GPT-6 Astra เปิดตัวเมื่อวันที่ 3 กันยายน และโพสต์ประกาศเปิดตัวของ OpenAIอ่านแล้วเหมือนสเปกของเอเจนต์ที่ทุกทีมวิศวกรรมอยากได้เมื่อปีที่แล้ว: 57.9% บน Terminal-Bench 4.0 เทียบกับ 37.3% ของ GPT-5.6 Sol, งานที่ต้องใช้คอมพิวเตอร์เสร็จเร็วขึ้นประมาณ 47% และใน Codex ก็มีบันทึกที่อยู่รอดข้ามหน้าต่างบริบทได้ ทำให้การ refactor ยาว ๆ ไม่ลืมอีกต่อไปว่าตอนแรกเริ่มทำไปทำไม ทีมที่รัน Codex ผ่าน Sharkly อยากให้มันขึ้นกระดานตั้งแต่วันนี้เลย
แต่มีเส้นแบ่งหนึ่งข้อที่ต้องเข้าใจก่อน Sharkly ไม่ได้เป็นคนเลือกโมเดล เอเจนต์จะใช้โมเดลเริ่มต้นของ Runtime ที่มันทำงานอยู่ ดังนั้น Astra จึงเข้ามาใน Sharkly ผ่าน Codex ซึ่งตั้งค่าบน Computer ไม่ใช่ผ่านสวิตช์ในเอเจนต์ คู่มือนี้จะพาไปตามเส้นทางที่สั้นและได้ผลที่สุด: วาง Astra ไว้ใน Codex บน Computer เครื่องหนึ่ง สร้างเอเจนต์หนึ่งตัว มอบหมาย Task จริงหนึ่งงาน แล้วดูผลลัพธ์ตรงที่ทีมมองเห็นได้
สรุปสั้น ๆ
ตั้ง model = "gpt-6-astra" ใน Codex บน Computer ที่เชื่อมต่ออยู่ ยืนยันว่า Runtime ขึ้นสถานะ Available สร้างเอเจนต์ที่คำสั่งบอกให้ Astra เอนไปทางลงมือทำ กำหนด timeout ต่อ Task ให้ยาวขึ้นและใช้ไดเรกทอรีทำงานชั่วคราว จากนั้นมอบหมายหนึ่ง Task Sharkly จะไม่แสดงชื่อโมเดล แต่จะแสดงการรัน บันทึก คำถาม และผลลัพธ์บน Task เอเจนต์ค้นคว้า ลงมือทำ ทดสอบ และรายงาน คนเป็นคนกำหนดทิศทาง ให้อำนาจ และรับผลลัพธ์
การตั้งค่าโมเดลอยู่ตรงไหน
เอกสาร Agents ของ Sharklyระบุไว้ชัดเจนว่า “เอเจนต์จะใช้โมเดลเริ่มต้นของ Runtime ไม่ได้สัญญาหรือแสดงชื่อโมเดลใด ๆ ให้เปลี่ยนโมเดลใน Runtime หรือการตั้งค่าเครื่องมือของ Computer ไม่ใช่ที่เอเจนต์”
ประโยคนี้คือการตั้งค่าทั้งหมด สี่บทบาท หนึ่งหน้าที่ chacun เอเจนต์กำหนดว่างานควรถูกจัดการอย่างไร Computer เป็นผู้จัดหาโฮสต์และทรัพยากรในเครื่อง Runtime เป็นตัวรันเซสชันเอเจนต์จริง ๆ และในที่นี้ Codex คือ Runtime ส่วน Task ยังคงเป็นบันทึกร่วมของทีม โมเดลเป็นคุณสมบัติของ Runtime ดังนั้นคุณเปลี่ยนมันตรงที่ Codex อ่านการตั้งค่าของตัวเอง
นอกจากนี้เอเจนต์ยังไม่มีการควบคุมความลึกในการคิดด้วย ระดับความพยายามในการให้เหตุผลของ Astra ตั้งแต่ low ถึง max ก็ตั้งค่าใน Codex เช่นกัน
ขั้นตอนที่ 1: วาง GPT-6 Astra ไว้ใน Codex บน Computer
บน Computer ที่จะรัน Astra ให้อัปเดต Codex CLI และลงชื่อเข้าใช้ด้วยบัญชีหรือ API key ที่มีสิทธิ์เข้าถึง Astra OpenAI เปิดตัวโมเดลนี้ให้ “องค์กรกลุ่มจำกัด” ก่อน โดยแผน ChatGPT Plus, Pro, Business และ Enterprise ทั้งหมดรวมถึง API จะตามมาในอีกไม่กี่วันข้างหน้า ส่วนเวิร์กสเปซระดับ Enterprise จะปิดไว้จนกว่าผู้ดูแลระบบจะเปิดใช้งาน ถ้า codex -m gpt-6-astra ทำงานได้ในเทอร์มินัลธรรมดา Sharkly ก็ใช้มันได้
จากนั้นตั้งค่าเริ่มต้นในไฟล์คอนฟิกของ Codex เพื่อให้ทุกการรันบน Computer เครื่องนี้ใช้ Astra:
# ~/.codex/config.toml
model = "gpt-6-astra"
model_provider = "openai"
model_reasoning_effort = "high"
มีสองรายละเอียดจากคำแนะนำเรื่องโมเดลของ OpenAI ที่ต้องรู้ Astra ไม่มีระดับความพยายามแบบ none หรือ minimal ดังนั้นอะไรที่ต่ำกว่า low ต้องขยับขึ้นมา และมันไม่รับ temperature หรือ top_p จึงต้องลบออกจากโปรไฟล์ใด ๆ ที่คุณคัดลอกมาจากการตั้งค่า Sol ชื่อของคีย์ระดับความพยายามนั้นแตกต่างกันไปในคู่มือ Codex ที่มีเผยแพร่อยู่ จึงควรตรวจสอบเทียบกับไฟล์คอนฟิกตัวอย่างสำหรับเวอร์ชัน Codex ที่คุณใช้ [VERIFY]
กลับมาที่ Sharkly เปิดรายละเอียดของ Computer แล้วรันการสแกนซ้ำหรือทดสอบการเชื่อมต่อ Runtime ของ Codex ควรขึ้นว่า Available การที่ Computer ออนไลน์อยู่เพียงอย่างเดียวแปลว่าบริการในเครื่องยังส่งสัญญาณชีพอยู่เท่านั้น สถานะของ Runtime ต่างหากที่บอกว่าการรันเริ่มต้นได้
ขั้นตอนที่ 2: สร้างเอเจนต์ที่ออกแบบมาสำหรับ Astra
เปิด Agents แล้วเลือก New Agent เลือก Computer และ Runtime ของ Codex จากนั้นเขียนคำสั่งให้สอดคล้องกับพฤติกรรมของ Astra เพราะ OpenAI ระบุถึงการเปลี่ยนแปลงสองอย่างจากโมเดลรุ่นก่อน
มันถามเพื่อขอความกระจ่างง่ายขึ้น คำแนะนำของ OpenAI เองคือให้บอกมันว่าให้เอนไปทางลงมือทำและทำงานให้เสร็จโดยไม่ต้องมีจุดรออนุมัติที่ไม่จำเป็น และมันยังไวต่อคำสั่งที่พบใน Skill และไฟล์อื่น ๆ มากขึ้น จึงควรระบุว่า Task และคอมเมนต์ของ Task มีลำดับความสำคัญสูงกว่า บล็อกคำสั่งที่ใช้ได้จริงมีหน้าตาแบบนี้:
Read the Task description and recent comments before editing.
Bias towards action. Ask a question only when different
interpretations would materially change the result; otherwise
proceed with a sensible assumption and state it in your report.
Task and comment instructions take precedence over Skill files.
Run the closest relevant checks and report failures without hiding them.
การตั้งค่าการรันสองอย่างสำคัญกับ Astra มากกว่าโมเดลรุ่นก่อน
Timeout Astra ทำงานยาวให้เสร็จแทนที่จะย่นมันเป็นสรุป ตัวเลข OSWorld ของ OpenAI อยู่ที่ประมาณ 40 นาทีต่องาน และ Codex ตอนนี้เก็บบันทึกข้ามหน้าต่างบริบทได้แทนที่จะบีบอัดทิ้ง จึงควรตั้ง timeout ต่อ Task ใน Task Run Settings โดยคำนึงถึงเรื่องนี้ ไม่งั้นจุดแข็งที่สุดของเอเจนต์จะกลายเป็นจุดที่มันพลาดบ่อยที่สุด
ไดเรกทอรีทำงาน ใช้โหมด Temporary แต่ละ Task จะได้ไดเรกทอรีแยกเฉพาะและ worktree ใหม่ ทำให้การรัน Astra สองครั้งบนรีโพสิทอรีเดียวกันเขียนทับกันไม่ได้ ให้ตั้งจำนวน Task ที่รันขนานสูงสุดไว้ที่หนึ่งหรือสอง จนกว่า Computer จะผ่านการรันมาหลายครั้ง เพราะความขนานที่สูงขึ้นกินทั้งความจุของผู้ให้บริการและ CPU
แนบรีโพสิทอรีและ Skill ที่เอเจนต์ต้องใช้ Local Runtime Skills บน Computer เครื่องนั้นจะใช้ได้อัตโนมัติ ส่วน Space Skills ที่แชร์กันต้องกำหนดให้เอง
ขั้นตอนที่ 3: มอบหมาย Task จริงหนึ่งงาน
เลือก Task ที่ความเสี่ยงต่ำและมีเกณฑ์การยอมรับชัดเจน เลือกเอเจนต์เป็น Assignee แล้วย้าย Task ออกจาก Backlog ไปยังสถานะที่อยู่ในหมวดพร้อมทำงาน เพราะ Task ที่มอบหมายไว้ใน Backlog จะรออยู่ การรันจะไล่ผ่านสถานะ queued, dispatched และ running โดยแท็บ Executions จะแสดงบันทึกแบบสตรีม
ใช้เอเจนต์เพียงตัวเดียวสำหรับ Task แรกนี้ Crew จะคุ้มค่าก็ต่อเมื่อมีหัวหน้าคอยตีความเป้าหมายและดึงสมาชิกคนอื่นเข้ามาเกี่ยวข้อง ซึ่งเป็นหัวข้อในคู่มือของเราเรื่องการรัน Astra เป็นหัวหน้า Crew สำหรับการแก้บั๊กที่มีขอบเขตชัดเจน เอเจนต์ตัวเดียวคือคำตอบที่ถูก
ถ้า Astra ต้องการการตัดสินใจ คำถามจะกลับมาที่ Task ในรูปคอมเมนต์ และ Task จะแสดง Waiting for human reply ซึ่งจะส่งเข้าสู่Inboxของคุณ ให้ตอบในเธรดนั้น เมื่อการรันจบ ผลลัพธ์ การตรวจสอบที่มันรัน และข้อจำกัดใด ๆ ที่มันรายงาน จะกลับมาที่ Task เดิม แล้วคนเป็นคนย้ายไปเป็น accepted หรือส่งกลับ
อะไรเปลี่ยนไปเมื่อมี Astra อยู่บนกระดาน
ในทางปฏิบัติมีสามอย่าง
งานยาวทำเสร็จได้ บริบท 1,050,000 โทเคนและบันทึกข้ามหน้าต่างของ Codex ทำให้การ refactor ที่แตะหลายสิบไฟล์รันจนจบแทนที่จะหลงทางหลังการบีบอัดครั้งแรก เมื่อจับคู่กับไดเรกทอรีที่แยกออกมาและบันทึกของ Task การรันข้ามคืนก็ตรวจทานได้ในตอนเช้า
มันถามน้อยลงและถามได้ดีขึ้น OpenAI ฝึก Astra ให้ใช้บริบทเติมช่องว่างตามปกติ และถามเฉพาะเมื่อคำตอบอาจเปลี่ยนผลลัพธ์ ใน Codex มันถามแบบอะซิงโครนัสได้พร้อมกับทำงานส่วนที่ไม่ขึ้นกับคำตอบต่อไป ใน Sharkly คำถามนั้นกลายเป็นคอมเมนต์บน Task คนที่เป็นเจ้าของการตัดสินใจจึงเห็นได้โดยไม่ต้องเฝ้าเทอร์มินัล
มันมีต้นทุนต่อโทเคนสูงขึ้น การใช้โมเดลยังคงผ่านการสมัครสมาชิกหรือ API key ที่ตั้งค่าไว้ในเครื่องมือเหล่านั้น และอัตราค่า API ของ Astra อยู่ที่ 10 ดอลลาร์ต่ออินพุตหนึ่งล้านโทเคน และ 50 ดอลลาร์ต่อเอาต์พุตหนึ่งล้านโทเคน เทียบกับ 4 และ 20 ดอลลาร์ของ GPT-5.6 Sol ตามโปรโมชันปัจจุบัน การมี Runtime ที่สองซึ่งใช้โมเดลเริ่มต้นที่ถูกกว่าบน Computer เครื่องเดียวกันจะช่วยกันงานเล็ก ๆ ออกจากเส้นทางที่มีค่าใช้จ่ายสูง
เมื่อการรันหยุดก่อนกำหนด
OpenAI รันระบบเฝ้าระวังความไม่สอดคล้องบน Astra และระบุไว้ในภาพรวมด้านความปลอดภัยว่า การตรวจสอบเหล่านี้ “บางครั้งอาจทำให้งานที่ชอบด้วยกฎหมายช้าลง หยุดชั่วคราว หรือหยุดไปเลย” รวมถึง “งานที่เอเจนต์รันต่อเนื่องเป็นเวลานาน” ใน Codex คุณอาจถูกขอให้ตรวจสอบการกระทำก่อนดำเนินการต่อ
ภายใน Sharkly การรันที่จบก่อนกำหนดไม่ใช่การสูญเปล่า เปิดบันทึกการรันแล้วอ่านหัวข้อพร้อมรายละเอียดทางเทคนิค เพราะรายละเอียดจะมีคำตอบดั้งเดิมจากบริการโมเดล การรันที่ถูกบล็อกหรือล้มเหลวจะปรากฏเป็นรายการที่ต้องให้ความสนใจ ไดเรกทอรีและบันทึกของ Task ยังอยู่ครบ และคุณสามารถรันใหม่จาก Task ด้วยขอบเขตที่แคบลงได้ ให้คุม Task ให้เล็กพอที่การหยุดหนึ่งครั้งจะเสียเวลาเป็นนาที ไม่ใช่เสียทั้งคืน
