Con l’arrivo di GPT-6 Astra, OpenAI ha aggiornato le indicazioni dedicate alla progettazione di skill, prompt e istruzioni utilizzate con gli agenti di coding, sostenendo che l’aumento delle capacità del modello rende meno utile parte dello scaffolding costruito negli anni per guidare sistemi meno autonomi. In particolare, istruzioni troppo lunghe, numerose o sovrapposte possono diventare un ostacolo, perché aumentano la quantità di informazioni che il modello deve interpretare e possono rendere più difficile scegliere la skill corretta o stabilire quale regola abbia priorità.
Il problema riguarda soprattutto i progetti nei quali nel tempo sono stati accumulati file Markdown dedicati alle skill, documenti AGENTS.md e prompt specifici per singoli flussi di lavoro. Questi elementi sono normalmente utilizzati per indirizzare il comportamento di agenti come Codex, specificando procedure, vincoli, strumenti da utilizzare e condizioni di attivazione. Quando però le descrizioni diventano troppo estese o il numero delle skill cresce eccessivamente, parte delle informazioni può essere compressa o sintetizzata durante l’elaborazione del contesto, rendendo meno affidabile la selezione del percorso corretto. Descrizioni che si sovrappongono o che enfatizzano troppo determinate condizioni possono inoltre spingere l’agente a richiamare strumenti o procedure anche quando non sono realmente necessari.
Per limitare questo problema, OpenAI suggerisce di adottare una struttura basata sulla progressive disclosure, cioè sulla presentazione graduale delle informazioni. Invece di concentrare tutte le istruzioni in un unico documento molto dettagliato, la prima parte della skill dovrebbe funzionare principalmente come un router leggero, contenente solo le informazioni necessarie per riconoscere il tipo di attività e indirizzare l’agente verso documenti, script o istruzioni più specifiche. I dettagli vengono quindi caricati soltanto quando servono. Questa struttura riduce il volume di informazioni inizialmente presente nel contesto e lascia al modello maggiore spazio per interpretare autonomamente il problema.
La stessa revisione viene consigliata per i file AGENTS.md, che contengono regole applicate in modo persistente all’interno di un repository. Molti di questi file includono vincoli introdotti in passato per correggere comportamenti eccessivi o imprevedibili di modelli precedenti. Con Astra, alcune di queste regole possono invece trasformarsi in limitazioni non più necessarie. Un agente a cui viene richiesto, per esempio, di analizzare sempre l’intera struttura di un progetto o consultare diversi documenti prima di correggere un semplice errore tipografico potrebbe eseguire una quantità di lavoro sproporzionata rispetto al compito effettivo.
OpenAI consiglia quindi di rivedere le regole permanenti eliminando quelle che cercano di anticipare ogni possibile decisione del modello. Astra è progettato per determinare autonomamente quali informazioni siano necessarie e quali parti del repository debbano essere consultate, rendendo meno importante imporre a priori una sequenza rigida di operazioni. L’obiettivo non è eliminare le istruzioni, ma mantenerle concentrate sui vincoli realmente importanti e sui comportamenti che il modello non può dedurre direttamente dal contesto.
Un cambiamento analogo riguarda test e verifiche. Nei sistemi precedenti era comune inserire istruzioni esplicite e ripetitive che imponessero all’agente di eseguire test, controllare il risultato e verificare eventuali regressioni. Astra tende invece a eseguire autonomamente queste operazioni durante il lavoro. Continuare a imporre numerosi checkpoint può quindi produrre l’effetto contrario, rallentando l’esecuzione, introducendo interruzioni non necessarie o costringendo l’agente a ripetere verifiche già effettuate.
Per ottenere risultati migliori diventa quindi più importante definire chiaramente il livello di autonomia consentito. Invece di concentrare il prompt soprattutto sulle azioni vietate, OpenAI suggerisce di indicare fino a quale punto l’agente può procedere senza richiedere ulteriori autorizzazioni. Operazioni considerate sicure, come l’esecuzione di test locali, possono essere autorizzate direttamente, permettendo al modello di completare l’intero ciclo di lavoro senza fermarsi in attesa di conferme intermedie.
Un altro elemento centrale è la definizione esplicita del criterio di completamento. Il prompt non dovrebbe limitarsi a chiedere la modifica o l’implementazione di una funzione, ma specificare cosa deve essere vero affinché il lavoro possa essere considerato concluso. Nel caso dello sviluppo software questo può comprendere l’implementazione della modifica, la sua esecuzione, la verifica dei risultati, l’individuazione di eventuali errori e la loro correzione. L’agente può così continuare autonomamente fino a raggiungere uno stato verificabile invece di interrompersi subito dopo aver prodotto il codice.
OpenAI suggerisce inoltre di indicare esplicitamente quando l’agente deve proseguire senza fermarsi prematuramente. Una richiesta può quindi precisare che il lavoro deve continuare fino all’ottenimento del risultato finale, includendo controlli e correzioni necessarie. Questo tipo di istruzione sostituisce una lunga serie di micro-regole con un obiettivo più chiaro e lascia al modello la scelta del percorso operativo più adeguato.
La revisione può essere applicata anche alle configurazioni già esistenti utilizzando Astra stesso come strumento di controllo. Il modello può essere incaricato di analizzare prompt, skill e file AGENTS.md per individuare istruzioni ridondanti, sovrapposizioni, vincoli ereditati da modelli precedenti o regole che potrebbero essere semplificate. In questo modo il passaggio a un modello più capace non richiede necessariamente l’aggiunta di ulteriori istruzioni, ma può comportare l’operazione opposta: ridurre il numero di regole mantenendo soltanto quelle che definiscono realmente il comportamento desiderato.
L’approccio indicato da OpenAI riflette quindi un cambiamento nella progettazione dei workflow agentici. Con modelli maggiormente capaci di interpretare il contesto, selezionare gli strumenti necessari, eseguire verifiche e correggere autonomamente gli errori, le istruzioni tendono a spostarsi dalla descrizione dettagliata di ogni singolo passaggio alla definizione dei confini operativi, delle risorse disponibili e del risultato finale atteso. Skill più leggere, routing iniziale essenziale e criteri di completamento espliciti diventano così gli elementi principali per organizzare il lavoro di Astra senza limitarne inutilmente le capacità.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)