GPT-6 Astra 配置指南：删旧刹车、装油门
@adiix_official：Astra 的问题是"过度停止"而非"过度执行"——14 条规则，一条一条拆。
开篇：背景反转＋无图说明
课程说明：原文的 7 张配图链接已失效，无法引用。本课为纯文字版，但 14 条规则的全部细节完整保留。
这篇指南来自 @adiix_official（2026-09-08），综合了 OpenAI 模型指南、Codex 配置参考、系统卡片、GitHub issues，以及 HN / V2EX / 知乎 / linux.do 上线四天的讨论——是全网信息密度最高的单篇 Astra 配置指南。
核心洞察：背景反转了
过去一年的配置都在防"模型做超授权"；但蜜罐测试显示：GPT-5.6 Sol 有 48.2% 会触碰范围外目标，Astra 是 0%。失败类型从"失控"变成了"不够完成"——为 Sol 装的每道刹车，都在给本来就会刹车的车踩刹车。
以前的车（Sol）刹车失灵，大家拼命加装刹车片；换了新车（Astra），刹车灵得过头，稍微一碰就停。现在的配置工作是拆掉多余的刹车片、把油门装回去。
规则 1–2：先认清产品与上下文
Chat 里叫 GPT-6 Pro（Plus 没有），Work / Codex 里叫 Astra。配额表分 Plus / Pro $100 / $200 / Business / Enterprise 档；Astra 与 Sol 共用额度池；Codex 云端无 Astra；新会话默认 Astra。
- 订阅客户端上下文只有约 258K，不是 1M；
- API 272K 以上整单 2 倍输入价（272001 tokens 账单直接翻倍——定价悬崖）；
- 订阅缓存读取也耗额度；
- 默认 effort=low（注意：发布基准是用最高强度跑的）。
指令链顺序：GLOBAL → PROJECT → MERGE → CAP
指令加载顺序（决定了谁覆盖谁）：
~/.codex/AGENTS.override.md → AGENTS.md：全局层。
排查技巧：用 codex -c log_dir 查实际加载了哪些指令文件。
规则 3–8：删除旧刹车
以下都是为 Sol 时代"防失控"装的刹车，在 Astra 上全部过紧，一条一条拆：
改成只在需要时读相关文档的条件式指针，而不是无脑全读。
删掉"每次改完必须跑全量测试"这类硬性要求，换用 OpenAI 官方的替换措辞。
改成按可逆性分层的清单：可逆操作直接做，不可逆才问。
删掉"做完第一版就停下来等审核"。Approval is the last step, not the first（审批是最后一步，不是第一步）。
skill 描述里删掉求关注的话术：2% 上下文 / 8000 字符上限，触发词前置；allow_implicit_invocation: false 开关按需打开。
skill-creator 原则：假设 Codex 已有能力，只写改变决策的信息——不要写保姆式步骤。
规则 9–13：装上油门
刹车拆完，装油门——让 Astra 敢往前开：
知乎用户总结："对终点严格，对路线宽松"。每次任务输出四态之一：DONE（完成）、NOT DONE（未完成）、ROUTE（改道）、STOP（停止）。
DONE / NOT DONE / ROUTE / STOP FOR ME ONLY IF泄露的系统提示词佐证："已授权就别再问"——把授权记下来，避免重复确认打断流程。
用户指令优先于 skill；skill 导致停止必须报出文件名和引用——停可以，但要说清楚是谁让停的。
用 Stop hook 承接完成契约（contract.py 示例），注意 stop_hook_active 防循环——hook 自己别把自己再触发一遍。
approval_policy / sandbox_mode ＋ PermissionRequest hook：按动作类别自动批准。verifier 子代理：只读权限，把实现总结当不可信 claim 对待，推荐模型 gpt-5.6-terra。
规则 14：账单、路由与验收
账单形状：步骤多、思考少
V2EX 实测案例：835 万输入 token，仅 2 万推理 token——Astra 的账单形状是"步骤多、思考少"。effort 实测：Astra low $26.97 / 49min，优于 Sol high $31.79 / 75min。
API 价格：Astra $10 / $50（输入/输出每 1M），Sol $4/$20，Terra $2/$12，Luna $0.20/$1.20。
Astra 规划、Luna 执行：token 多 75.9%，但便宜 22.5%。另有 experimental context_management 可试。
这个路由策略就像大厨定菜谱、帮厨切菜：动脑子的规划（定方向、拆步骤）用贵的 Astra，机械执行（跑命令、改模板代码）用便宜的 Luna——账单立刻下来。
- safety monitor：首个触及 OpenAI Critical 网络安全阈值的模型；API 报 403 misalignment_policy_violation 不可恢复；
- 误报案例：#43042（26 行 Rust）、#43208；
- CLI 任务直接结束；定时任务卡在最后一步确认；Continue 死循环（#43192）。
- HLE with tools：57.2 vs Fable 5.1 的 65.0；
- ARC-AGI-3：99.9% 靠 Provider Adapter harness（标准 harness 只有 62.7%）；
- 案例研究皆 OpenAI 自家——看分数时记得这点。
配完跑一遍：T1 查指令加载 / T2 查刹车词 / T3 技能目录 fit / T4 每任务 DONE 清单 / T5 Stop hook / T6 报出文件名 / T7 识别 safety monitor。
术语翻卡：点卡片看解释
自测一下：点问题展开参考答案
蜜罐测试 GPT-5.6 Sol 有 48.2% 触碰范围外目标，Astra 是 0%——失败类型从"失控"变成"不够完成"。为 Sol 装的每道刹车，都在给本来就会刹车的车踩刹车，所以要删刹车（规则 3–8）、装油门（规则 9–13）。
输入超过 272K tokens，整单按 2 倍输入价计费；272001 tokens 账单直接翻倍。订阅客户端上下文也只有约 258K，不是 1M。
DONE / NOT DONE / ROUTE / STOP FOR ME ONLY IF。知乎用户总结："对终点严格，对路线宽松"。
步骤多、思考少（V2EX 案例 835 万输入 token 仅 2 万推理）。路由策略：Astra 规划、Luna 执行——token 多 75.9% 但便宜 22.5%。