使用 Astra 的五点心得

# 使用 Astra 所学到的五件事

今年二月，要让 Codex 搭建乐高模型，需要自定义技能、复杂的指令以及数小时的迭代。即便如此，效果依然不尽如人意。我当时的结论是，模型并不擅长这类任务。（https://x.com/dkundel/status/2027521982057890182）

使用 GPT-6 Astra 时，我给它访问了 BrickLink Studio，并要求它搭建金门大桥。大约十分钟后，我就得到了第一个版本，路上还有小汽车。之后我不断对其进行优化。

这类体验让我重新审视了自己使用 Codex 的方式：给它访问哪些应用、指定多少细节，以及一项任务需要多少推理能力。以下是我从使用 Astra 中学到的五件事。

> 1. Astra 可以使用你所有的应用（有时甚至比你用得更好）
2. Astra 承担了更多产品思考
3. Astra 在 Blender 上表现出色
4. Astra 不需要 Max 也能令人印象深刻
5. Astra 会持续检验自己的工作

## 1. Astra 可以使用你所有的应用（有时甚至比你用得更好）

让我们回到那座乐高大桥。我此前已经见过 Astra 在其他应用中工作，因此我想看看它如何应对 BrickLink Studio——这款用于设计数字乐高模型的软件。

我给了它一个简单的请求：

这是第一个版本：

Astra 弄清楚了 Studio 内置库中有哪些可用零件，用 Python 组装了模型，然后在 Studio 中打开它进行检查和迭代。

令我惊讶的是，它将代码与应用结合得如此自然。它的速度之快，让我开始质疑亲自完成这项任务是否真的会更快。

这也让我重新审视了我们为之前模型构建的技能。当我们让 Astra 为发布活动剪辑视频时，我们的一些旧技能反而阻碍了它。对于该任务而言，一个更简洁的设置——不带视频剪辑技能——效果反而更好。

如果你有一个专门针对旧模型无法完成的任务而构建的技能，不妨不用它直接尝试，看看是否还需要它。

计算机使用功能还让 Astra 能够跨应用整合工作。它可以在一个地方创建内容，在另一个地方检查，再将各部分汇总在一起。赋予它这种访问权限，帮助它验证了自己的工作，也让它能完成更多任务。

因此，考虑一下你会用哪个应用来完成这项工作，并将其访问权限提供给 Astra。乐高可以用 BrickLink Studio，3D 建模可以用 Blender，视频剪辑可以用 DaVinci Resolve 或类似的编辑器。如果有专用应用可以帮忙，就不必让它通过 FFmpeg 完成所有视频工作。

> 提示：把你会用于该任务的应用给 Astra，并先不加额外技能地尝试。它所需的指导可能比你想象的少。

## 2. Astra 承担了更多产品思考

在一次测试中，我想构建一个 Thumbnail Studio 来帮助制作创意素材。我随口说出了一些想法，并提到了我与同事的几次对话。Astra 推断出了你对浏览器端图像编辑器所期待的许多详细交互，包括 ⌘-Z 及其他常见快捷键、图层，以及隐藏图层的功能。我不必像以前那样给出详细的规定。

后来，我要求添加一个产品反馈模式，以及一个用于检查、排序和执行反馈的自动化流程。令我惊讶的是，Astra 对反馈界面的思考是如此深入：我可以高亮应用的某些部分、将评论固定在上面、设置优先级、编辑反馈，并将其标记为已解决。这些交互细节，我一个都没有详细描述过。

我可以迅速向 Astra 提交一个任务，说明我想要的某项功能，它就会着手思考体验应该呈现出什么样子。这让我构建个性化软件变得容易多了。我可以对它构建的内容作出反应，而不必在开始之前规划好每一个交互细节。

我在 WebMCP 文章以及本文中的动画是另一个例子。我很喜欢 Nick Baumann 在 X 上发布的动画，于是我给了 Astra 一张 Appshot、我正在撰写的文章，以及访问 Codex 应用代码库的权限。Appshot 包含一张截图以及来自该应用的上下文信息。(https://x.com/dkundel/status/2094474840623235313) (https://x.com/nickbaumann_/status/2090551906657517876)

Codex 阅读了这篇文章，理解了我所指的 3D 演示，并重新创建了一个完整的 3D 界面供其制作动画。它仔细思考了构图、镜头角度，以及用于说明发生了什么的文字。然后，它为我构建了一个小型预览工具，让我可以播放、暂停、重复播放动画，并从不同角度进行查看。

我并没有要求它提供那个预览工具，但它让迭代变得容易多了。我可以使用应用内浏览器中的标注工具给出详细的反馈。

在某些情况下，这种行为可能会对你产生反效果——如果你心中已有非常具体的想法，请务必明确说明你的预期。

我也不再花大量时间在提问之前准备好模型所需的一切。为了完成上面提到的对比，我让 Astra 翻阅之前的对话记录，找回动画的早期版本，在我的桌面上找到一段屏幕录像，并从 X 文章中获取最终的动画。

它找到了这些素材并将它们合并成了一段视频，而无需我逐一指明每个文件的位置。我只需描述想要的结果，让它自己想清楚如何将一切整合在一起。

当我要求建立一个展示其乐高模型的网站时，我希望用户能够以 3D 方式浏览并下载搭建文件。Astra 还额外添加了一个用于上传更多模型的界面，并通过 Sign in with ChatGPT 对该界面进行了访问限制，这样只有我才能以管理员身份使用它。(https://gpt-6-astra-bricks.openai.chatgpt.site/)

我仍然需要清楚自己想要什么，并为它指明方向，才能充分发挥 Astra 的潜力。针对那个展示网站，我提供了更多参考示例，并要求加入可交互的旋转星球，以实现我心目中的太空主题。但我不必对每一个功能都事无巨细地加以说明。我给的参考资料越好，Astra 在细致推敲体验方面就越能让我感到惊喜。

> 提示：你不必预先说明每一个交互细节。把想法和几个好的参考资料交给 Astra；如果你希望它按照较窄的范围行事，就告诉它具体要求，然后再对它构建的体验进行打磨。

## 3. Astra 擅长使用 Blender

我们团队此前已经对 Astra 能够用 Three.js 乃至原生 WebGL 构建出的 3D 体验印象深刻。但有一点尤为突出，那就是它使用 Blender 的能力——无论是通过计算机操作还是命令行，两种方式它都驾轻就熟。即便最终成果是用于浏览器的，我也发现让 Astra 在 Blender 中构建部分内容往往很有用。

为了测试这一点，我给了它一个家庭酒吧的十张随手拍照片，让它在 Blender 中重建这个房间。我没有提供任何尺寸数据。

Astra对比例非常细致。它会在照片中寻找参照物（比如鸡尾酒书籍），并用这些参照物来估算比例。它会分别对单个物体建模、逐一检查，然后将其放入场景中，并不断迭代调整。它构建了房间、家具、书架、酒瓶和玻璃器皿，甚至还原了角落里的椅子和房间内随意走向的线缆。

将各个独立物体放在Blender中，让它能够逐一审视和优化场景的每个部分。我持续迭代材质和光照效果，也可以打开场景从不同角度环顾四周。

> 提示：如果你正在进行涉及3D的项目，建议让Astra使用Blender以获得更好的效果。

## 4. Astra不需要开到Max档也能令人印象深刻

在轻量/低推理档能走多远，一直是最让我惊喜的发现之一。每当新一代模型发布，人们总忍不住想用最高推理档，尤其是之前就在用高档的情况下。

在我的Blender实验中，Astra在低推理档下给出的结果，有时我比Sol开到Max还更满意。而且无论推理档位如何，Astra在验证自己的工作时都非常严谨，这让低推理档的表现格外出色。

如果你之前一直用Sol的高推理档，不要想当然地认为Astra也得开到最高档。不妨先试试中档，然后向两个方向实验，看看什么配置最适合当前任务。如果你想要更多对比参考，可以查看我们的模型观测站。(https://observatory.openai.chatgpt.site/)

> 提示：从轻量/低档或中档推理开始，先看看结果再决定是否需要更高推理档。

## 5. Astra会持续检查自己的工作

Astra倾向于核实自己是否真正完成了任务。如果你在开发游戏，它可能会开始自行试玩；让它优化某个功能，它可能会搭建一个环境来衡量优化是否有效；对于视频任务，它甚至可能逐帧检查画面或查看音频波形，确认自己的操作是否到位。

当我让Astra为本文制作封面图时，它使用了浏览器功能，查阅了X平台动态文章页面背后的代码，确认了头图的要求，并找到了5:2的宽高比和1200×480的封面尺寸。

这很有用，但我需要明确说清楚我希望它做到什么程度。如果你想要一个自己来试玩的原型，就这样说；如果你想让它自行通关并修复发现的问题，也直接说出来。对于最终检查，你可以让它针对你关心的项目完整过一遍，然后汇报发现的内容以及尚未解决的问题。

> 提示：告诉Astra最终成果应该是什么样的、你希望它验证哪些内容，以及何时应该把工作交还给你。

## 去尝试那个你曾经放弃的任务

我曾花数小时尝试让Codex搭建乐高模型，最后以为它不太擅长这件事。而用Astra时，大约十分钟我就得到了桥梁的第一个版本。

给它配上你会用的工具和几个优质参考素材，从轻量档或中档推理开始，告诉它最终结果应该是什么、你希望它验证什么，然后看看在你添加更多引导之前它能走多远。

如果你有某个用旧模型试过却放弃了的任务，用Astra再试一次吧。