Come configurare Astra in Codex senza sprecare la quota di utilizzo
Neaptide · 20 settembre 2026 · 13 min di lettura · Aggiornato: 3 ottobre 2026
Scegli il livello di ragionamento di Astra, rivedi le istruzioni e assegna compiti chiari a Codex. Prompt di esempio, contesto e controllo dei consumi.
In questo articolo
Codex ha modificato il modulo, ma il nome dell’azienda non compare nell’e-mail commerciale. Prima di aumentare lo sforzo di ragionamento, verifica se l’agente conosceva quel requisito e poteva controllare la consegna. Configurare Astra significa anzitutto delimitare il compito e stabilire come accettarne il risultato.
Prima di cambiare modello, controlla le istruzioni. Regole obsolete, una richiesta troppo ampia o criteri di completamento poco chiari possono spiegare il problema. Anche un modello più capace ha bisogno di un incarico preciso.
Per cominciare bastano tre modifiche. Adegua lo sforzo di ragionamento al compito. Togli i passaggi obbligatori che a quel lavoro non servono. Descrivi un risultato verificabile. Poi confronta, sui tuoi progetti, i consumi e le correzioni che sono servite.
Questo articolo prende spunto dall’analisi di GPT-6 Astra pubblicata da Edvard Grishin sul suo canale dedicato all’IA e all’automazione aziendale. Il video è in russo. Dal video abbiamo ripreso le questioni pratiche e verificato i dettagli tecnici nella documentazione di OpenAI. Gli esempi sono didattici. Nessuno proviene da un progetto svolto per un cliente di Neaptide.
Distingui il modello dall’ambiente in cui lavora
Astra è il modello. Codex è l’ambiente che gli fornisce accesso a file e strumenti. La possibilità di aprire un sito, modificare un progetto o eseguire una verifica dipende dall’ambiente, dalle impostazioni e dai permessi.
Un consiglio pensato per l’API, quindi, non sempre trova un’impostazione corrispondente nell’app. E la finestra di contesto dichiarata per il modello non dice quanta ne hai a disposizione nella sessione attuale.
Se sei all’inizio, consulta la guida introduttiva a Codex. La nostra panoramica di GPT-6 Astra tratta funzionalità e benchmark pubblicati. Qui ci concentriamo sul lavoro quotidiano.
Scegli lo sforzo di ragionamento in base al compito
L’API di Astra supporta cinque valori per reasoning.effort: low, medium, high, xhigh e max. L’impostazione regola lo sforzo dedicato al ragionamento. I controlli disponibili possono variare da un’interfaccia all’altra. Fonte: scheda del modello OpenAI.
Non serve selezionare il massimo per ogni richiesta. Inizia con compiti familiari di cui sai valutare il risultato. La tabella suggerisce da dove partire per un confronto. Non garantisce nulla sulla qualità.
| Compito | Impostazione da provare | Cosa verificare |
|---|---|---|
| Correggere un refuso o sostituire un testo approvato | Low | Sono stati modificati tutti i punti previsti e l’impaginazione è rimasta corretta |
| Aggiungere un campo a un modulo esistente | Low o Medium | Validazione, invio e salvataggio funzionano |
| Trovare la causa di un errore intermittente | Medium, poi High se necessario | La causa è riproducibile e la correzione è stata verificata |
| Pianificare una migrazione di dati | Includere High nel confronto | Il piano considera perdita di dati, compatibilità e ripristino; viene verificato da uno specialista |
Low non è sempre più conveniente a lavoro finito. Bastano tre giri di correzioni dopo il primo risultato perché il risparmio iniziale sparisca. Nemmeno uno sforzo maggiore ti esonera dalla verifica: ragionare più a lungo non dimostra che la soluzione sia corretta.
Confronta il costo di un compito completato e accettato. Considera attesa, consumo e tempo dedicato personalmente: quante volte hai dovuto rispiegare la richiesta, trovare errori o chiedere modifiche?
Dopo un tentativo non riuscito, annota la causa. Se l’agente non sapeva che il campo doveva finire nell’e-mail, chiarisci il criterio. Se non ha trovato il codice di invio, indica il percorso o chiedi una ricerca. Prova uno sforzo maggiore solo quando le informazioni ci sono e la difficoltà sta nel ragionamento. Cambia un fattore alla volta.
Controlla se le vecchie regole impongono lavoro inutile
Nel progetto potrebbero essersi accumulate istruzioni come «leggi tutta l’architettura prima di ogni modifica» oppure «esegui tutti i controlli dopo qualsiasi cambiamento». Forse erano utili. Ora impongono lo stesso lavoro per una nuova integrazione e per la sostituzione di un titolo.
OpenAI raccomanda di rivedere le istruzioni in AGENTS.md e nei file delle competenze usate con Astra: il modello è sensibile al loro contenuto. Regole contraddittorie possono provocare interruzioni e richieste di conferma superflue. Indicazioni di OpenAI per Astra.
Una regola utile spiega quando e perché serve un’azione.
| Regola troppo generica | Regola più precisa per un progetto di esempio |
|---|---|
| Leggi tutta la documentazione prima di ogni modifica | Prima di cambiare il modulo, leggi la documentazione dei campi e dell’invio |
| Chiedi sempre il permesso prima del passo successivo | Esegui modifiche e verifiche locali in autonomia; chiedi separatamente l’autorizzazione alla pubblicazione |
| Esegui tutti i test dopo ogni cambiamento | Quando modifichi il calcolo dei prezzi, verifica calcolo e acquisto; prima del rilascio esegui i controlli obbligatori del progetto |
Non eliminare i requisiti di test solo perché il nuovo modello, si dice, «controlla già tutto». Le verifiche obbligatorie e le restrizioni di accesso restano. Da riscrivere sono le regole che impongono la stessa quantità di lavoro a qualunque compito.
Puoi chiedere una revisione in questo modo:
Esamina le istruzioni attuali del progetto e le competenze utilizzate.
Individua ripetizioni, contraddizioni e requisiti che causano
lavoro inutile nei compiti piccoli.
Per ogni osservazione indica il file, la regola specifica,
un esempio del problema e una formulazione alternativa.
Conserva i requisiti di sicurezza, gestione dei dati e verifiche obbligatorie.
Mostra prima le proposte, senza modificare le regole.C’è anche una ragione tecnica per mantenere le istruzioni concise. Codex le raccoglie da più file, con un limite complessivo predefinito di 32 KiB. Se le regole sono numerose, controlla quali siano state effettivamente caricate. Come Codex legge AGENTS.md.
Definisci quando il lavoro può dirsi concluso
«Rendi il modulo più comodo» lascia aperte troppe decisioni. L’agente potrebbe modificarne l’aspetto quando il vero problema è che le richieste non arrivano al reparto commerciale.
Per chi gestisce un’attività è più utile descrivere il percorso del cliente e un risultato osservabile. Per esempio:
Aggiungi un campo facoltativo «Azienda» al modulo della pagina del servizio.
Il valore deve comparire nell’email inviata al reparto commerciale.
Il lavoro è concluso quando:
1. Il modulo viene inviato sia con il campo compilato sia con il campo vuoto.
2. L’email di prova contiene il nome dell’azienda inserito.
3. Il campo e il pulsante rientrano nella larghezza di uno schermo mobile.
4. I campi obbligatori esistenti vengono validati come prima.
Esegui modifiche e controlli locali in autonomia.
Usa dati di prova. Non pubblicare modifiche e non inviare email a clienti reali.
Mostra il risultato e indica cosa hai verificato e cosa non hai potuto verificare.Non occorre dire in anticipo quale codice scrivere. È chiaro perché il modulo cambia e come verrà accettato il lavoro. Se il servizio e-mail non è accessibile, l’agente deve segnalarlo. Un modulo dall’aspetto corretto non dimostra che il messaggio sia stato consegnato.
Salva questa struttura come modello: compito, comportamento atteso, vincoli, controlli e risultato da consegnare. Completa i dettagli per ogni incarico.
Questo modulo richiede tre riscontri: il valore compare nell’interfaccia, il server lo accetta e un destinatario di prova riceve l’e-mail che lo contiene. HTTP 200 conferma solo un tratto del percorso. Se l’ultimo passaggio non è accessibile, il resoconto deve indicare ciò che resta da verificare.
Aumenta il contesto solo quando serve davvero
Il contesto è l’insieme delle informazioni usate dal modello in una richiesta: conversazione, istruzioni, documenti e risultati degli strumenti. Una finestra ampia aiuta quando occorre confrontare molto materiale. Non rende utili i file irrilevanti.
La scheda ufficiale di Astra indica una finestra di 1.050.000 token. Nell’API, le richieste con più di 272.000 token in ingresso hanno tariffe maggiori: quelle di input e cache sono moltiplicate per 2, quelle di output per 1,5, per l’intera richiesta. Sono condizioni dell’API. Il consumo dell’abbonamento non si calcola con questa formula. Specifiche e condizioni tariffarie di Astra.
Prima di aumentare il contesto, seleziona i materiali. Per modificare un modulo servono il codice, le regole di validazione e il funzionamento dell’invio. Vecchie offerte commerciali e l’intero archivio di appunti del progetto probabilmente non aiutano.
Per attività distribuite su più giorni, mantieni un breve documento di lavoro: decisioni, file modificati, controlli eseguiti e compiti ancora aperti. Quando inizi una nuova sessione, aggiungi i file sorgente aggiornati. Un riepilogo non sostituisce i documenti su cui si fondano le conclusioni.
Usa i sottoagenti quando il lavoro si può dividere
Un sottoagente è un assistente separato a cui l’agente principale affida parte del lavoro. Durante una verifica del sito, uno può esaminare il modulo, un altro la ricerca nel catalogo e un terzo il menu mobile. Ognuno restituisce osservazioni e passaggi per riprodurre i problemi.
OpenAI consiglia di valutare l’indipendenza dei compiti e di prestare attenzione alle modifiche simultanee dei file, che possono entrare in conflitto. Ogni agente consuma inoltre token per il proprio lavoro. Aumentarne il numero non garantisce risparmi. Documentazione sui sottoagenti.
Per una piccola correzione è difficile giustificare diversi assistenti. Per una verifica ampia, assegna a ciascuno un ambito e un risultato atteso. Invece di «controlla il sito», chiedi «verifica questi tre casi di invio del modulo, elenca gli errori e i passaggi per riprodurli; non modificare il codice».
Dopo aver riunito i risultati, verifica il percorso completo. Tre controlli parziali superati non dimostrano che tutto funzioni insieme.
Uno schema delle dipendenze aiuta a distribuire il lavoro. Il controllo del menu non deve attendere quello della ricerca. Il percorso completo del cliente, invece, si può verificare solo dopo aver riunito le modifiche. Due assistenti che cambiano lo stesso gestore del modulo non stanno più lavorando in modo indipendente.
Misura il consumo con i dati disponibili
Il video propone di esprimere il budget a parole. L’istruzione può indicare una preferenza, ma «fermati quando rimane il 25%» non è un limite garantito. Perché lo fosse, l’agente dovrebbe avere dati aggiornati sui consumi e un modo per interrompersi in tempo.
Il consumo in Codex dipende dal modello, dalla difficoltà, dal contesto, dagli strumenti e dalla cache. OpenAI precisa che la lunghezza del messaggio, da sola, non permette una stima affidabile. Consulta l’interfaccia di utilizzo per conoscere quota residua e scadenze di ripristino. Come funzionano i limiti di Codex.
Tieni un registro semplice per alcuni compiti abituali:
| Compito | Modello e sforzo | Consumo indicato dai dati disponibili | Correzioni | Risultato accettato |
|---|---|---|---|---|
| Sostituzione di testo | … | … | … | Sì / no |
| Modifica di un modulo | … | … | … | Sì / no |
| Ricerca di un errore | … | … | … | Sì / no |
È un modello da compilare con le tue osservazioni. Non contiene misurazioni di Neaptide. Se altri compiti sono attivi in parallelo, non puoi attribuire l’intera diminuzione della quota a uno solo. Nell’API salva le statistiche per richiesta. Con un abbonamento usa il dettaglio disponibile e annotane i limiti.
Cambia un’impostazione alla volta. Se accorci le regole, cambi modello e aggiungi assistenti insieme, non saprai quale modifica abbia influito sul risultato.
Trasforma le operazioni ripetitive in automazioni
Immagina di ricevere ogni settimana un file di richieste clienti, uniformare i nomi delle colonne e preparare un riepilogo. La prima volta l’agente può aiutarti a capire il formato e scrivere l’elaborazione. Se le regole non cambiano, per le esecuzioni successive basta quello script.
Stabilisci cosa deve accadere in presenza di una nuova colonna, di un file vuoto o di una data non valida. Conserva l’originale e prevedi una segnalazione degli errori. Altrimenti l’automazione servirà solo a produrre report sbagliati più in fretta.
Il processo non diventa gratuito: rimangono i costi di esecuzione, dei servizi esterni e della manutenzione. Però non devi più chiedere al modello, ogni settimana, di progettare la stessa elaborazione. L’agente tornerà utile quando cambieranno dati o requisiti.
Parti da un compito che conosci
Per il prossimo compito che conosci, annota criteri di accettazione, contesto disponibile e sforzo iniziale. Dopo aver esaminato il risultato, cambia solo il fattore che spiega il problema. Qualche confronto di questo tipo è più utile del livello massimo fisso o della richiesta di «consumare meno».
- Analisi di GPT-6 Astra di Edvard Grishin: oltre 35 funzioni e confronto fra Codex e Claude Code
- Canale di Edvard Grishin sull’IA e l’automazione aziendale
- OpenAI: GPT-6 Astra
- OpenAI: Model guidance
- OpenAI: Reasoning models
- OpenAI: AGENTS.md
- OpenAI: Subagents
- OpenAI: Pricing
Fonti e verifica
Fonti tecniche e calcoli verificati il 3 ottobre 2026. Scenari e schemi sono esempi didattici di Neaptide. Non sono stati eseguiti benchmark comparativi dei prodotti.