GPT-6 Astra para demais? Simplifique AGENTS.md e Skills

Se o GPT-6 Astra pergunta mais que o GPT-5.6 Sol, avalie primeiro se a resposta pode mudar materialmente o resultado. Nesse caso, esclarecer é correto. Se o modelo pede permissão antes de ler um arquivo, entrega um plano em vez de fazer uma mudança autorizada ou roda toda a suíte após editar documentação, a causa provável são as instruções carregadas: AGENTS.md, um override aninhado ou uma Skill ampla demais.

A OpenAI descreve os dois lados: o Astra esclarece decisões que podem afetar o resultado e segue instruções longas com mais precisão. Assim, uma regra ambígua ou conflitante pesa mais. Veja a cadeia real, mantenha regras duradouras e repita a mesma tarefa limitada.

Em 6 de setembro de 2026, a BetterToken listava gpt-6-astra no grupo GPT, com conexão ao Codex como custom provider pela Responses API.

Conecte o GPT-6 Astra ao Codex pela BetterToken

O setup atual está no guia Codex da BetterToken. A BetterToken fornece a conexão; sua configuração e tarefa definem quais instruções o Codex carrega e quando o Astra pergunta.

Encontre todas as instruções visíveis

O Codex monta a cadeia ao iniciar a sessão. Pelas regras oficiais de AGENTS.md, ele lê:

1. AGENTS.override.md global ou, na ausência, AGENTS.md global;
2. no máximo um arquivo por diretório da raiz ao CWD: tenta AGENTS.override.md, AGENTS.md e cada item de project_doc_fallback_filenames até encontrar o primeiro não vazio;
3. regras mais próximas do CWD por último, podendo substituir as anteriores.

Arquivos vazios são ignorados. O conjunto tem limite project_doc_max_bytes, 32 KiB por padrão; um root longo pode deslocar regras específicas.

Inicie uma nova sessão no mesmo diretório:

codex --ask-for-approval never "List the instruction sources you loaded."

Confira project_doc_fallback_filenames e todos os fallbacks possíveis. Registre também Skills ativas e a origem de cada Skill selecionada: o Codex pode descobri-las em locations de repositório, user, admin e system. Salve esse baseline antes de editar.

Marque cada regra com quatro perguntas

Campo	Pergunta
Scope	Vale para todos os repositórios, para este projeto ou para uma pasta?
Trigger	Qual tarefa específica deve ativá-la?
Action	O que o Codex deve fazer?
Stop	Deve parar e aguardar o usuário?

Regras sem trigger claro geram pausas: Always ask before making changes, Use every relevant skill, Run all tests before finishing, Do not make assumptions ou vários arquivos alegando prioridade máxima. Mantenha stop condition quando a decisão muda resultado ou autorização: exclusão irreversível, publicação, operação paga, arquitetura incompatível ou secret ausente. Ler, editar localmente e executar teste focado normalmente não exigem nova aprovação.

Mantenha AGENTS.md curto e durável

Um root problemático tenta cobrir todo cenário:

AGENTS.md

- Always ask the user before changing any file.
- Always create a detailed plan and wait for approval.
- Use all available skills that may be relevant.
- Run the full test suite after every change.
- Never make assumptions.
- Never stop until everything in the repository is fixed.

Essas regras conflitam em autonomia, scope e testes. Uma base melhor fixa resultado e limites:

AGENTS.md

## Working agreement

- Complete the user's requested outcome with the smallest correct change.
- Treat the user's current instruction as higher priority than reusable workflow guidance.
- Make routine, reversible assumptions when they do not change the requested outcome; state material assumptions.
- Ask only when a missing choice would materially change the result or authorization.
- Preserve unrelated work and do not expand scope to optional cleanup.
- Run checks proportionate to the changed behavior; broaden only when evidence justifies it.
- Stop after the requested result and relevant checks are complete.

Adicione apenas comandos, formato de commit e proibições permanentes. Coloque regras de um serviço perto de sua pasta. Um AGENTS.override.md temporário substitui o AGENTS.md do mesmo diretório; não o complementa. Copie as regras obrigatórias para o override ou use um AGENTS.md aninhado e remova o override após o experimento.

Coloque cada conteúdo no local certo

Conteúdo	Local
Regra permanente do projeto	AGENTS.md raiz
Regra de uma pasta ou serviço	AGENTS.md ou AGENTS.override.md aninhado
Fluxo raro com trigger específico	uma Skill restrita
Parsing, formatação e schema validation	script ou hook
Referências e exemplos extensos	references/ da Skill selecionada

Codex Skills usa progressive disclosure: primeiro name e description, depois o SKILL.md completo se selecionado. Dê uma tarefa a cada Skill e abra a description com trigger e limite:

---
name: release-preview
description: >-
  Use only when the user asks to build a local release preview; do not publish,
  deploy, push, or change production state.
---

No SKILL.md, mantenha inputs, outputs, passos imperativos e stop conditions; mova exemplos grandes para references e ações determinísticas para scripts. Teste a description com um prompt que deve ativá-la e dois próximos que não devem. Se duas Skills respondem ao mesmo pedido, separe triggers ou una duplicatas.

Declare autonomia e verificação

O guia do Astra recomenda terminar o resultado implícito, priorizar a instrução atual do usuário, perguntar apenas diante de impacto material e escolher checks pelo risco. Não replique o mesmo bloco em toda Skill. Defina subagents somente quando houver subtarefas independentes, volume suficiente e forma clara de combinar resultados; “sempre usar vários agentes” prejudica tarefas pequenas.

Repita um fixture idêntico

Update one configuration field in docs/setup.md, preserve all unrelated files,
run the Markdown link check for that file, and report the changed path.

Execute antes e depois no mesmo diretório, com modelo, permissions e estado iguais. Registre perguntas iniciais, necessidade de intervenção, arquivos e Skills carregados, checks e alterações fora do escopo. Melhorar não significa zero perguntas: o fluxo deve perguntar nas decisões materiais, avançar nas rotineiras, verificar o suficiente e preservar limites.

Não executamos esse replay em um repositório de usuário ao preparar o artigo, portanto não prometemos redução fixa. O método oferece sinais observáveis para separar comportamento do modelo de uma instrução específica.