OpenAIは2026年9月11日、コーディングエージェント「Codex」の新モデル「GPT-6 Astra」の登場に合わせ、これまで積み上げてきた「スキル」「AGENTS.md」「タスクの指示文（プロンプト）」を見直すべきだと開発者向けブログで提言した。
コーディングエージェントの性能が急速に向上する中で、旧モデル向けに用意した細かい手順書やガードレールが、より高性能な新モデルにはかえって足かせになりかねないという問題意識から示されている。
スキルの説明文は「短く・明確に」
Codexでは、特定のワークフローやアプリ操作に関する指示を「スキル」としてMarkdownファイルにまとめ、名前と説明文をモデルのコンテキストに読み込ませる仕組みがある。しかし多くの利用者がプロジェクトに大量のスキルを詰め込んだ結果、説明文が長すぎて表示が省略され、モデルがどのスキルを使うべきか判断しづらくなる問題が起きていると指摘。適用範囲を明確に絞るべきだと提案。
また、スキルを読み込むこと自体がコンテキストを消費するため、複数のワークフローを持つスキルは、ルートとなる文書を最小限のルーター役に留め、必要な子ドキュメントやスクリプトだけを参照させる「段階的な開示」が重要だとしている。加えて、モデルの理解力が上がったことで、過度に細かい手順書（レシピ）はかえって結果を悪化させる場合があるとしている。
AGENTS.mdは「タスクに必要な範囲」だけを読ませる
リポジトリ全体に適用される指示書「AGENTS.md」についても、内容を定期的に見直すべきだと指摘する。「編集の前に必ずarchitecture.md、database.md、deployment.mdを読む」といった一律の指示は、簡単な誤字修正のような作業には過剰であり、GPT-6 Astraは必要な情報を自ら判断して読みに行けるとしている。推奨されるのは「サービス境界の確認にはarchitecture.md、スキーマ変更にはdatabase.md、デプロイ準備にはdeployment.mdを参照する」のように、文脈に応じた参照先を示す書き方だ。
また、従来モデルはテストの実行や作業内容の確認を促す必要があったが、GPT-6 Astraは自発的にそれを行うため、同じ指示が不要なテストの繰り返しにつながることがある。一方で、安全と分かっている作業（ローカルのテストスイート実行など）については、承認を求めずに続行してよい旨をAGENTS.mdで明示的に許可することも有効だとしている。
判断の境界線とタスク完了の定義も見直しを
従来モデルが指示なく行き過ぎた挙動を取ることを防ぐため、多くの開発者は「必ず確認を取ってから実行する」といった強い制約を課してきた。しかし記事は、GPT-6 AstraはOpenAIが「これまでで最も高い整合性を持つモデル」と位置づけるだけの判断力を備えており、安全と分かっていない作業は実行しない傾向があるため、こうした制約が逆に必要な作業まで止めてしまう可能性があると指摘する。
さらに、GPT-6 Astraは前モデルに比べて「これで完了とみなしてよいか」を慎重に判断し、実装の初期段階でいったん立ち止まってレビューを求める傾向があるという。最後まで一気に仕上げてほしい場合は、着手前に完了の定義（実装後に動作確認と修正まで行う、など）を明示することが有効だとしている。
スキル更新もAstraにお願いする
新モデルへの切り替えは指示内容を棚卸しする良い機会であるが、手作業の修正は非常に骨が折れる。GPT-6 Astra自身に今回の記事内容を踏まえた監査を依頼することもできるだろう。
ロボスタオンラインセミナー情報
フィジカルAIに重要な「学習データ」 知能化ロボットの最前線
ロボスタでは、ヒューマノイドやAIロボットの進化を支える「学習データ」をテーマに、オンラインセミナー「フィジカルAIの『学習データ』はどう作る？ APTO高品氏が語るフィジカルAI時代のデータ戦略と社会実装」を10月7日（水）に開催します。
講演では、「フィジカルAIになぜ学習データが重要なのか」といった基礎から、VLAや模倣学習、テレオペレーションによる実世界データの収集、アノテーション、シミュレーションや合成データの活用まで、フィジカルAIの学習データがどのように作られるのかをわかりやすく解説していただきます。
さらに、実際のユースケースや社会実装に向けた取り組みを紹介します。NVIDIAやAWSとの連携など、フィジカルAI時代に求められるデータ基盤やエコシステムのあり方、今後の可能性についても深掘りします。
ロボットを賢くするための「データ」は、どこから集め、どう作り、どう活用していくのか。フィジカルAIの社会実装を「学習データ」の視点から考えるセミナーです。ぜひ、ご参加下さい。
詳しくはこちら
