تصور کنید برنامه‌نویسی هستید که از تکرار جمله‌ی «آیا اجازه دارم این فایل را تغییر دهم؟» توسط دستیار هوش مصنوعی‌اش خسته شده و فقط می‌خواهد کد اجرا شود. با انتشار مستندات جدید در ۵ سپتامبر ۲۰۲۶، OpenAI تلاش می‌کند این «تردید» را در مدل GPT-6 Astra از بین ببرد و آن را به سمتی ببرد که به‌جای پرسیدن، عمل کند. این امر از طریق درخواست صریح برای ایجاد یک «سوگیری به سمت اقدام» (Bias towards action) امکان‌پذیر شده است تا نقص خاصی در Astra، یعنی تمایل به شفاف‌سازی بیش از حد به‌جای اجرا، برطرف شود.
این تغییر در حالی رخ می‌دهد که اوپن‌ای‌آی از مدل‌های صرفاً گفتگو‌محور به سمت سامانه‌های «استفاده از کامپیوتر» (Computer-use) حرکت می‌کند. Astra برخلاف نسل‌های قبل که بر گفتگو متمرکز بودند، برای مدیریت مرورگرها، صفحات گسترده و ترمینال‌ها طراحی شده تا کارهای چندمرحله‌ای را به پایان برساند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی ریسک‌های عامل‌های خودمختار اشاره کردیم، این سطح از استقلال می‌تواند خطرناک باشد؛ برای مثال، پیش‌تر شاهد بودیم که عامل‌های خودمختار یک ویکی آلمانی را با ۱۸,۰۰۰ ورودی هک کردند که نشان‌دهنده خطرات رفتارهای عاملانه بدون نظارت است.
زمینه و رفتار مدل
به نقل از مستندات رسمی، مدل GPT-6 Astra نسبت به مدل GPT-5.6 Sol تمایل بیشتری به پرسیدن سؤالات شفاف‌ساز دارد. اوپن‌ای‌آی اشاره می‌کند که اگرچه این ویژگی او را به «همکار مؤثرتری» تبدیل می‌کند زیرا از پیش‌فرض‌های نادرست اجتناب می‌کند، اما هزینه این رویکرد آن است که مدل اغلب در نقاطی که کاربر انتظار پیشروی و ادامه کار را دارد، متوقف می‌شود.
علاوه بر این، Astra نسبت به پیشینیان خود به بستر متن (Context) حساس‌تر است. دستورات نامشخص یا متناقض در فایل‌های مهارتی (Skill files)، مانند فایل AGENTS.md، می‌تواند باعث شود مدل کار را متوقف کند یا به‌طور غیرمنتظره‌ای از مسیر منحرف شود. به همین دلیل، اوپن‌ای‌آی توصیه می‌کند که تمامی فایل‌های مهارتی و اسناد زمینه بازبینی شوند تا دستورات کاربر اولویت صریح و مطلق داشته باشند.
طبق گزارش وب‌سایت the-decoder.com، این مدل دارای پنجره زمینه (Context Window) به اندازه ۱.۰۵ میلیون توکن است و به عنوان یک مدل بسته و میزبانی‌شده (Hosted) معرفی شده است. برای بهینه‌سازی عملکرد، اوپن‌ای‌آی چهار استراتژی کلیدی را پیشنهاد داده است:
غلبه بر اینرسی عامل (Agent Inertia)
- استنتاج قصد: توسعه‌دهندگان باید مدل را ترغیب کنند تا قصد کاربر را از روی متن استنباط کند. عباراتی مثل «می‌توانید...»، «می‌خواهم که...» یا «به من کمک کنید...» نباید به عنوان دعوت به پرسیدن سؤالات تکمیلی، بلکه باید به عنوان فراخوان برای اقدام (Call to act) تلقی شوند. مدل باید وظیفه مورد نظر را تا زمان تکمیل کامل دنبال کند.
- اقدام مستقل: مدل تشویق شده تا به طور مستقل در جهت اهداف پیش برود؛ کارهایی مانند ایجاد درخت‌های کاری ایزوله، حل تداخل‌های ادغام کد (Merge conflicts)، انجام اقدامات فقط-خواندنی (Read-only) یا ایجاد پیش‌نویس‌های PR، بدون اجازه کاربر انجام شوند، مگر اینکه اقدامات به‌طور واضح تخریبی یا غیرقابل بازگشت باشند.
- نتایج ملموس: مدل دستور گرفته است که پیش از درخواست تایید، یک نتیجه قابل بررسی آماده کند. اوپن‌ای‌آی با این عبارت به مدل دستور می‌دهد: «کاربر باید یک نتیجه ملموس و قابل بررسی را تایید کند».
- پرامپت‌های عیب‌یابی: اوپن‌ای‌آی پرامپتی را پیشنهاد می‌کند که مدل را مجبور می‌کند دقیقاً نام فایل SKILL.md را که خوانده است ذکر کرده، به آن لینک دهد و دستور مربوطه‌ای را که باعث توقف یا انحراف او شده است نقل کند. این کار به توسعه‌دهندگان کمک می‌کند تا تفاوت بین الزامات صریح مهارتی و تفسیر مدل از دستورالعمل‌ها را تشخیص دهند.
فهرست سیاه «کلمات زائد» (Slop Words)
یکی از جالب‌ترین بخش‌های این راهنما، معرفی دسته‌ای از «کلمات زائد» است؛ عبارات تکراری و کلیشه‌ای که مختص هوش مصنوعی هستند و کیفیت نثر را کاهش می‌دهند. اوپن‌ای‌آی به‌طور صریح توصیه می‌کند کلماتی مانند «کاوش در» (delve into)، «بهره‌گیری» (leverage)، «ترویج» (foster)، «شایان ذکر است که» (it's worth noting)، «آنچه مهم است این است که» (what's important is)، «واقعاً/حقیقتاً» (really/truly) و «ارتقا دادن» (promote) ممنوع شوند.
برای تضمین نوشتار فنی حرفه‌ای، این راهنما استفاده از وجه معلوم (Active voice) و زبان ساده را الزامی کرده و موارد زیر را به‌طور خاص ممنوع کرده است:
- ترکیبات ساختگی: استفاده از اصطلاحات ابداعی با خط تیره، مانند «exact-head checks» یا «editorial-row layouts».
- بسترهای جمع‌بندی: جملاتی که با «به طور خلاصه...» (In short)، «ساده‌ترین مدل ذهنی این است که...» یا «نتیجه‌گیری:» شروع می‌شوند.
- عبارات تقابلی: استفاده از ساختارهای «X و نه Y» یا «X — نه Y» که جایگزین‌های ناخواسته و بدون درخواست را معرفی می‌کنند.
- انتقال‌های کلیشه‌ای: استفاده از توصیف‌گرهای مبهم و فرمت‌های «سؤال؟ پاسخ».
اوپن‌ای‌آی توصیه می‌کند که اگر تولید متن لازم است، مدل باید از پاراگراف‌های شفاف و موجز استفاده کند که در هر کدام تنها یک ایده اصلی بسط داده شود. لیست‌ها را باید فقط برای اطلاعات موازی یا متوالی به کار برد و از لیست‌های تو در تو (Nested) اجتناب کرد، مگر اینکه سلسله‌مراتب را نتوان در قالب نثر بیان کرد. اصطلاحات فنی نیز تنها زمانی باید استفاده شوند که به تبیین یک ایده کمک کنند.
هماهنگی عامل‌ها و تست
کاربران فنی متوجه شده‌اند که Astra اغلب در تفویض اختیار کافی به عامل‌های فرعی موازی (Parallel sub-agents) شکست می‌خورد. اوپن‌ای‌آی پیشنهاد می‌کند دقیقاً مشخص شود چه زمانی و چه مقدار تفویض اختیار باید رخ دهد تا از ایجاد گلوگاه‌ها جلوگیری شود. همچنین توسعه‌دهندگان باید بدانند که پیام‌های بین عامل‌ها ممکن است حاوی خطاهای گرامری یا فاصله گذاری باشند.
علاوه بر این، مدل تمایل دارد برای تغییرات کوچک در کد، مجموعه‌های تست (Test suites) بیش از حدی را اجرا کند. برای تغییرات جزئی، این تست‌ها می‌توانند به‌طور شدیدی با حجم واقعی کار نامتناسب باشند. به توسعه‌دهندگان توصیه می‌شود به Astra دستور دهند تست‌ها را تنها زمانی مجدداً اجرا کند که شکست‌های جدید یا مسائل حل‌نشده، هزینه محاسباتی را توجیه کنند.
برای کسانی که در حال انتقال پروژه‌های موجود هستند، اوپن‌ای‌آی ابزاری در خط فرمان از طریق Codex ارائه کرده است: openai-docs migrate this project to GPT-6 Astra.
این رویکرد نشان می‌دهد که ما از «مهندسی پرامپت» (Prompt Engineering) — که شبیه به یک هنر خلاقانه بود — به سمت «ممیزی رفتاری» (Behavioral Auditing) به عنوان یک دیسیپلین فنی حرکت می‌کنیم. اوپن‌ای‌آی با ارائه فهرست سیاه کلمات و چارچوبی برای اقدام، تلاش می‌کند «هوش مصنوعی بودنِ» خروجی را حذف کند تا مدل به‌جای یک چت‌بات مردد، شبیه به یک کارمند متخصص و لایق عمل کند.
برای کاربر نهایی، این بدان معناست که شکاف بین «توصیف یک راهکار» و «اجرای یک راهکار» در حال بسته شدن است. با این حال، اتکا به یک مدل بسته و میزبانی‌شده به این معناست که توسعه‌دهندگان همچنان به زیرساخت‌ها و آستانه‌های ایمنی اوپن‌ای‌آی وابسته هستند.
گام بعدی شما
- فایل‌های مهارتی (Skill files) و مستندات زمینه پروژه خود را بازبینی کنید تا دستورات کاربر اولویت مطلق داشته باشند.
- در پرامپت‌های سیستمی، صراحتاً «سوگیری به سمت اقدام» (Bias towards action) را تعریف کنید.
- فهرست کلمات زائد را در دستورالعمل‌های خروجی مدل قرار دهید تا لحن پاسخ‌ها حرفه‌ای‌تر شود.
اما این تغییرات رفتاری تنها نیمی از ماجراست؛ تأثیر این مدل بر کاهش هزینه‌های استنتاج در مقیاس سازمانی را در گزارش بعدی بررسی خواهیم کرد.
گفتگو