎？」把工作切碎。
測試要符合修改規模。必要檢查通過後，如果沒有新修改、新失敗或未解疑點，就不要繼續重複或增加測試。
沒壞的地方不要硬修，否則規則自己又會變成新噪音。
9. 這更像「減少停機損失」，不是單純「Astra省額度技巧」
社群貼文把這些建議概括成Astra節省使用量的方法。
這個方向可以理解，但OpenAI正式把它們放在Prompting best practices中，用來調整模型行為。官方沒有承諾加入這些句子後可以固定省多少百分比。
而且真正自走到完成的agent，一次任務甚至可能工作更久。
可以減少的是：
提問 → 等人回答 → 繼續 → 再提問
這種停機損失。
所以更準確的說法是：
把相同算力花在完成工作上，而不是花在審批表演上。
10. 結論：自己往前走，驗到夠用，然後把工作做完
研究最前沿AI的操作方式，最後得到的規則卻普通得驚人。
不要每做一步就回頭看人。
驗貨通過就出貨。
Codex拿完整交通法規。ChatGPT牆上貼這兩張紙就夠了。
最有趣的是，這不是使用者自己發明的「AI調教術」。問題描述和很大一部分解法，就直接寫在OpenAI自己的官方指南裡。
本來是去研究AI未來，最後變成工廠主管早會。
官方資料
- 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/
