目录
  1. 一、 开工第一步：别用它做加法，用它做减法
  2. 可直接复制的 Codex 自诊断提示词
  3. 二、 官方提醒，应该怎样落到本地配置？
  4. 三、 规则瘦身后，究竟有没有省下成本？
  5. 四、 任务变难，Astra 会不会出现“成本反转”？
  6. 五、 算账科普：Codex 订阅与 API 计费的重大信息差
  7. 六、 真实体感：即使开着 Low，额度依然掉得飞快
  8. 七、 建议收藏：不同任务的模型与思考强度建议表
  9. 写在最后

9 月 5 日到 6 日，我把 GPT-6 当作默认模型连续重度使用了两天。

按我的真实使用记录，前后消耗了接近两张重置卡对应的额度，用的还是 5x 档。速度变快的体感确实非常强烈，但在我这些日常工程任务里，成品质量和解决问题的能力，暂时没有感到同样明显的代际提升。

这两天社交网络上几乎到处都在吹 GPT-6 / Astra 的 3D 空间理解有多强、全模态交付有多逆天。

我也第一时间拿它实测了一个非常具体的任务：为我自己的个人 IP 形象，从 0 到 1 做一套可交互运行的 3D 资产与工程代码（GLB 网格、构建源码与示例工程）。

第一步先让它出概念设计。Astra 自己构思并生成出来的 3D 概念图，效果不错——多角度三视图、面部微表情、发丝光影，甚至连分层材质拓扑和 .blend 格式支持都标得有模有样，直接拉满了皮克斯动画大片的质感：

▲ Astra 自己生成的 3D 概念效果图：三视图、微表情、发丝光影一应俱全，把期待值直接拉满

我心想这未免也太强了，于是紧接着让它进入工程落地环节：“好，现在把这套设计真正用代码跑起来，交付可交互的 3D 模型与 GLB 文件。”

结果，Astra 一通代码猛如虎，真正编译交付出来的 3D 工程原型，直接长成了这样：

▲ Astra 自己写代码交付的实际工程模型：直接捏出了一个呆萌的低多边形小人，甚至老老实实打上了免责小括号——“并非概念效果图的高精度复刻” 🤣

看到成品我乐了：在概念设计阶段，它的构思与审美确实惊艳；但真到了从零用代码解空间几何、建网格的工程落地环节，它交付的依然只是一个基础的拓扑原型。

最有趣的是连它自己都有清晰的边界认知，在交付板里诚实地注明了：“并非概念效果图的高精度复刻”。

我举这个真实的例子，绝不是要苛责 GPT-6——坦白讲，能纯靠代码与自然语言从零搓出一套可交互的 3D 网格和示例工程，本身就已经是非常了不起的突破。

我只是想借这个反差提醒大家：GPT-6 很强，只是不应该被神化。

尽管在 9 月 3 日发布当天的媒体吹风会上，OpenAI 联合创始人兼总裁 Greg Brockman 被问到 Astra 是否算 AGI 时说：“For me personally, I do think we're there”（我个人认为我们已经到了），吹风会结束时又说了一句“Welcome to the AGI era”（据 VentureBeat 2026 年 9 月 3 日报道），全网科技媒体也纷纷打出“欢迎进入 AGI 时代”的头条；但回到当下的工程一线，这个可爱的低模小人依然提醒着我们：现实距离那个理想中的 AGI，还是有一段距离的。

当然，现在大模型的能力还在高速发展中，技术演进一日千里，说不定再过几个月、下一次迭代升级时就真的到来了。但至少在眼下的日常开发里，它依然是一个需要人类明确边界、严谨分工的强大工程辅助工具，而不是随手一指就能包办一切精细落地的全能魔法。

如果你也在 Codex 桌面端里用它写代码，开工前我建议先放下那些“一键成神”的过高预期，先做一件极具针对性的事：让它自己审视你的本地环境，把阻碍提效的冗余规则砍掉。

文章后半部分包含两组同题对照实验的数据，以及一张不同任务的模型与思考强度建议表，均来自真实会话记录与本地测试（单次实测，n=1），供你客观参考。

一、 开工第一步：别用它做加法，用它做减法

很多人用上新模型的第一本能，是“给它多加点活”——写更长的人物设定、追加更多检查项、恨不得把思考强度无脑拉到满血。

但两天折腾下来，我最深的一点体会恰恰相反：面对更聪明的新模型，最好的驾驭方式是让它帮工作流“做减法”，而不是做加法。

你在实际协作中真正应该衡量的，是少了多少返工、遗漏和错误决策，而不是回答长了多少、想了多久、多跑了多少轮多余测试。 如果一个模型更聪明，它的首要价值应该是帮我们收敛范围、砍掉伪需求、直奔交付物，而不是顺手把系统设计搞得过度复杂。

这也是为什么在正式开工前，我没有直接让它写大段代码，而是先在 Codex 桌面端开了一个新会话，把下面这段专门整理的“自我诊断提示词”发给了它。

让它先根据本地可访问的历史任务和使用记录，客观归纳我们在做什么，并找出导致卡顿和过度测试的规则根源。

可直接复制的 Codex 自诊断提示词

使用提示：在 Codex 桌面端直接开新对话发送，不需要自己先手动总结场景。普通网页版 ChatGPT 无法读取本地配置与 Codex 会话记录。

请先分析我真实使用 Codex 的方式，不要让我先填写场景：

1. 阅读当前对话和可访问的历史 Codex 任务，按任务类型归纳我实际做过的工作，例如编码、排错、配置、写作、研究、浏览器或文档处理。只引用能核实的任务，不编造案例。
2. 如果本地有会话遥测或 Codex Doctor，优先使用只读、隐私安全的分析模式，观察任务时长、重复尝试、验证范围、模型／思考档位和额度相关记录。没有权限或数据不足时明确说明，不用猜测补齐。
3. 从 3 到 5 个有代表性的近期任务中找出模式：哪些工作完成得顺利，哪些出现返工、停顿、过度测试或额度消耗快。只报告必要的任务摘要，不输出原始会话全文、密钥、Token、Cookie、个人资料或无关路径。

结合这些实际证据和当前官方 OpenAI 文档，再只读审阅实际生效且与我的使用有关的 AGENTS.md、项目规则、Skills、config.toml、MCP、plugins 和 profiles。无法读取的内容直接标为未验证，不要猜测。

先保护隐私：不要读取、复制或输出密钥、Token、Cookie、个人资料和无关项目内容。搜索配置时只报告文件路径、字段名和是否存在，不展示值。不要扫描无关目录，不联网安装依赖，不修改文件，也不运行额外模型对照测试。

请重点回答：

- 我现在主要有哪些使用场景，各自适合什么模型和思考强度？
- 哪些建议是由我的会话证据支持的，哪些只是个人参考？
- 哪些规则会导致反复确认、返工、测试过多、回复过长或额度消耗快？给出文件路径、行号和原条款。
- 是否值得调整默认模型、subagent、并发、上下文、网络、MCP、插件或 Skill？优先给出可逆方案。

请先用这张表交付结果：

| 场景 | 会话证据 | 当前问题 | 建议模型／思考强度 | 升级条件 | 信心 |
| --- | --- | --- | --- | --- | --- |

表格之后给出最多三项最小调整方案。每项说明改哪些文件、为什么、怎样验证、怎样恢复。分清官方事实、我的会话证据和个人建议；没有对照验证的模型推荐，不要写成通用结论。

先只读交付分析和方案。我确认后再修改。修改前先备份，保留无关改动；修改后用实际消费配置的命令验证。不要提交 Git、发布、部署、修改生产数据或自动切换默认模型。

跑完这段提示词，你应该能拿到一张附带精准文件路径和条款出处的调整清单。如果它只泛泛地说“建议精简提示词”，却指不出具体哪一行规则在添乱，就要求它继续定位，直到看清楚改动目标再动手。

顺便提一句，提示词里提到的 Codex Doctor 是我自己写的一个轻量 Skill。它会只读分析本地 Codex 会话遥测，统计任务耗时、Token、工具探索、失败命令和验证次数，帮助识别上下文膨胀、探索不收敛和过度验证等信号。它纯本地运行，不调模型也不耗额度。

如果你也用 Codex，可以用下面这条命令安装：

npx skills add WardLu/skills --skill codex-doctor --global --agent codex --yes

二、 官方提醒，应该怎样落到本地配置？

重读 OpenAI 针对 GPT-6 Astra 发布的开发者文档（2026 年 9 月），你会发现官方其实非常坦白地指出了新模型的几个固有行为倾向。它们恰好解释了大家这两天常遇到的不顺手：

  1. 更爱澄清求证：官方说它在“额外输入可能明显改变结果”时更可能向用户提问，遇到轻微模糊也更容易停下来，导致卡在用户希望它继续的地方；
  2. 对规则文件极度敏感：官方写明它对 AGENTS.md 和 Skills 等文件里的指令更敏感，规则之间一旦有不清楚或相互冲突的地方，可能提前停下、阻塞工作；
  3. 容易过度测试：官方提到它对编码任务的测试很彻底，小任务上可能跑得比任务本身需要的更宽；
  4. 语言习惯偏扫描式：官方称它倾向用列表、表格和 Markdown 让回答便于扫读，我的体感是它也容易生成冗长的大纲。

针对这几项官方公开特性，我在本地规则中做了如下对应调整：

遇到的现实痛点 官方原理解析 我的本地落地规则与写法
已经说了“帮我改”，还频繁停下问能否继续 模型协作意愿增强，遇到微小不确定性偏向停顿求证 显式授权已有要求持续有效；约定“低风险可逆细节自行判断，终审交付再问我”；暂停时必须给出具体规则出处
改一行文案也写完整头脑风暴计划 模型执行意图过于彻底，容易被通用设计 Skill 误触发 给头脑风暴 Skill 增加触发门槛，为清晰明确的小任务保留直接执行通道
测试越跑越多，迟迟不交付 模型在工程任务中过于追求彻底（Thorough） 显式约定“相称性检查”：仅执行与改动风险相符的验证，验收通过即停止，不因假设扩大测试
回答太长、排版格式泛滥 默认倾向扫描式条目与固定过渡套话 明确要求“先结论、后关键证据”，省略无意义的开头与重复总结
多 Agent 并发容易雪崩 并行调度时缺乏显式约束与预算边界 明确指明子代理适用任务与并发预算，先判断工作能否独立拆分

在具体环境里，我把需求阶段的 brainstorming 保留为显式调用（需要时手动叫它，小修改不自动触发）；把写死的 100 万全局上下文和 90 万压缩阈值移回可选配置；并停用了几项低频的 MCP。

这也正好接上了我 8 月写的两篇复盘：上篇《AI 降智秒解（上）：先给规则文件瘦身》重点处理了规则臃肿，把本机规则从 6,594 行压缩到 736 行；下篇《AI 降智秒解（下）：清理常驻 MCP 和过时的 Skill》系统梳理了 Skills 冲突与 MCP 泛滥。

那两篇解决的核心问题是“把本地环境收拾干净”。而面对今天对规则更敏感、执行更彻底的 Astra，这套治理不仅没过时，反而更关键了——越听话的模型，越容不得规则库里有半点打架。这一次我多走了一步，结合会话遥测和同题实验，去客观检验这些瘦身动作到底能不能换来真金白银的提效。

最后，我在 ~/.codex/config.toml 里将桌面端新任务的主默认模型与子代理配置做了清晰分层。这里的 Sol、Luna 属于 GPT-5.6 系列，与 GPT-6 Astra 是分开的模型，在用量统计里也是分开列的：

# 主任务默认配置：负责用户直接发起的会话
model = "gpt-5.6-sol"
model_reasoning_effort = "medium"

# 子代理（Subagent）默认配置：负责被主任务派出去的辅助并行工作
[agents]
default_subagent_model = "gpt-5.6-luna"
default_subagent_reasoning_effort = "max"
max_concurrent_threads_per_session = 3

配置背后的权衡：
主任务用 Sol／Medium，保证日常开发快速、稳定、不啰嗦；分派出去的 Subagent 用 Luna／Max 并发限 3，利用 Luna 极低的 Token 单价配合充足的 Max 推理，既解决具体辅助问题，又避免多代理同时铺开导致周额度瞬间蒸发。

三、 规则瘦身后，究竟有没有省下成本？

为了避免“自我感觉良好”，我让 Codex 在独立环境里设计了一组基准测试：让同一个 Astra／Low 在调整前（臃肿旧规则）与调整后（瘦身新规则）的环境下，分别完成一次完全相同的 Python 导出功能。这组数据是 2026 年 9 月的单次实测（n=1）。

测试代码与任务完全一致，独立验收脚本在模型环境外部运行：

评估指标 规则调整前 规则调整后 差异幅度
任务耗时 59.72 秒 60.71 秒 基本持平（+1.6%）
累计输入 Token 80,598 69,252 减少约 14.1%
其中缓存输入 66,048 62,080 减少约 6.0%
外部独立验收 4/4 项全部通过 4/4 项全部通过 完全一致

实验洞察：
两组输出的代码质量与功能完全一致。新规则省去了不必要的规则读取，输入 Token 确实减少了 14%，但在这种短平快任务里，耗时几乎没有差异。
瘦身规则确实能省下不必要的上下文开销，但指望“改两行规则就让速度翻倍”，在现实中并不成立。

四、 任务变难，Astra 会不会出现“成本反转”？

很多人（包括我自己一开始）都有一个合理猜想：
“Astra 虽然单价贵了 2.5 倍，但只要任务足够复杂，它靠更强的智商少走弯路、少写废话、少试错几轮，总账会不会反而比 Sol 更省？”

为了检验这个猜想，我们在固定新规则的前提下，准备了一个合成的 SQLite 离线便签同步项目：

  • 中档任务：修复发送失败与确认丢失后的重试机制；
  • 高档任务：叠加乱序事件、删除墓碑标记与事务回滚，需要跨多个核心模块协同排查。

两边统一使用 Low 档，单次运行上限 8 分钟，外部运行 13 项独立用例。结果如下（金额按官方标准 API 费率等值折算）：

任务难度 Astra／Low 耗时与等值成本 Sol／Low 耗时与等值成本 独立验收通过率 核心差异解读
中档重试修复 112.8 秒 / $0.361 130.1 秒 / $0.254 两组均 13/13 Astra 快 13%，但费用高出 42%
高档同步修复 155.3 秒 / $0.451 120.8 秒 / $0.235 两组均 13/13 Astra 反慢 29%，费用高出 92%

关键实验结论（猜想被打破）：
高难度任务下，并没有出现“智商换总账更省”的成本反转。
虽然在代码审查中发现 Astra 在高档任务里更严谨地补充了版本号必须为整数的校验，但在功能性验收都通过的前提下，Astra 的综合等值账单依然比 Sol 贵了 42% 到 92%。

以上两组都是单次实测（n=1），每组只跑了一次。

五、 算账科普：Codex 订阅与 API 计费的重大信息差

计算费用时，很多人容易把 “Codex 订阅用户的额度” 与 “底层 API 的美元扣费” 混为一谈。

必须认清以下三组核心规则的区别：

1. 缓存命中（Cached Input）：按 API 标准价，Astra 的缓存输入为 $1.00/1M，是普通输入的 1 折。
2. Codex 计费规则：OpenAI 在 Help Center 里给 Codex 里的 Astra 开了例外，不收缓存写入费，输入超过 272K 也不追加长上下文倍率。
3. 底层 API 阶梯加价：自己调底层 API 时，单次输入一旦超过 272K，整单（不只是超出部分）输入和缓存按 2x、输出按 1.5x 计费。

我们用一个静态测算例子看看两者的差距。假设处理同一次输入 300K（其中 270K 命中缓存，30K 未命中）、输出 5K 的大型请求：

计价环境与场景 Astra 等值花费 Sol 等值花费 价差倍数 规则影响说明
标准 API（假设无倍率） $0.820 $0.328 2.5 倍 基础单价决定的固定倍率
标准 API（实际超 272K） $1.515 $0.606 2.5 倍 整单加收 2x 输入与 1.5x 输出倍率
Codex 工作区计费（享豁免） $0.820 $0.606 仅约 1.35 倍 Astra 豁免了超限倍率，两者差距显著缩小

注：按 2026 年 9 月价格计算，每百万 token：Astra 输入 $10、缓存 $1、输出 $50；GPT-5.6 Sol 按我当时看到的价格算，输入 $4、缓存 $0.4、输出 $20（发布价是 $5/$30）。表中只算输入、缓存读取和输出，没算缓存写入。Codex 里的 Astra 计费例外见 OpenAI Help Center 的说明。10 月之后 OpenAI 又调整了 Sol 的价格，现在再算差距会更大。

这就是为什么官方页面会说 Astra 的“每任务估算 API 成本低于更早的模型，尽管每 token 单价更高”：如果任务极度困难，Astra 能把 Token 压缩到极低，加之 Codex 的计费政策，确实有理论反超空间。

但在我们日常几百行代码的中大型开发中，Token 并没有少到足以抹平单价鸿沟。

六、 真实体感：即使开着 Low，额度依然掉得飞快

在排除掉理论测算后，讲讲最真实的肉身感官。

9 月 6 日下午，我的开发强度已经明显放缓，中午刚用了一张重置卡，到晚上接近 12 点，5 倍的周额度又跌到了只剩 20% 出头。期间还有数个小时我完全离开了电脑，并未连续高频提问。

即使用着 Astra 最低档的轻度推理（Low），它的周额度消耗速度依然肉眼可见地快。

每当看到客户端右上角的额度百分比急剧下跌时，我都会被迫停下来重新评估：手头这个任务，到底配不配用 Astra？

在日常的大多数场景下，它带来的速度提升固然爽快，但代码最终的交付质量并没有比调教好的 Sol 拉开档次。面对如此严峻的额度折损，把 Astra 设为全天候的“默认模型”，性价比确实不算高。

七、 建议收藏：不同任务的模型与思考强度建议表

为了避免每次开工都在菜单里犹豫不决，我结合实测数据与官方特性，给自己收敛出了下面这张“开工决策表”：

任务场景与特征 建议默认模型与思考强度 决策理由与升级条件
文案、样式、配置、小重构 Sol／Low 要求明确，追求秒级响应与零废话，坚决不上大炮
日常功能开发、常规 Bug 排查 Sol／Medium 日常主力默认档，推理充分且兼顾返工风险
认证鉴权、数据库迁移、核心状态机 Sol／High 起步 高返工成本任务，先确认方案边界与验证范围
补充充分证据后仍反复找错根因 升级至 Astra／Medium 现有模型反复打转、逻辑卡死时，才值得调用 Astra 攻坚

开工一句话记忆原则：
日常开发从 Sol／Medium 开始；任务轻量降到 Low；补足材料现有模型依然找不到方向，再切到 Astra。

写在最后

好工具不等于每时每刻都要开到最高挡位。把最贵的武器留给真正的硬仗，把平稳的输出交给性价比成熟的组合，才是长期工程生产力的最优解。

另外，针对 Astra“过于听话易死锁、易过度测试”的行为特点，我目前正在本地工程里打磨一套专为它定制的最新版全局约束文件 AGENTS.md。

先不急着抛出未经验证的半成品，等我带着复杂项目再重度跑上一两周，如果实测确认这套规则能稳定帮大家防卡死、降返工并省下额度，我会把这套打磨好的最新版 AGENTS.md 完整开源分享出来给大家抄作业。