当模型能力跨过某个门槛，过去那套"把话说满、把规则写死"的提示词工程反而开始帮倒忙。OpenAI 的 Eric Provencher 对 GPT-6 Astra 给出的建议，核心就是这句话。
发生了什么
据 The Decoder 报道，Provencher 公开提醒开发者：面对 GPT-6 Astra，几类常见的提示词与护栏写法会拖慢模型表现——过长的技能描述、不加区分的读取（读取权限）要求，以及僵化的审批规则。他的建议方向是：把指令绑定到具体任务上，并明确说明"任务何时算完成"，而不是用大段泛化的规则去覆盖所有场景。
换句话说，OpenAI 官方在劝开发者"少写一点"。
为什么重要
这背后是一条被反复验证的曲线：模型越弱，越需要外部规则兜底；模型越强，外部规则的边际收益越低，甚至转为负值。
过去两年，提示词工程的主流实践是"防御性写作"——把角色、边界、禁止事项、输出格式、异常处理全部塞进系统提示，再用一层层审批和权限校验把模型框住。这套做法在早期模型上确实有效，因为它弥补的是模型自身的判断力不足。但当模型具备了更强的任务理解和自主规划能力，这些规则就从"护栏"变成了"噪音"：冗长的技能描述会稀释真正关键的指令，一刀切的读取要求会让模型在不必要的环节反复确认，僵化的审批规则则会打断本该连续完成的执行链。
值得注意的是，这条建议的措辞本身也透露出产品定位。"Astra"这个代号与"更少的手把手指导"绑定出现，暗示 OpenAI 正在把这一代模型推向更自主的 agent 场景——在那里，人类预设的规则越细，模型能发挥的空间反而越小。
影响与看点
对开发者而言，最直接的变化是提示词资产的"减重"。那些靠堆砌规则换稳定性的系统提示需要重写：把泛化的全局约束拆成任务级的精确指令，把"不要做 X"换成"做到 Y 即视为完成"。这会改变团队维护提示词的方式——从写文档变成写验收标准。
对企业侧，护栏的减少意味着治理责任的部分转移。审批流和权限校验原本是合规与风控的抓手，现在需要在"不拖慢模型"和"可控"之间重新找平衡点。这不是让开发者放弃约束，而是要求约束更精准。
一个值得留意的判断是：如果"更少护栏"成为强模型的默认预期，那么提示词工程的竞争点将从"谁写得更全"转向"谁定义任务边界更准"。这更像产品经理和领域专家的工作，而不是靠模板堆叠就能解决的工程问题。对工具链厂商来说，如何自动识别并精简冗余指令，可能是一个新的产品切口。
