Pare de dar prompts ao Astra como se fosse o GPT-5
Algo estranho acontece quando modelos de IA se tornam mais inteligentes.
Continuamos falando com eles como se fossem os modelos antigos.
Nós salvamos centenas de “prompts perfeitos”. Continuamos adicionando mais instruções. Criamos imensos AGENTS.md arquivos. Instalamos todas as Skills úteis que encontramos. Então um novo modelo chega e levamos tudo isso adiante.
Eu teria muito cuidado ao fazer isso com o GPT-6 Astra.
O Astra foi lançado há apenas alguns dias, mas este modelo já está nos forçando a repensar alguns hábitos básicos em torno do prompting. Algumas instruções que ajudavam modelos mais antigos agora podem deixar o Astra mais lento, desperdiçar contexto, fazê-lo testar demais ou fazer com que ele pare quando você esperava que ele continuasse.
E há outra parte que as pessoas estão perdendo.
Astra oferece a você 1,05 milhão de tokens de contexto, cinco níveis de raciocínio, uso de computador, pesquisa na web, pesquisa de arquivos, ferramentas, subagentes, Skills, plugins e fluxos de trabalho de longa execução. Ele pode até mesmo alterar seu nível de raciocínio enquanto uma conversa está em andamento.
Portanto, não se trata mais apenas de aprender como escrever um prompt inteligente.
Existe uma forma muito melhor de usá-lo.
A verdadeira vantagem do Astra está escondida em algumas configurações e mudanças de fluxo de trabalho sobre as quais quase ninguém fala ainda: quais prompts antigos agora prejudicam o desempenho, quando o Low pode superar o Max, como impedir que as Skills e o contexto trabalhem silenciosamente contra você, e como transformar um prompt em um verdadeiro agente, loop ou automação. Além dos recursos do Astra que a maioria das pessoas ainda não está usando, 5 prompts de copiar e colar e uma configuração de API limpa.
Sua biblioteca de prompts antigos pode precisar de uma limpeza
Aqui está o lugar mais fácil para começar.
O Astra precisa de menos instruções do que muitos modelos mais antigos.
A própria OpenAI diz que o Astra é melhor em seguir instruções longas, mas também mais sensível às instruções contidas em Skills, arquivos e AGENTS.md. Ele também é mais propenso a fazer uma pergunta quando acha que a resposta pode alterar o resultado. Para programação, ele pode testar mais do que uma pequena alteração realmente precisa.
Isso significa que um prompt como este pode se tornar um problema:
Read every project document first.
Think step by step.
Check your work carefully.
Run all tests.
Ask me before making any decision.
Do not continue until I approve your plan.
Há um ano, algumas dessas linhas eram úteis.
Com a Astra, eu removeria a maioria deles.
A pergunta melhor é:
O que a Astra realmente precisa de mim para terminar este trabalho corretamente?
Para a maioria das tarefas sérias, agora penso em apenas cinco coisas:
Isso é o suficiente para uma quantidade surpreendente de trabalho.
Aqui está um prompt mestre simples:
JOB
Research our five closest competitors and prepare
a short competitive report.
CONTEXT
We sell accounting software for small businesses.
Focus on pricing, major features and recent product changes.
FREEDOM
Choose the best sources yourself.
Make normal research decisions without asking me.
Ask only if missing information would seriously change the result.
RESULT
Give me:
- a simple comparison table
- the three biggest changes
- three things I should pay attention to
DONE
The task is complete when every important claim has
been checked against a reliable source.
Nada sofisticado.
Mas o Astra agora conhece a tarefa, o histórico importante, quanta liberdade ele tem e o que significa “terminado”.
Essa última parte é especialmente importante.
Dê ao Astra permissão para terminar
Às vezes, a Astra pode parar antes do que você espera porque ela leva as limitações a sério.
Portanto, se você quiser um trabalho completo, diga isso claramente.
Eu salvaria esta pequena instrução:
Continue until the requested work is complete.
Make normal, reversible decisions yourself.
Do not stop only to show me a plan if you can already
do the work.
Ask me when a decision is irreversible, spends money,
publishes something, contacts someone or changes the
scope of the task.
Isso é útil no Work, Codex, agentes de pesquisa e em quase qualquer fluxo de trabalho mais longo.
A OpenAI recomenda uma ideia semelhante: deixe a Astra terminar o trabalho que já está autorizado e, em seguida, peça aprovação no momento em que uma ação externa real for necessária.
Pense em um fluxo de trabalho de e-mail.
A versão fraca é:
Leia este e-mail e me diga o que devo responder.
A versão mais forte é:
Read this email and the earlier conversation.
Work out what the sender needs.
Draft the final reply.
Check any important dates or numbers against the
conversation.
Do not send it.
Stop when the reply is ready for me to review.
Agora a Astra pode fazer quase tudo, exceto a ação final.
Esse é um uso muito melhor de um agente.
A configuração ao lado do seu prompt também importa
Um dos erros mais fáceis do Astra é usar raciocínio demais para um trabalho simples.
O Astra oferece suporte a:
LOW
MEDIUM
HIGH
XHIGH
MAXNão existe uma nenhuma configuração.
Você não precisa de max para resumir um documento.
Uma regra simples:
LOW
Rewriting
Extraction
Classification
Simple reports
Formatting
MEDIUM
Research
Planning
Normal coding
Business analysis
HIGH
Difficult research
Large code changes
Complex debugging
Important decisions
XHIGH / MAX
Very hard problems
Deep technical work
Tasks where lower effort actually failed
Eu começaria mais baixo e subiria apenas quando a tarefa merecer.
A OpenAI dá quase o mesmo conselho de migração. Se o seu fluxo de trabalho antigo não usava raciocínio ou usava o mínimo, comece o Astra em baixo e compare os resultados.
Também há um novo recurso de API muito útil.
Astra pode alterar o esforço de raciocínio no meio de uma conversa.
Portanto, um agente poderia gastar a maior parte do seu tempo em baixo, se deparar com uma decisão difícil, mudar para alto, resolvê-la e depois retornar a um nível mais barato posteriormente.
Esse é um recurso pequeno com um grande efeito em agentes de longa duração.
Uma Habilidade deve ser menor do que você pensa
Habilidades são úteis quando você repete o mesmo tipo de trabalho.
Por exemplo:
- escrever seu relatório semanal
- revisar um pull request
- preparar uma proposta de vendas
- limpar uma planilha
- pesquisando uma empresa
- formatando uma newsletter
Mas uma Skill não precisa conter todo o seu cérebro.
Imagine isto:
Seu SKILL.md pode simplesmente dizer:
Use this Skill when creating our weekly business report.
For metric definitions:
read reporting-rules.md
For calculations:
run calculate.py
Only load these files when the current task needs them.
Isso é o suficiente.
A Skill diz ao Astra quando ele deve ser usado.
As instruções mais profundas permanecem em outro lugar até serem necessárias.
Isso é importante porque cada Skill e instrução compete por contexto. A OpenAI recomenda especificamente auditar Skills e outros arquivos de instrução ao migrar para o Astra.
Eu executaria isso uma vez em qualquer configuração antiga do Codex:
Review all AGENTS.md files and Skills in this project.
Find:
- old instructions that Astra probably no longer needs
- repeated instructions
- conflicting rules
- very long Skill descriptions
- rules that force unnecessary reading
- rules that force unnecessary testing
For every problem, tell me:
KEEP
SHORTEN
MOVE
or DELETE
Then show me a cleaner version.
Do not change the files yet.
Isso provavelmente é mais útil do que baixar outras vinte Skills.
O Astra não precisa de todo o seu cérebro em cada prompt
O Astra pode aceitar até 1,05 milhão de tokens de contexto através da API.
Isso parece enorme.
É mesmo.
Mas isso não significa que você deva colar todo o Google Drive de uma empresa em cada tarefa.
Há um caminho melhor.
Pense em três camadas:
NOW
Information Astra needs for this task.
STORED
Information you want to keep for later.
RETRIEVED
Old information Astra pulls back when it becomes useful.
Digamos que você esteja criando um assistente de vendas de IA.
Você pode ter:
- 5.000 e-mails de clientes
- scripts de vendas
- documentação de produto
- propostas anteriores
- anotações de reunião
- informações de preços
O assistente não precisa de tudo isso dentro de cada prompt.
Ele pode recuperar apenas:
Customer name
Last two conversations
Current pricing
Relevant product page
Company sales rulesEntão, a Astra trabalha com esse contexto menor.
É isso que torna a memória de longo prazo da IA prática.
Armazene mais. Recupere menos.
Traga apenas o que o trabalho atual precisa.
Para desenvolvedores, as ferramentas de busca de arquivos e armazenamento vetorial da OpenAI são criadas exatamente para esse tipo de recuperação.
Há também um motivo financeiro para se importar.
O Astra custa US$ 10 por milhão de tokens de entrada e US$ 50 por milhão de tokens de saída através da API padrão. Uma vez que uma solicitação ultrapassa 272.000 tokens de entrada, toda a solicitação passa para um preço mais alto de contexto longo.
Portanto, a janela de contexto gigante é útil.
Preenchê-lo sem um motivo é caro.
Ferramentas são onde o prompt se torna trabalho real
Um prompt normal termina com uma resposta.
Um prompt baseado em ferramentas pode terminar com algo realmente sendo feito.
Astra suporta ferramentas incluindo:
- pesquisa na web
- pesquisa de arquivos
- funções
- uso do computador
- execução de código e outras ferramentas de agente dependendo do ambiente
A maneira mais fácil de entender as peças é:
PROMPT
What should happen?
SKILL
How do we usually do this job?
TOOL
What can Astra use to do it?
PLUGIN
Which reusable Skills and connected apps
does this workflow need?
Os plugins agora são uma parte importante do ChatGPT e do Codex.
Um plugin pode incluir Skills e aplicativos que conectam o ChatGPT ou o Codex a informações e ações externas. A OpenAI moveu seu antigo App Directory para o Plugin Directory em julho.
Então, em vez de escrever:
Pesquisar no Gmail, encontrar a fatura, abrir o Drive, comparar com a planilha e preparar uma resposta.
Um fluxo de trabalho conectado pode realmente usar esses sistemas.
O prompt torna-se muito mais simples:
Find the latest invoice from ACME.
Compare it with the agreed price in our files.
If the numbers match, draft a short confirmation email.
If they do not match, show me the difference.
Do not send anything.
O poder vem das ferramentas.
O prompt apenas lhes dá direção.
Transforme trabalho repetido em um loop
Este é outro hábito útil da Astra.
Para uma resposta única, um prompt é suficiente.
Para trabalho real, crie um loop.
Um loop de codificação poderia ser:
Find the bug
↓
Reproduce it
↓
Fix it
↓
Run the relevant check
↓
Look at the result
↓
Fix again if needed
↓
Stop when it works
Um loop de pesquisa poderia ser:
Search
↓
Find claim
↓
Verify claim
↓
Store source
↓
Find missing information
↓
Search again
↓
Write
Você pode fornecer o loop diretamente para a Astra:
Work in this loop:
1. Do the next useful step.
2. Check what happened.
3. Fix anything that prevents the goal.
4. Continue.
Stop when:
- the requested result exists
- the important parts have been checked
- there are no known blockers inside the task
Simples.
Mas agora o modelo sabe tanto como continuar quanto quando terminar.
Uma boa automação é apenas um loop com um gatilho
Agora imagine que esse mesmo fluxo de trabalho seja executado todas as segundas-feiras.
Isso se torna uma automação.
A estrutura mais fácil é:
TRIGGER
What starts the workflow?
CHECK
Should anything happen?
WORK
What should Astra do?
APPROVAL
Where does a human need to step in?
SAVE
What should be remembered afterward?
Exemplo:
TRIGGER
Every Monday morning.
WORK
Read last week's sales data.
Compare it with the previous week.
Find:
- biggest increase
- biggest drop
- stalled deals
- three numbers that need attention
Draft a short weekly report.
APPROVAL
Do not email or publish it.
SAVE
Keep the final weekly numbers so next week's report
can compare against them.
Isso já é um sistema de IA útil.
E você pode continuar expandindo-o mais tarde.
Talvez outro agente verifique o feedback do cliente.
Outro verifica concorrentes.
Outro analisa tickets de suporte.
Então o Astra combina os resultados.
A OpenAI diz que o Astra pode delegar trabalho paralelo para subagentes, embora você possa precisar dizer a ele quando realmente deseja essa delegação.
Uma instrução simples é o suficiente:
If two parts of this task can be done independently,
run them in parallel.
Do not split work when one step depends on the result
of another.
Combine everything into one final answer.
Duas novas funcionalidades do Astra valem a pena conhecer
Existem duas funcionalidades de API que eu observaria atentamente.
A primeira é a chamada de ferramenta assíncrona.
O Astra pode iniciar uma chamada de ferramenta lenta e continuar com outros trabalhos úteis em vez de ficar ocioso enquanto a ferramenta termina.
Imagine que um agente precisa de:
- uma consulta lenta de banco de dados
- uma pesquisa na web
- três resumos de documentos
O banco de dados não precisa congelar todo o resto.
Astra pode continuar funcionando.
O segundo é a direção no meio da curva.
Você pode enviar uma nova instrução para a Astra enquanto ela já está trabalhando.
Portanto, se você notar que ela está indo na direção errada, nem sempre precisa descartar toda a execução e começar de novo.
Você pode corrigi-la.
Para tarefas longas de agentes, essa é uma mudança muito útil.
Cinco prompts que vale a pena guardar
Aqui estão cinco modelos simples que eu realmente salvaria.
1. Pesquisa profunda
Research [TOPIC].
Use recent and reliable sources.
Check important facts before using them.
Separate:
confirmed facts
uncertain claims
your analysis
Give me the useful answer first.
Include source links for claims that matter.
2. Trabalhar com arquivos
Read these files and complete [TASK].
Use only the files that are relevant.
If something is missing, search the available files
before asking me.
Continue until the requested result is ready.
Tell me clearly what could not be verified.
3. Construir algo
Build [THING].
Requirements:
[REQUIREMENTS]
You may make normal implementation decisions yourself.
Run it.
Inspect the result.
Fix problems related to the task.
Stop when it works and the relevant checks pass.
4. Melhore um fluxo de trabalho de IA antigo
Review this workflow.
For each step, tell me:
What information goes in?
What decision is made?
What tool is needed?
Can this run automatically?
Does a human need approval?
What should be saved for later?
Then show me the simplest improved version.
5. Limpe um prompt da Astra
Review this prompt for GPT-6 Astra.
Remove:
- repeated instructions
- things Astra already handles well
- unnecessary context
- conflicting rules
- vague approval rules
Keep only instructions that change the result.
Then give me the cleaner prompt.
Esse último é um bom ponto de partida para sua biblioteca de prompts existente.
A configuração da API é surpreendentemente pequena
Se você está criando com a API, a chamada básica ainda é simples:
import OpenAI from "openai";
const client = new OpenAI();
const response = await client.responses.create({
model: "gpt-6-astra",
reasoning: {
effort: "medium"
},
input: "Research the five biggest changes in our market this week."
});
console.log(response.output_text);Para a chamada de ferramenta do Astra, a OpenAI recomenda usar a API de Responses.
Verifique também o código antigo para temperature, top_p e top_logprobs. O Astra não suporta esses parâmetros.
Se você já tem um grande projeto OpenAI, existe até um comando oficial de migração do Codex:
$openai-docs migrate this project to GPT-6 AstraA regra do Astra que eu me lembraria
Você pode passar dias aprendendo fórmulas de prompt.
Não acho que seja aí que reside a maior vantagem hoje em dia.
Dê à Astra uma tarefa clara.
Dê a ela apenas o contexto de que precisa.
Diga a ela o que ela pode decidir.
Dê a ela as ferramentas certas.
Defina o que significa concluído.
Então deixe-a trabalhar.
Assim que o mesmo trabalho começar a acontecer repetidamente, transforme-o em uma Skill, um loop ou uma automação.
É para lá que o prompting está caminhando.
Um bom prompt para a Astra deve ser menos como escrever instruções para uma máquina confusa e mais como dar a um trabalhador capaz um trabalho claro, os arquivos certos, as ferramentas certas e liberdade suficiente para concluí-lo.
