OpenAI 发布 GPT-6 Astra 后，API 单价变为前代 GPT-5.6 Sol 的 2.5 倍。但实际测试发现，Astra 在编码任务中消耗的 token 显著减少，综合成本并未大幅上涨。本文整理 OpenAI 官方建议和社区实测经验，把首次使用流程压缩为 4 个步骤，并附上可直接复用的提示词模板。

推理档位选择：从 low 开始

OpenAI 团队成员 Tibo 给出的建议是：Astra 开启 low 档位，表现已经超过 Sol 开启 high。之前使用 Sol high 已经觉得满意的用户，可以从 Astra 的 low 或 medium 档位起步。官方 API 价格显示，Astra 的输入、缓存输入和输出三项单价都是 Sol 的 2.5 倍。low 档位会减少模型推理时使用的 token 数量，实际总消耗通常更低。

档位选择建议：

• low：资料提取、分类、短改写、小脚本
• medium：多文件修改、常规开发、连续工具调用
• high 及以上：复杂规划、架构调整、困难调试

先从够用的档位开始。如果结果卡住，再提高推理强度。

第一步：写清楚任务五要素

选择档位之后，准备好目标、资料、交付、权限、验收这五项内容。Astra 会自行处理一般细节，这五项决定了它能否完成任务。

示例任务单：

请在当前项目中完成一个产品介绍页。
目标：让第一次看到产品的人理解核心功能，并完成下载。
可用资料：
- assets 文件夹里的产品截图和 Logo
- 当前项目已有的品牌色和下载链接
最终交付：
- 一个可以本地运行的完整页面
- 同时适配电脑和手机
授权范围：
- 可以读取和修改当前项目文件
- 可以安装项目已有依赖并运行检查
- 发布、删除数据和购买服务前先停下来
验收标准：
1. 页面能够正常打开
2. 下载按钮链接正确
3. 手机端没有横向滚动
4. 控制台没有报错

OpenAI 在 Astra 指南中强调：按照用户目标和已有上下文补齐常规细节，持续推进到完整交付。

如果任务总是停留在计划阶段，可以在末尾加一句："常规细节自行判断，持续做到完整交付。需要我批准的操作，先完成其他可以安全推进的部分，准备好可审阅结果后再向我确认。"

第二步：检查旧规则

如果 Astra 不断提问、只给出计划或避开某一步，先检查项目中是否有旧的 AGENTS.md 和 Skill。Astra 对这些规则比较敏感——以前为约束旧模型而写的长流程、重复检查和宽泛审批，可能会使当前任务提前停止。

可以让它先做一次检查：列出导致任务停顿或偏离的具体规则，只提交结果不修改文件。然后只对确实有冲突的规则进行处理，项目事实、安全边界和团队规范继续保留。

第三步：让它自行验收

第一版完成后，最后一轮要对照最初制定的验收标准逐项检查。

社区开发者用 Astra 连续复刻了多个 Three.js 场景，给出明确参照使模型不断校对光照、材质、边缘等细节并继续修正。普通任务也可以按同样方式结束。

检查指令模板：

现在回到最初的验收标准，逐项检查当前结果。
发现问题后直接修改，再重新运行相关检查。
所有条件通过后，告诉我：
1. 最终交付在哪里
2. 完成了哪些检查
3. 还剩哪些已知限制

提示词模板（可保存复用）

请完成：[任务目标]
可用资料：
- [文件、链接、截图或模板]
最终交付：
- [文件格式和保存位置]
- [必须实现的结果]
授权范围：
- 常规细节自行判断，持续做到完整交付。
- 可逆、只读和已授权的操作直接执行。
- 外部发布、删除和不可逆操作，准备好可审阅结果后再申请批准。
验收标准：
1. [可以明确检查的结果]
2. [可以明确检查的结果]
3. [可以明确检查的结果]
执行方式：
- 对照参考和验收标准检查结果。
- 发现差异后继续修改，然后再次验证。
- 所有条件通过后，再交付最终结果和剩余限制。

档位决定它愿意思考多久，任务单决定它最终要走到哪里。按照"选择档位 → 写清五要素 → 持续做到可检查结果 → 对照验收标准修改"这个顺序，就能高效使用 Astra。