How to Maximize GPT-6 Astra

如何最大化利用GPT-6 Astra | Towards Data Science

大型语言模型

如何最大化利用GPT-6 Astra

对OpenAI新前沿模型的初体验

Eivind Kjosbakken

2026年9月8日

10分钟阅读

最大化利用OpenAI新模型GPT-6 Astra。

在本文中，我将讨论如何充分发挥GPT-6 Astra的潜力，并分享我对该模型的初步体验。图片由ChatGPT生成。

GPT-6 Astra最近已发布。我在欧洲时间周五晚上获得了该模型的访问权限，并自此之后一直在大量使用它。在本文中，我将分享对该模型的初步体验，以及我用来最大限度发挥模型效能的技术方法。

我还将分享在使用该模型过程中遇到的一些缺点，以及接下来几周我将如何应对这些缺点。随着我对模型的使用越来越频繁，我们将尝试最大限度提高模型的生产力。

这幅信息图突出了本文的主要内容。我将讨论如何充分利用GPT-6 Astra，以及我对该模型的初步体验。图片由ChatGPT生成。

为什么使用GPT-6 Astra

首先，我总是喜欢先说明为什么读者应该关注文章的主题。在本文中，原因在于GPT-6是OpenAI（一家前沿实验室）最新发布的模型。这自然使它成为您立即想要尝试的LM之一，以测试它在我的工作流程中的表现。我的工作流程主要由编码任务组成，不过我也有一些其他任务，例如使用计算机、在浏览器中导航以及进行研究，因此需要衡量它在深度研究等方面的表现。

我几乎每天都会使用编码代理，因此我相信我有非常好的基准来比较新模型的发布。GPT-6也是一款备受期待的发布，它是前沿实验室推出的新重大版本，当然令人非常兴奋。

我对GPT-6 Astra的初步体验

首先，让我们谈谈我对该模型的初步体验。一开始，当我开始使用该模型时，我开始测试一些事情：

• 在之前完成过的任务上运行它
• 在一些新任务（功能实现和错误修复）上运行它
• 开始寻找重构机会，以及总体上改进我的代码库的机会

因此，我的初步体验将基于运行这三个任务时的经验。不过，我需要指出的是，初步体验可能无法全面展示该编码模型的优劣。我这样说的原因是，我记得当GPT 5.6 Sol发布时，我对该模型的初步体验非常好，而且我仍然认为它是一款非常好的模型。然而，随着时间的推移，我开始注意到该模型的一些怪癖，它的表现不如预期，而这些怪癖是我通过积极使用模型一两周后才发现的。因此，在GPT 6上，我可能尚未发现类似的怪癖。

尽管如此，我还是会给出我的评价。因此，当涉及到运行我之前完成并验证过，或者验证过Claude Code和GPT-5.6 Sol都能完成的任务时，我认为GPT-6当然能够完成所有这些任务。但有一件事我确实注意到，GPT-6在完成这些任务的速度上明显更快，我认为这与推理速度无关。根据我的经验，这似乎只是模型在利用其token方面更高效，能够更快地完成任务。

这一印象在我开始在新任务上运行模型后得到了进一步验证，无论是发现错误修复还是功能实现。模型似乎能够以极快的速度完成任务，同时保证正确性，至少与前一代OpenAI模型以及市场上另一款前沿模型Claude Fable 5相比时是如此。

我发现这非常有用，因此立即将GPT-6作为执行编码任务的主要工具。目前，我看不到Fable 5在任何领域有明显优势，除了Fable在启动子代理方面更有效。我确实发现Fable在启动子代理方面表现更好。因此，如果我要完成大量小型任务，我仍然倾向于使用Fable 5.1。

···

最后我进行的测试是开始寻找代码重构机会。这总体上是一个非常有趣的练习，我会在每个新模型发布时都进行。例如，当Fable发布时，当Opus 5发布时，当GPT 5.6 Sol发布时，等等。我的通用提示大致如下：

markdown

扫描整个仓库，查找任何违反良好软件工程原则的地方，这些原则可能导致更高的错误概率或编码代理在仓库中花费更长时间编写代码。这可能包括不遵循“不要重复自己”原则、职责划分不清晰等问题。此外，我希望分析代码库，看看如何提高代码交付速度，即我希望更快地将代码交付给开发人员，并希望了解我们可以采取哪些措施来优化这一点。这可能包括优化仓库结构和代码库本身，或简化它们，也可能包括优化CI/CD流水线。请以HTML格式提供一份按优先级排序的完整报告。

然后我会让代理运行任意长时间，它会返回一份完整的HTML报告。如果你使用Opus 4.8、Opus 5或GPT 5.6 Sol等模型运行此任务，它会提供一些不错的反馈，但不会是特别有助于改进代码仓库的反馈。是的，你确实需要定期进行重构，但根据我的经验，与使用Fable 5或GPT-6进行重构相比，使用这些早期版本模型进行重构时，我注意到的差异非常明显。而且在我的体验中，GPT-6在检测增强代码仓库的机会方面也优于所有Fable版本。

我简单地发现GPT-6更能发现我在代码中存在的问题。它不仅发现了我CI-CD流水线中可以精简以提高速度的部分，还发现了我代码库中一些我之前没有意识到的限制。例如，我使用某些包的方式、一些我未察觉的UI问题，总体而言，我发现它在检测此类问题方面更强。因此，GPT-6肯定是我未来进行重构的主要工具。

不过，我想指出的是，尽管我认为GPT-6优于Fable，但它的优势并不显著；它只领先一步，我认为GPT-6与Fable之间的差异，与Fable和GPT-6与前代模型（Opus和GPT-5.6）之间的差异相比要小得多。

最后，我想提一下在目前使用 GPT-6 时注意到的一个缺点，那就是它似乎过于频繁地请求权限来执行某些操作，而实际上我更希望它能够持续工作直到任务完全完成。当然，我意识到这可能是由于我使用的提示词或仓库中的 Markdown 文件导致的问题，因此我正在努力优化这一情况。但必须承认，GPT-6 在这方面表现得不如我预期的那么理想。

在我看来，最好的代码代理应该是在收到任务后，立即提出需要明确的问题或实施前必须了解的信息，然后在完全完成实现后才向用户反馈。当然，我也意识到在某些情况下，代码代理在实施过程中可能需要向用户澄清问题。但我觉得 GPT-6 在这方面做得有些过度，这可能是因为模型在开始实施前未能充分进行尽职调查，或者在实际执行过程中过于不确定自身能力。这一点我会在后续优化过程中持续关注，并在之后分享我对 GPT-6 这一问题的更新看法。

总体而言，我的初步印象非常好，已经将 GPT-6 作为我主要的编码驱动工具。只有在需要启动大量子代理会话时，或者当然在希望用独立的代码代理进行代码审查时，我才会回到 Fable。

如何充分利用 GPT-6 Astra

现在，让我们开始讨论如何充分利用 GPT-6 Astra。如果我是你，我会立即对仓库进行重构。你的代码中很可能存在许多可以改进的地方，以方便未来的代码代理进行修复，无论是 GPT-6 Astra 在你的仓库中工作，还是使用早期版本的模型。因此，我强烈建议你立即开始重构，例如使用我上面列出的提示词。

这很可能会提高代码迭代速度，降低仓库中出现错误的可能性，并全面提升你的编码效率。

接下来，我会开始尝试用 GPT-6 进行新的编码实现。根据我的经验，它在完成任务方面表现非常出色，当然，它确实存在我之前提到的缺点，即过于频繁地请求权限。我建议你尽可能提前澄清所有问题，并明确告知代理需要实现的内容、实施过程中需要考虑的因素，以及清楚地说明你授予代理的权限，这样它就不会频繁请求权限。

使用 GPT-6 Astra 时需要注意的一点是，当然，它的使用额度是有限的。具体来说，由于它没有 5 小时的使用时间，你可能在一天内就消耗掉大量每周的使用额度。我发现通过使用重置功能，我可以在一天内消耗至少 1.5 周的使用额度。

这是因为 Codex 提供了使用额度重置功能。至少在最近一周，他们发放了很多重置额度，因此在我的其中一个订阅中，我有 3 次可用的重置机会。

然而，我不确定切换到 GPT-5.6 Sol 是否能真正改善这个问题。原因在于我发现 GPT-6 在 token 利用效率上表现更优，且对于 GPT-5.6 和 GPT-6 来说，执行任务的实际成本差异可能并不明显。如果您希望节省 token，这一点值得牢记。相反，如果您的目标是节省 token，我建议您重点审视输入给模型的 token 数量——例如检查您的 MD 文件、加载到内存中的任何 MCP 工具等——并尽可能限制这些输入，以避免占用过多模型可用的输入 token。

我也认为有必要意识到该模型的上下文窗口约为 26 万个 token，这比 Fable 或 Opus 上 Claude Code 允许使用的 100 万个 token 窗口要小。这种设计有优有劣。较小的上下文窗口配置劣势在于，在长时间运行的任务中，代理可能需要更频繁地进行内容压缩。但另一方面，这种设计的优势在于模型响应速度可能更快，因为更多输入 token 会导致模型响应变慢。根据我的观察，输入 token 越少，模型输出质量通常越高。

Codex 提供了可启用的 100 万个 token 上下文窗口设置，但我不建议使用该功能，因为 GPT-6 的开发团队并未推荐这一设置，因此您也不应自行使用。这既出于性能考虑，也出于其对使用配额的影响。

总体而言，在使用 GPT-6 时，我建议您仔细思考其使用方式。首先可以从重构部分代码仓库开始，这将提升代理在仓库中的工作效率，同时也能让未来使用的其他代码代理在执行任务时更加高效。接着，我建议您直接尝试在具体任务中使用它，并尽可能提前提供充足的信息，因为根据我的初步体验，模型倾向于过多地请求权限，而非过少。

结论

在本文中，我分享了首次使用 GPT-6 Astra 的体验，这是前沿实验室最新发布的模型，也是 OpenAI 新一代模型家族的核心成员。在周末整整一天的使用过程中，我对 GPT-6 Astra 的表现印象深刻。该模型在任务完成效率上表现极为突出，似乎能在比以往任何代码代理（无论是 OpenAI 的代码代理还是 Anthropic 提供的 Claude Code 前沿模型）更短的时间内更准确地完成任务。

为了充分发挥模型潜力，您应首先检查代码仓库中是否存在重构机会。然后在开始执行诸如修复漏洞或开发新功能等具体任务前，务必提前明确模型的任务目标和权限范围，以避免模型因信息模糊而产生不必要的中断。

👋 联系我

👉 我的免费电子书和网络研讨会：

🚀 用大语言模型提升工程效率（3 天免费邮件课程）

📚 获取我的免费视觉语言模型电子书

💻 我的视觉语言模型网络研讨会

👉 社交平台找我：

💌 Substack

🔗 LinkedIn

🐦 X / Twitter