Os agentes de programação evoluíram muito, e as práticas recomendadas estão mudando rapidamente. Com modelos mais capazes, tarefas que antes exigiam muita orientação passo a passo e estruturas de apoio já não precisam disso.
Se você tem usado agentes como o Codex nos seus projetos ao longo do último ano, provavelmente acumulou muitas instruções ao tentar orientar os modelos para obter bons resultados. A cada lançamento, já valia a pena rever essas premissas, mas, com o GPT-6 Astra, isso é mais importante do que nunca.
Essas instruções podem assumir várias formas: habilidades, AGENTS.md e seus prompts de tarefas influenciam a maneira como o modelo realiza o trabalho.
Habilidades melhores
Essas instruções podem assumir a forma de habilidades, que são essencialmente prompts armazenados em arquivos Markdown e podem vir acompanhados de recursos e scripts. Em geral, elas são mais úteis para orientar um fluxo de trabalho específico ou o uso de determinados aplicativos.
Hoje, incluir muitas habilidades nos projetos virou prática comum. Cada habilidade tem um nome e uma descrição que são carregados no contexto do modelo para que ele saiba quando usá-la. Mas muitas descrições são longas demais e, quando você adiciona habilidades em excesso, o Codex começa a encurtar as descrições para que caibam. O modelo acaba vendo menos de cada descrição, o que dificulta a escolha da habilidade adequada.
Pior ainda, as descrições muitas vezes se contradizem ou insistem demais no uso das habilidades, levando o modelo a carregar instruções que não ajudam de fato na tarefa.
Uma maneira comum de criar habilidades é usar a habilidade $skill-creator. Recentemente, atualizamos suas orientações para ajudar a reduzir muitos dos problemas que observamos na prática.
Primeiro, as descrições das habilidades devem ser tão curtas quanto possível, mas deixar claro quando o modelo deve usá-las:
Crie e valide migrações de esquema do Postgres. Use ao trabalhar com bancos de dados, consultas, modelos ou persistência.
Crie e valide migrações de esquema do Postgres. Use ao adicionar ou alterar uma migração, ou ao revisar sua implantação.
Neste caso, a descrição ruim pode levar o modelo a usar a habilidade sempre que lidar com qualquer coisa relacionada a um banco de dados, em vez de usá-la apenas quando precisar lidar com uma migração.
Segundo, uma das principais características de uma habilidade útil é apresentar os detalhes aos poucos, conforme necessário. Ler uma habilidade ocupa contexto, aproxima o momento da compactação e introduz orientações que talvez não se apliquem à tarefa. Para habilidades com vários fluxos de trabalho, mantenha o documento principal enxuto, servindo apenas para direcionar o modelo à documentação e aos scripts de apoio. Dê ao modelo orientação suficiente para saber onde procurar, sem obrigá-lo a ler o que não é relevante naquele momento.
Terceiro, muitas habilidades foram escritas como roteiros ou receitas detalhadas. Os modelos melhoraram muito na compreensão de nuances e ambiguidades, então orientações excessivamente específicas podem agora prejudicar os resultados onde antes ajudavam.
As habilidades do repositório também orientam os agentes de outros colaboradores, que podem usar modelos diferentes. Orientações que ajudam o Sol ou o Luna podem restringir demais o GPT-6 Astra. Por isso, considere quais modelos usarão as instruções que você deixar.
AGENTS.md atualizado
Como o AGENTS.md se aplica sempre que o modelo trabalha no seu repositório, você deve rever cada instrução com frequência e se perguntar se ela ainda é necessária.
Exigir a leitura de uma pilha de documentos ou de um mapa completo do repositório antes de cada edição é um exagero para corrigir um erro de digitação. O GPT-6 Astra consegue determinar o que precisa ler sem ser instruído a revisar o projeto inteiro antes de cada alteração.
Antes de cada edição, leia architecture.md, database.md e deployment.md.
Use architecture.md para os limites entre serviços, database.md para alterações de esquema e deployment.md ao preparar uma implantação.
Instruir o modelo a ler arquivos antes de cada edição é uma ótima maneira de desperdiçar contexto e tornar o trabalho mais lento. Ainda assim, indicar alguns documentos pode ser útil, desde que isso faça sentido para a tarefa. Lembre-se também de manter a documentação atualizada!
Os modelos anteriores precisavam de incentivo para executar testes e conferir o próprio trabalho. O GPT-6 Astra faz isso por conta própria, então as mesmas instruções podem levar a testes desnecessários.
O GPT-6 Astra é minucioso, mas pode hesitar mais ao decidir até onde levar uma tarefa. Às vezes, ele precisa de um pequeno incentivo para continuar. Você pode usar o AGENTS.md para dar permissão para um fluxo de trabalho específico que sabe ser seguro, como executar uma suíte de testes local:
Os testes locais usam fixtures descartáveis e não têm acesso à produção. Execute-os, corrija as falhas causadas pela alteração solicitada e execute novamente os testes afetados sem pedir aprovação a cada etapa.
Limites de decisão
Preste bastante atenção em como você descreve os limites. Se um modelo anterior agiu em seu nome sem permissão, talvez você tenha acrescentado instruções enfáticas para obrigá-lo a perguntar antes. Isso pode ser útil, mas o GPT-6 Astra, nosso modelo mais alinhado, tem uma capacidade de julgamento muito melhor e só executará tarefas quando souber que é seguro. Leve isso em conta ao orientá-lo.
Se você definiu limites para impedir que outros modelos fossem longe demais e agora está migrando para o GPT-6 Astra, considere atualizar a redação dessas instruções: o Astra pode levá-las a sério demais e interromper o trabalho em situações nas quais você, na verdade, gostaria que ele continuasse.
Persistência
Se você está acostumado com o GPT-5.6 Sol recebendo uma solicitação e trabalhando por longos períodos, o GPT-6 Astra pode parecer mais hesitante ao decidir quando parar. Ele pode chegar a uma primeira implementação e pedir sua revisão enquanto ainda há trabalho a fazer.
É nesse ponto que ajuda definir, antes de começar, o que significa concluir a tarefa. Talvez você precise incentivar o Astra a continuar até terminar tudo. Se a tarefa inclui colocar a implementação para funcionar, inspecionar o resultado e corrigir as falhas, inclua isso na solicitação. Exigir uma pausa para revisão após a primeira implementação levará o modelo a parar mais cedo. Por isso, avalie se essa é uma decisão que você realmente precisa tomar.
Se quiser que ele continue explorando além de uma primeira análise, diga o que deseja que ele explore e em que ponto deve parar.
Um novo modelo é uma boa oportunidade para colocar a casa em ordem, mas você não precisa revisar tudo manualmente: peça ao GPT-6 Astra para fazer uma auditoria com base no que foi discutido neste artigo e depois vá criar algo que você não teria tentado antes!