OpenAI: GPT-6 Astra Exige Prompts Mais Diretos e Menos Barreiras para Melhor Desempenho

A OpenAI está orientando desenvolvedores a adotarem uma abordagem mais enxuta ao interagir com seu modelo de inteligência artificial avançado, o GPT-6 Astra. Segundo a empresa, descrições de habilidades excessivamente longas, requisitos de leitura abrangentes e regras de aprovação rígidas podem atrapalhar o desempenho do modelo.

Para otimizar a interação, a recomendação é focar as instruções de forma mais precisa em tarefas específicas e definir de maneira clara quando um trabalho está realmente concluído. Essa mudança de paradigma reflete a crescente capacidade dos modelos de IA, que demandam menos "mão na roda", conforme aponta Eric Provencher, da OpenAI, em uma publicação.

Por Que Prompts Mais Enxutos?

Instruções que se acumulam ao longo do tempo podem consumir o contexto do modelo ou fazer com que o GPT-6 Astra interrompa seu trabalho antes do esperado. Provencher, da OpenAI, enfatiza a importância de revisar as "skills" (habilidades), o arquivo AGENTS.md e os prompts de tarefas sempre que houver uma transição para novos modelos. Modelos mais capazes, como o Astra, necessitam de menos orientações detalhadas, um conselho que se alinha às diretrizes anteriores da OpenAI sobre transições de modelos, conforme relatado pelo The Decoder.

Descrições de habilidades vagas frequentemente levam o modelo a fazer escolhas incorretas. As "skills" são prompts armazenados como arquivos Markdown que podem incluir recursos e scripts. Seus nomes e descrições são inseridos no contexto do modelo para que o Codex (um componente da OpenAI) possa selecionar a habilidade apropriada para uma determinada tarefa. Muitas habilidades forçam o Codex a truncar descrições, removendo informações cruciais para a tomada de decisão correta.

Provencher sugere manter as descrições de escopo curtas e precisas. Por exemplo, uma habilidade para migrações de esquema do Postgres deve ser acionada apenas ao criar ou modificar uma migração, ou ao verificar sua implementação. Se uma habilidade abrange múltiplos fluxos de trabalho, o documento principal deve apontar brevemente para documentações e scripts suplementares relevantes. Dessa forma, o modelo lê apenas o que é estritamente necessário, já que cada leitura adicional consome contexto e o aproxima da sumarização.

Revisando as Regras de Repositório e Permissões

As regras contidas no arquivo AGENTS.md, que governam o trabalho do repositório, também exigem revisões regulares. Exigir que o modelo leia múltiplos documentos ou uma visão geral completa do projeto antes de cada alteração é excessivo para algo tão simples quanto corrigir um erro de digitação. O Astra, por sua capacidade aprimorada, pode determinar o que precisa por conta própria.

Em vez de forçar o modelo a ler arquivos como architecture.md, database.md e deployment.md a cada vez, Provencher recomenda apontar para esses documentos seletivamente:

• Informações de arquitetura ao trabalhar com limites de serviço.
• Documentos de banco de dados ao alterar esquemas.
• Notas de implantação ao realizar envios.

O The Decoder destaca que os documentos também precisam estar sempre atualizados. Permissões explícitas podem igualmente reduzir as solicitações repetidas de confirmação para operações seguras. Para testes locais usando dados descartáveis sem acesso à produção, o arquivo AGENTS.md pode explicitamente permitir que o agente execute testes, corrija erros causados pela alteração solicitada e execute novamente os testes afetados sem solicitar aprovação novamente.

Definindo Claramente o Que Significa 'Concluído'

Se modelos anteriores apresentavam comportamentos indesejados e isso levou à implementação de regras de aprovação rigorosas, Provencher aconselha que é hora de revisitar essas restrições ao migrar para o Astra. A OpenAI atribui ao modelo um melhor julgamento, mas ele também pode interpretar antigas restrições tão literalmente que para mesmo quando a intenção é que continue. Fluxos de trabalho conhecidos e seguros devem ser explicitamente permitidos, segundo a empresa.

Mesmo sem restrições, o Astra pode parar mais cedo do que modelos como o GPT-5.6 Sol. É crucial, portanto, definir antecipadamente o que significa "concluído". Se o agente deve implementar algo, executá-lo, verificar os resultados e corrigir erros, tudo isso precisa estar incluído no prompt. Um requisito para "fazer check-in" após a primeira implementação estabelece um ponto de parada mais precoce, limitando o trabalho do modelo.

Modelos mais capazes precisam de menos intervenção manual.

Eric Provencher, OpenAI

Essas recomendações para instruções de habilidades e projetos complementam as dicas detalhadas de "prompting" que a OpenAI publicou recentemente para o GPT-6 Astra, visando maximizar a eficiência e a precisão do modelo.