Tracks
面向开发者的 AI 工程师助理
26小时
什么是 GPT-6 Astra API？
GPT-6 Astra API 是通过 Responses API 访问 OpenAI 新旗舰模型（于 2026 年 9 月 3 日发布）的方式。就本教程而言，重点在于使用方式：gpt-6-astra 通过 OpenAI 的 Responses API 接收文本和图像输入。其推理投入范围从 low 到 max，不支持 none 选项。
本教程中的示例使用 client.responses.create 而不是 client.chat.completions.create，但迁移还需要调整请求、输出与工具结果的格式。还需移除自定义的 temperature、top_p 和对数概率设置，因为 Astra 不支持它们。在首次调用前，先看看定价。
GPT-6 Astra 的价格是多少？
对于输入令牌不超过 272,000 的请求，标准定价 为每百万普通输入令牌 $10、每百万输出令牌 $50。缓存命中输入为每百万 $1，缓存写入为每百万 $12.50。
一旦请求超过该阈值，OpenAI 会对输入与缓存费率应用 2 倍系数，对输出费率应用 1.5 倍系数。更高费率适用于整个请求，而不仅仅是超出阈值的部分。本教程中的任何一次运行都未接近该阈值。
我们将用 GPT-6 Astra API 构建什么？
预发布应用是一个小型 Flask 任务看板：一个主页、一个添加任务的表单、一个将任务标记为完成的按钮，以及一个 /health 端点。完整代码（包含预发布应用）见此GitHub 仓库。
测试前会预置三个任务。图片来源：作者。
该应用有一个有意为之的缺陷。代理有三个检查，但只有测试套件被设计为能够捕捉到它。
为什么应用会接受空白任务标题？
创建任务的端点不会拒绝空白标题。我保留了这种行为，以便代理在不从提示中直接得知的情况下发现一个已知故障。
代理可以运行哪些发布检查？
代理可以调用三个工具：
-
run_test_suite运行 pytest，包括约 250 次 HTTP 请求的批量导入测试。 -
check_ui_flow使用 Playwright 添加一个任务并确认其显示。 -
check_staging_health向/health发送 GET 请求。
三者均对预发布环境运行，无任何 Mock。浏览器检查使用固定代码；模型生成的电脑操作演示稍后介绍。
如何在 Python 中设置 GPT-6 Astra API
您需要一个具有 gpt-6-astra 访问权限的 OpenAI API 密钥。在 platform.openai.com/api-keys 创建密钥，并检查您的项目是否启用了 gpt-6-astra。企业工作区在发布时默认关闭 Astra。
下面的命令使用 Windows PowerShell，并安装本教程所需的全部依赖，包括用于转向演示的 OpenAI realtime。
python -m venv .venv
.venv\Scripts\Activate.ps1
Copy-Item .env.example .env
pip install "openai[realtime]" flask pytest playwright pydantic matplotlib python-dotenv streamlit
playwright install chromium在 macOS 或 Linux 上，将激活命令替换为 source .venv/bin/activate，复制命令替换为 cp .env.example .env。
然后将 API 密钥添加到新的 .env 文件：打开刚复制的 .env 文件，添加 OPENAI_API_KEY=sk-...。python-dotenv 会加载该值，SDK 会自动读取，因而您无需在代码中传递密钥。
如果项目依赖或 .env 文件对您来说是新概念，我们的 虚拟环境 与 环境变量 指南有详细说明。构建之前请先确认密钥是否可用。
如果您的 API 密钥已可用于 Responses API，可跳过下一小节，直接从同步工具循环开始。首次请求仅用于验证环境。
发出您的首个 GPT-6 Astra API 调用
将密钥就位后，需要通过 dotenv 加载。之后，您可以创建 OpenAI 客户端，并使用 client.responses.create() 发送首个请求。最小可行的请求如下：
from dotenv import load_dotenv
from openai import OpenAI
load_dotenv()
client = OpenAI()
response = client.responses.create(
model="gpt-6-astra",
reasoning={"effort": "low"},
input="In one sentence, what is a staging environment used for?",
)
print(response.output_text)响应的 usage 字段列出了稍后计算成本所需的令牌计数。
构建一个同步的 GPT-6 Astra 工具循环
下方代码片段为节选；可运行版本见配套的 GitHub 仓库。
在碰异步之前，我先构建了普通版本：
-
调用模型
-
检查是否有
function_call项 -
运行匹配的工具
-
使用
previous_response_id发送结果 -
重复，直到模型不再请求工具。
该阻塞循环是进行异步对比的基线。
for turn in range(max_turns):
response = client.responses.create(
model="gpt-6-astra",
reasoning={"effort": "low"},
tools=TOOLS,
input=next_input,
previous_response_id=previous_response_id,
)
calls = [item for item in response.output if item.type == "function_call"]
if not calls:
final_text = response.output_text
break
outputs = [
{"type": "function_call_output", "call_id": call.call_id, "output": run_tool(call)}
for call in calls
]
next_input, previous_response_id = outputs, response.id基线运行发现了什么
在基线运行中，模型依次调用了每个工具。它发现了已知的校验失败，并返回了“不可发布”的决策。三次运行的总墙钟时间平均为 23.40 秒。该平均值覆盖了整个运行，而非单个工具时间。
GPT-6 Astra 异步工具调用如何工作？
在工具的 schema 中标记 "async": true，您的应用即可在模型继续工作或等待的同时延后返回该结果。您的应用仍需运行该工具并管理后台任务。
如何并发运行相互独立的检查
我将 run_test_suite 和 check_ui_flow 标记为异步，并新增了一个应用自定义的 wait_for_tasks 工具且不含参数，因为本演示每次只会有一个待处理批次。这个无参数的等待让示例足够小。
在生产运行器中，请用任务句柄标识作业，将每个句柄绑定到其原始 call_id，并仅在下一步依赖某个未完成结果时再进行等待。
按各自的 call_id 返回每个已完成的结果，然后在等待工具自身的 call_id 上返回等待状态。
TOOLS = [
{"type": "function", "name": "run_test_suite", "async": True, ...},
{"type": "function", "name": "check_ui_flow", "async": True, ...},
{"type": "function", "name": "check_staging_health", ...},
{"type": "function", "name": "wait_for_tasks", ...},
]在该次运行中，应用将每个已标记的调用提交到一个线程池。在后台检查运行时，它执行了快速的同步健康检查。然后在 wait_for_tasks 处阻塞，直到待处理检查完成。
异步工具调用能减少墙钟时间吗？
三次运行下来，异步将平均墙钟时间减少了 19.1%，从 23.40 秒降至 18.94 秒。平均值看起来直观，但单次运行差异很大；下图展示了它们的实际波动。三次运行足以说明此处发生的情况，但不足以预测生产时延。
两种模式下的运行时间均有波动。图片来源：作者。
为何并发检查会引发竞态条件？
同时运行浏览器检查与批量导入测试，有时会导致批量导入断言失败，因为两者都修改了同一个内存任务列表。这破坏了测试对独占访问的假设。在运行器或测试中隔离数据可避免该竞态。
用于 UI 测试的有界 GPT-6 Astra 电脑操作
对于电脑操作，GPT-6 Astra 的文档推荐使用代码执行，而结构化的 computer 工具仍作为替代方案受支持。使用代码执行时，一次调用可以组合多个动作、循环与条件逻辑；而 computer 工具则一次返回一个结构化的鼠标或键盘动作，由您的应用进行翻译与回放。
如何限制电脑操作运行器
我把该类命名为 BrowserSandbox，但这个名字夸大了其防护能力。它向模型生成的代码提供了一个 Playwright 的 page、一个 log() 函数，以及一个 expect_text() 辅助函数。Python 仍可向 exec() 注入内置对象，而页面也可导航到其他来源。
sandbox_globals = {"page": self.page, "log": log, "expect_text": expect_text}
exec(code, sandbox_globals)请将其视为演示运行器，而非安全边界。模型生成的代码需要在隔离的进程或容器中运行，并限制文件系统、进程、网络与来源。
UI 检查中发生了什么？
我将循环上限设为 8 轮，因为有界检查需要硬性停止条件。模型检查了页面，找到了表单输入，创建了标题“UI flow check, cobalt otter 73921”，提交了任务，并确认标题已出现，全程耗时 13 秒。我们的 GPT-5.4 电脑操作教程 使用 Astra 的前代模型展示了更详细的示例。
GPT-6 Astra 的轮次中途转向如何工作？
轮次中途转向 仅可在 gpt-6-astra 且通过 WebSocket 连接时使用。
建立连接并创建响应，然后在响应生成过程中发送 response.steer 事件以附加新指令。 response.steer.accepted 事件意味着更新已排队，而非已应用。在创建自动续写之前，服务器会先完成当前输出项以及任何已在运行的托管工具工作。
如果仍需要客户端的工具结果或批准，response.steer.pending 会指出缺失的输入。
async with client.responses.connect() as connection:
await connection.response.create(model="gpt-6-astra", input=TASK)
async for event in connection:
if event.type == "response.created" and initial_response_id is None:
initial_response_id = event.response.id
await asyncio.sleep(1.0)
await connection.response.steer(
previous_response_id=initial_response_id,
input="Also add a rollback plan, but skip mobile.",
)这一秒的延迟与实验代码一致，给首个响应留出启动时间。若无该延迟，测试点将落在响应生命周期的不同位置。
中途转向有哪些不改变之处？
转向不会改写原始响应。若更新中断了它，该响应会以 status: "incomplete" 结束，且 incomplete_details.reason: "steered"。随后一个后续响应会在新指令下继续。
若首个响应在更新生效前完成，它将保持完成状态。转向不会逆转或取消已开始的客户端侧动作；您的应用仍需负责该行为。排队中的转向仅存在于当前 WebSocket 连接上，因此在尝试重连前请记录更新。
对比路径允许首个响应完成，然后用合并后的指令发送新请求。两次运行中，转向平均 26.91 秒，而“完成后再重启”路径为 50.02 秒。此对比未涵盖“取消并重启”策略，也未对最终文本正确性评分。
两次运行的时间与成本平均值。图片来源：作者。
重启路径会生成两次完整响应，覆盖部分相同请求。这一设置解释了部分时间差，因此我不会将这两次运行视为转向的一般性基准。
如何在对话中途更改 GPT-6 Astra 的推理投入
gpt-6-astra 支持从 low 到 max 的推理投入。更高投入可能增加推理令牌使用，但并不保证得到不同答案。通过 configuration_update 可更改接下来的响应与后续响应，直到另一次更新覆盖它；而请求级设置保持不变。
在本流水线中，报告会结束对话，因此更新仅影响最后一步。
response = client.responses.create(
model="gpt-6-astra",
previous_response_id=previous_id,
reasoning={"effort": "low"}, # default remains low
input=[
{"type": "configuration_update", "reasoning": {"effort": "high"}},
{"role": "user", "content": "Diagnose the root cause and recommend a fix."},
],
)我在两种投入等级下使用了相同的失败追踪，并比较了诊断与令牌使用。
有个细节：响应的 reasoning.effort 字段仍报告请求级设置，而非由 configuration_update 选定的投入等级。不要用该字段判断更新是否生效。
高推理投入是否改变了诊断？
在完整合并运行中，提升投入的步骤使用了 108 个推理令牌。其他在 low 等级的步骤都使用了 0 个。在更早的一个隔离测试中，失败追踪更长，低投入使用了 0 个推理令牌，而高投入使用了 318 个。两种版本都识别出了校验缺陷，因此更高投入改变了令牌用量，但未改变诊断结论。
配置更新仅适用于标准的单代理请求。API 会拒绝相邻的更新，且它们不能与自动压缩或自动截断同时使用。
如何使用 GPT-6 Astra 结构化输出
流水线的最后一步调用 client.responses.parse，将自由文本替换为经验证的 Pydantic 模型。
class GoNoGoReport(BaseModel):
decision: str
summary: str
checks_completed: list[str]
failures: list[str]
risks: list[str]
follow_up_actions: list[str]
confidence: float
response = client.responses.parse(
model="gpt-6-astra",
previous_response_id=previous_id,
text_format=GoNoGoReport,
input=[...],
)Pydantic 会检查此处声明的字段类型。它不能证明报告与证据一致，且该版本未将 decision 限定为两个取值，或将 confidence 限定在某个范围内。
go/no-go 报告捕捉到了什么？
报告返回了 decision: "no_go"。它将前述的校验失败归入 failures，将并发问题归入 risks。针对后者，它写道：“可能存在针对共享预发布数据的并发 UI 检查相互干扰。”提示中并未点名该风险。
将时延与成本保留在该 schema 之外，并在代码中计算。模型会根据工具证据填充报告字段。
Streamlit 界面与命令行运行器消费相同的生成器。它会在每个工具事件抵达时进行渲染，然后在Report 和 JSON 选项卡中展示解析后的报告。