OpenAI: geef AI-coding-agent Astra kortere instructies en meer vrijheid

Softwareontwikkelaars die gebruikmaken van OpenAI's coderingstool Codex krijgen een concreet advies: ruim oude instructies op voordat je overstapt op het nieuwste onderliggende model, GPT-6 Astra. Dat schrijft Eric Provencher, medewerker van OpenAI, in een blogpost. Instructies die zich in de loop van de tijd hebben opgestapeld, kunnen namelijk kostbare rekenruimte opslokken of het model juist te vroeg laten stoppen met een taak.

Provencher vergelijkt de overstap naar een nieuw model met het inwerken van een ervaren collega: hoe capabeler het model, hoe minder hand-holding er nodig is. Dat advies sluit aan bij eerdere aanbevelingen van OpenAI over de overgang tussen AI-modellen.

Te veel vage taakomschrijvingen leiden tot verkeerde keuzes

Codex werkt met zogeheten skills: vooraf geschreven instructies in Markdown-bestanden, die vaak ook scripts en andere hulpbronnen bevatten. Elke skill heeft een naam en omschrijving die het model gebruikt om te bepalen welke aanpak bij een taak past. Het probleem: hoe meer skills er zijn, hoe vaker Codex die omschrijvingen moet inkorten. Daardoor verdwijnt precies de informatie die nodig is om de juiste keuze te maken. Provencher raadt aan om taakomschrijvingen kort en precies te houden. Een skill voor het aanpassen van een databaseschema moet bijvoorbeeld alleen actief worden bij die specifieke taak, niet bij alles wat met een database te maken heeft. Bevat een skill meerdere deeltaken, dan is het beter om alleen door te verwijzen naar de juiste vervolgdocumenten in plaats van alles in één keer aan te bieden. Elk extra document dat het model moet lezen, kost namelijk ruimte in het zogeheten contextvenster, het werkgeheugen van het taalmodel.

Verplichte leeslijsten en strenge regels remmen af

Ook de regels in het bestand AGENTS.md, dat richtlijnen bevat voor hoe een AI-agent met een softwareproject moet omgaan, verdienen periodiek onderhoud. Het verplicht laten lezen van meerdere documenten voordat er ook maar iets wordt aangepast, is volgens Provencher overkill voor een simpele typefout. Astra kan prima zelf inschatten welke achtergrondinformatie nodig is. In plaats van bij elke wijziging drie documenten te laten doorlezen, is het efficiënter om gericht te verwijzen: architectuurinformatie alleen bij het aanpassen van systeemgrenzen, databasedocumentatie alleen bij schemawijzigingen. Ook expliciete toestemmingen schelen tijd. Voor lokale tests zonder productiedata kan een projectbestand het model bijvoorbeeld op voorhand toestemming geven om tests te draaien, fouten te herstellen en de tests opnieuw uit te voeren, zonder telkens te hoeven vragen.

Astra heeft een duidelijk doel nodig, geen checklist

Bedrijven die eerdere, minder betrouwbare modellen aan strenge goedkeuringsregels bonden, doen er volgens Provencher goed aan die regels te herzien bij de overstap naar Astra. Het model heeft een beter beoordelingsvermogen, maar kan oude restricties ook heel letterlijk interpreteren en daardoor stoppen op momenten dat doorwerken juist gewenst is. Bekende, veilige taken kunnen daarom beter expliciet worden vrijgegeven. Zelfs zonder restricties kan Astra eerder stoppen dan zijn voorganger GPT-5.6 Sol. Provencher raadt daarom aan om vooraf helder te omschrijven wat 'klaar' precies betekent: als het de bedoeling is dat de agent iets bouwt, test, controleert én fouten herstelt, moet dat expliciet in de opdracht staan. Een tussentijdse controlestap in de instructie zorgt er anders voor dat het model eerder afhaakt dan gewenst.