モデル進化に伴うプロンプト戦略の転換

OpenAIはGPT-6 Astraの登場に合わせ、コーディングエージェント向けのスキル設計とAGENTS.mdの運用方法を見直すよう開発者に呼びかけた。モデルが高度化するほど、従来の詳細な指示や過剰な制約がかえって性能を損なうケースが増えている。Eric Provencher氏が指摘するように、GPT-6 Astraは自律的にテストを実行し、文脈を読み解く能力が向上したため、以前のモデル向けに書かれた冗長な指示はコンテキストの無駄遣いになりやすい。

スキル記述の簡潔化とプログレッシブディスクロージャーの重要性

スキルはMarkdownファイルとして保存されたプロンプトで、特定のワークフローやアプリ使用時の指針として機能する。しかし多くの開発者がスキル説明を長く書きすぎており、Codexが説明を短縮して読み込むことで、モデルが適切なスキルを選べなくなっている。推奨されるのは、適用タイミングを明確に絞った短い説明と、プログレッシブディスクロージャー、つまり根幹ドキュメントを最小限のルーターにし、必要に応じて詳細文書を参照させる設計だ。過度に具体的な手順を書くより、モデルに判断余地を残す方がGPT-6 Astraでは効果的だ。

AGENTS.mdと決定境界の再定義

AGENTS.mdはリポジトリー全体に適用される指示だが、毎回全ドキュメントを読ませる記述はコンテキスト圧迫の原因になる。GPT-6 Astraは必要なファイルを自分で判断して読めるため、文脈に応じた参照先を示すのが最適だ。また、以前のモデルが勝手に行動しすぎることを防ぐための強い制約文は、慎重なAstraでは作業停止を招く可能性がある。タスクの完了基準を事前に明確にし、Astraがどこまで継続すべきかを指示することが、新しいモデルでは重要な運用ポイントになる。