2026年9月9日｜ChatGPT Pro + Codex：GPT‑6 Astra Agent 开发实战

#gptupcn.com

更新日期：2026年9月9日

本文为技术实践文章，不涉及充值、代充、支付渠道或账号交易。根据 OpenAI 2026 年 9 月的官方说明，GPT‑6 Pro 由 GPT‑6 Astra 驱动，正在向 Pro 等计划的 ChatGPT 逐步开放；GPT‑6 Astra 也在 Work / Codex 中逐步开放。Pro 可使用现有完整的 Work / Codex allowance 来运行 Astra，而 Plus 的 Astra 使用量相对有限。不同账号与入口的实际开放时间可能不同。

2026 年谈 GPT‑6，最值得关注的已经不只是问答，而是 Agent。可是 Agent 很容易被说得太玄。真正的 Agent 系统不是"给模型更多权限，然后让它自己想办法"，而是一个明确的循环：目标、模型判断、工具调用、结果回传、状态更新、继续判断、达到终止条件。

GPT‑6 Astra 对复杂多步骤工作和工具使用的能力，让这类系统更值得做；Codex 本身又是非常好的软件工程 Agent 实践环境。对高频开发者来说，这也是 Pro 更容易发挥价值的方向。

一、Agent 最重要的不是自主，而是边界

危险设计：

text 复制代码

你可以使用 shell。
请修复所有问题。

这等于把目标、权限、验收和风险处理全部交给模型自由理解。

更合理的是：

text 复制代码

目标：修复当前仓库 failing tests。
允许：读取仓库、修改 src/ 和 tests/、运行 pytest。
禁止：网络访问、删除测试、修改 CI secrets、git push、修改生产配置。
终止条件：pytest 全通过，或连续三轮无法进一步修复。

Agent 能力越强，边界越重要。

二、先实现一个极简工具 Agent

假设只允许读取文件与运行测试：

python 复制代码

from pathlib import Path
import subprocess

ROOT = Path("./project").resolve()

def safe_read_file(relative_path: str) -> str:
    path = (ROOT / relative_path).resolve()
    if ROOT not in path.parents and path != ROOT:
        raise ValueError("path outside workspace")
    return path.read_text(encoding="utf-8")

def run_tests() -> dict:
    proc = subprocess.run(
        ["python", "-m", "pytest", "-q"],
        cwd=ROOT,
        capture_output=True,
        text=True,
        timeout=120,
    )
    return {
        "returncode": proc.returncode,
        "stdout": proc.stdout[-10000:],
        "stderr": proc.stderr[-5000:],
    }

关键不是函数会跑，而是读取路径被限制、命令不是模型自由拼接、测试有 timeout、输出长度也被限制。

如果直接这样：

python 复制代码

subprocess.run(model_generated_command, shell=True)

风险完全不同。

三、工具最好是窄接口

数据库工具不要给：

text 复制代码

execute_sql(sql)

更适合给：

python 复制代码

def get_order(order_id: int): ...
def list_failed_orders(limit: int = 20): ...
def retryable_order_count(): ...

工具越窄，越容易审计、测试、限权和记录。

四、让 GPT‑6 Astra 输出结构化下一步

python 复制代码

from pydantic import BaseModel
from typing import Literal

class AgentAction(BaseModel):
    action: Literal["read_file", "run_tests", "finish"]
    target: str | None = None
    reason: str

调用：

python 复制代码

from openai import OpenAI

client = OpenAI()

response = client.responses.parse(
    model="gpt-6-astra",
    reasoning={"effort": "high"},
    input="""
当前目标：修复测试。
当前状态：
- tests/test_math.py 失败
- 已读取 src/math.py
请选择下一步。
""",
    text_format=AgentAction,
)

action = response.output_parsed

结构化输出不会保证判断一定正确，但它能显著缩小程序需要处理的状态空间。

五、Agent 必须有最大循环次数

python 复制代码

MAX_STEPS = 12

for step in range(MAX_STEPS):
    action = decide_next_action(state)
    if action.action == "finish":
        break
    result = execute(action)
    state.add(result)
else:
    raise RuntimeError("agent step limit reached")

真实系统中可能出现模型反复读取同一文件、测试一直失败、工具结果模糊、状态循环。智能体不应该等于无限循环。

六、加入人工审批点

python 复制代码

HIGH_RISK_ACTIONS = {
    "delete_file",
    "database_migration",
    "deploy",
    "push_git",
}

if action.action in HIGH_RISK_ACTIONS:
    raise ApprovalRequired(action)

Agent 最适合自动化的是可逆、可验证、范围明确、失败代价低的工作。

七、权限必须由程序决定

错误做法：

python 复制代码

if "safe" in model_response:
    execute_action()

正确思路：

python 复制代码

POLICY = {
    "read_file": True,
    "run_tests": True,
    "deploy": False,
}

if not POLICY.get(action.action, False):
    raise PermissionError(action.action)

一句话：模型负责建议，程序负责授权。

八、状态机让 Agent 更可控

python 复制代码

from enum import Enum

class State(str, Enum):
    ANALYZE = "analyze"
    TEST = "test"
    FIX = "fix"
    DONE = "done"
    BLOCKED = "blocked"

TRANSITIONS = {
    State.ANALYZE: {State.TEST, State.BLOCKED},
    State.TEST: {State.FIX, State.DONE},
    State.FIX: {State.TEST, State.BLOCKED},
}

def transition(current, new):
    allowed = TRANSITIONS.get(current, set())
    if new not in allowed:
        raise ValueError(f"invalid transition: {current} -> {new}")
    return new

这样即使模型建议 ANALYZE 直接跳 DONE，程序也可以拒绝。

九、Codex 本身就是 Agent 训练场

你不一定第一天就要自己搭 Agent 框架。先在 Codex 里训练任务表达：

text 复制代码

任务：修复当前仓库单元测试。
允许范围：src/math.py、tests/test_math.py。
禁止：删除测试、更改测试预期、新增依赖。
步骤：
1. 运行失败测试；
2. 阅读实现；
3. 提出原因；
4. 最小修改；
5. 再运行测试；
6. 查看 diff。
如果失败原因不明确，停止并报告。

这个提示已经包含 Goal、Scope、Tools、Policy、Loop、Stop condition、Evidence。

十、Agent 日志必须可追踪

不要只保存最终答案。至少记录：

json 复制代码

{
  "run_id": "run_1024",
  "step": 4,
  "action": "run_tests",
  "result": "failed",
  "duration_ms": 8200
}

同时记录模型、reasoning effort、工具名、工具耗时、工具错误、总步数、最终状态和人工审批。否则 Agent 出错后几乎无法复盘。

十一、上线前至少测试三类失败路径

第一类：循环上限。

python 复制代码

def test_agent_stops_after_limit():
    agent = Agent(max_steps=3)
    agent.model = AlwaysRepeatModel()
    with pytest.raises(StepLimitReached):
        agent.run("fix tests")

第二类：权限。

python 复制代码

def test_deploy_requires_approval():
    action = Action(name="deploy")
    with pytest.raises(ApprovalRequired):
        policy.execute(action)

第三类：工具超时。

python 复制代码

def test_tool_timeout_is_reported():
    result = run_tool_with_timeout("slow_tool", timeout=1)
    assert result.status == "timeout"

如果这些失败路径都没有测试，Agent 不能因为一次成功 demo 就被称为生产系统。

十二、为什么 Pro 更适合 Agent 开发

Agent 的特点是多轮交互：模型调用、工具结果、再次模型调用、再次工具、再分析、再测试。和普通聊天相比，它天然更消耗 Work / Codex allowance。

官方当前安排下，Pro 可把完整现有 Work / Codex allowance 用于 Astra，Plus 的 Astra 使用则相对有限。因此偶尔体验 Agent，Plus 足够；但高频做多个 Agent、长任务、高 reasoning、大上下文和仓库级工程时，Pro 更容易形成持续工作环境。

十三、真正成熟的 Agent 是"确定性系统 + 非确定性推理"

可以用这个公式理解：

text 复制代码

Agent
=
模型推理
+
确定性工具
+
权限系统
+
状态机
+
日志
+
评估
+
人工审批

只有模型推理和工具调用，还不能称为成熟 Agent。

十四、GPT‑6 Astra 时代的重点会变化

以前 Agent 常见问题是"模型不知道下一步怎么办"。随着模型能力变强，越来越多问题会变成："模型知道太多可能做法，但系统必须决定哪些做法允许执行。"

所以 Agent 开发者需要掌握的不只是 Prompt，还包括 API 设计、权限、状态机、可观测性、测试、沙箱、数据治理和人机审批。

十五、API 使用与 Pro 订阅仍然是两套路径

如果你自己的 Agent 服务使用 API key 调用 gpt-6-astra，按 API 规则计费；这和你在 ChatGPT Pro / Codex 中进行开发是不同路径。一个清晰的架构是：

text 复制代码

开发 Agent 本身 → Pro + Codex
生产运行 Agent → API + 自己的权限与监控系统

这样最容易控制成本和责任边界。

结语

GPT‑6 Astra + Codex 最值得研究的方向之一，就是 Agent。但专业 Agent 并不是让模型获得最大自由，而是给它足够能力完成任务，同时让系统始终知道它能做什么、正在做什么、什么时候必须停。

对于重度 Agent 开发者，我更倾向 Pro，因为真正的 Agent 项目会频繁触发多轮模型与工具交互，Work / Codex 的持续使用能力比单次聊天上限更重要。模型越来越强之后，最有价值的开发能力反而会回到软件工程本身：边界、验证、状态和责任。

参考资料

OpenAI：GPT‑6 Astra Model --- https://developers.openai.com/api/docs/models/gpt-6-astra
OpenAI：Model guidance / Using GPT‑6 Astra --- https://developers.openai.com/api/docs/guides/latest-model
OpenAI Help：ChatGPT Work and Codex --- https://help.openai.com/en/articles/20001275
OpenAI Help：GPT‑5.6 and GPT‑6 Pro in ChatGPT --- https://help.openai.com/en/articles/20001354-GPT-5.6