Как ставить задачи Opus 5.5 и GPT-6 Astra: аудит старых промптов
Как пересмотреть старые промпты для Opus 5.5 и GPT-6 Astra: критерии готовой работы, границы самостоятельности и условный пример CLAUDE.md.

Содержание
Модель обновили, а инструкции для неё оставили прежними. В CLAUDE.md, AGENTS.md или шаблоне задачи по-прежнему могут стоять просьбы «думай внимательно», «сначала покажи план», «перед каждой правкой прочитай всю документацию». На первый взгляд всё по делу: внимательность, порядок, знание проекта. Но стоит снова спросить, зачем нужна каждая строка.
Руководство Anthropic для Opus 5.5 и рекомендации OpenAI для GPT-6 Astra описывают разные модели. Оба материала полезно читать с тремя вопросами к старым промптам: понимает ли агент, когда работа готова, какие шаги ему уже разрешены и в какой момент нужен человек.
Как понять, что задача выполнена
В старой инструкции легко накопить целый маршрут: сначала открой такие-то файлы, потом составь план, покажи его, внеси правку, запусти все тесты. Иногда порядок нужен: прежде чем удалять старую библиотеку, надо найти все места, где её вызывают. Но если маршрут одинаков для исправления опечатки и большого изменения, он начинает мешать.
Anthropic советует давать Opus 5.5 задачу целиком и сразу называть признак завершения. У OpenAI похожий акцент: GPT-6 Astra может остановиться за уточнением там, где вы ожидали самостоятельного продолжения. Поэтому полезно заранее сказать, какие обычные шаги входят в поручение.
Допустим, нужно заменить клиент платёжного сервиса. Я бы поставил задачу так:
Переведи модуль оплаты на новый клиент. Работа готова, когда все вызовы модуля используют его, старый клиент удалён, а связанные тесты проходят. Изучи затронутые файлы, внеси изменения и исправь ошибки проверок, вызванные этой заменой. Если выяснится, что придётся менять внешний контракт или удалять реальные данные, остановись и покажи варианты. В конце перечисли изменённые файлы и результаты проверок.
Здесь агенту не назначают каждое движение. Зато понятно, какие действия уже разрешены, как проверить результат и где без решения владельца не обойтись. Для исследовательской задачи признаки готовности будут другими: проверенные источники, выводы и список того, что подтвердить не удалось. Если результат затем принимает другой человек, это тоже стоит назвать в задаче. Почему это важно, я разбирал в статье про AI в рабочем процессе.
Что делать с «думай внимательно»
Anthropic предлагает убрать из сохранённых инструкций фразы think carefully и think step by step. По описанию компании, Opus 5.5 и так обдумывает ответ, а глубину выбирает сама. В одном тесте Anthropic удаление такой строки ускорило начало ответа без заметного ухудшения качества. Это результат их теста, а не обещание, что любое удаление сэкономит вам токены.
С GPT-6 Astra я бы задал более приземлённый вопрос: что агент должен показать в итоге? «Думай очень внимательно над датами» не говорит, как проверить ответ. «Сверь даты с первоисточниками и пометь те, которые проверить не удалось» — говорит. Не нужно просить модель пересказывать внутренний ход рассуждений, чтобы понять, на чём основан ответ.
В отдельном материале о навыках GPT-6 Astra OpenAI советует пересматривать накопленные инструкции: они могут заставлять агента читать лишние документы, проводить ненужные проверки или преждевременно останавливаться. Поэтому старый промпт нужно сверять и с другими инструкциями, которые агент получает вместе с задачей.
Разберём условный CLAUDE.md
Представим проект, в котором лежат такие правила. Это придуманный пример, а не выдержка из рабочего файла:
Перед любой правкой прочитай
architecture.md,database.mdиdeployment.md.Сначала покажи план и дождись ответа.
Перед удалением данных или публикацией спроси разрешения.
Первое правило обещает полезный контекст, но требует читать три документа даже ради исправления опечатки. Я бы указал, когда нужен каждый файл: схема сервиса — при изменении связей между модулями, описание базы — при работе со схемой данных, инструкция по выкладке — перед релизом. Документы остаются под рукой, а чтение зависит от задачи.
Второе правило останавливает работу после плана. Это может быть нужно, когда есть несколько решений с разными последствиями и выбор остаётся за владельцем проекта. Если задача уже согласована и понятно, как принять результат, промежуточное ожидание ничего не добавляет. Лучше назвать обстоятельство, при котором агент должен спросить, чем требовать план перед каждой правкой.
Третье правило я бы сохранил. Прежде чем удалять реальные данные или что-то публиковать, агенту нужно спросить человека. Подготовить локальные изменения и показать их на проверку он может сам. Граница проходит там, где действие трудно отменить.
Как пройтись по своим правилам
Не оценивайте файл по длине. Для каждого указания лучше выяснить несколько вещей:
- Когда оно нужно? Правило читать схему сервиса может помогать при изменении связей между модулями и быть лишним при исправлении текста.
- Что оно защищает? Проверка дат по источнику и запрет на публикацию без запроса имеют понятную причину. У «будь тщательным» такой причины и способа проверки нет.
- Не повторяет ли оно уже данное поручение? Если пользователь попросил подготовить черновик, дополнительное согласование перед созданием локального файла только прервёт работу.
- Не спорит ли оно с другими инструкциями? Сверьте общий файл, описание навыка, его справки и шаблон запроса. Агенту трудно работать, когда в одном месте велят продолжать, а в другом — останавливаться после каждого шага.
После чтения стоит проверить правки на рабочих задачах. Возьмите несколько типовых поручений с ясной приёмкой, сохраните старую и сокращённую версии инструкции и прогоните их на одной модели с одинаковыми входными данными. Считайте, сколько задач принято без правок, где агент зря останавливался, сколько времени ушло на исправления и что показывают доступные счётчики времени и токенов. Без такого сравнения можно оценить ясность правил, но нельзя обещать выигрыш в скорости или стоимости.
Я бы начал с правил, для которых уже не могу назвать ни риск, ни способ проверить пользу. Остальные оставил бы до прогона. Новая модель сама по себе не делает старую инструкцию бесполезной; она даёт повод проверить, помогает ли та закончить работу.
Похожие статьи

Лимиты Codex: где посмотреть остаток и как продолжить работу
Как проверить лимиты Codex через страницу использования и /status, прочитать оценки для Plus и решить, когда ждать сброса или покупать кредиты.

GPT-Live-1 теперь в API: голосовая модель из ChatGPT доступна разработчикам
OpenAI открыла GPT-Live-1 в API: full duplex, отдельная модель для выполнения задач, 12 голосов и цена 0,05 доллара за минуту голосовой части.

OpenAI выпустила GPT Image 2.5: Sunburst для точных правок, Flare для быстрой генерации
OpenAI выпустила GPT Image 2.5 Sunburst и Flare. Разбираем различия, настройки качества, цены API и что подтверждено о доступности в ChatGPT.