Pianifica in ChatGPT Pro, esegui in Codex: il playbook per il passaggio di consegna del documento di design

Il workflow che vale la pena rubare questo mese non è un modello, è una divisione del lavoro. Affidi a GPT-6 Pro in ChatGPT l'URL di un repository, gli chiedi un documento di progettazione anziché una patch, e consegni quel documento a Codex o Claude Code per implementarlo. Il planner gira su GPT-6 Astra — GPT-6 Pro è il nome che i limiti di utilizzo di ChatGPT usano per esso — e Astra è un modello del 2026-09-03, quindi nulla qui è copertura di lancio o un'affermazione di rilascio. Ciò che è cambiato negli ultimi sette giorni è più ristretto, e vale la pena dichiararlo esattamente: il 2026-09-17 i professionisti hanno segnalato che il plugin ufficiale di GitHub nella normale ChatGPT Chat, non ChatGPT Work e non Codex, può modificare file di repository, eseguire commit e aprire pull request senza attingere al limite Codex/Work. Questa è un'affermazione della comunità, non documentazione del fornitore — le pagine di aiuto ufficiali descrivono ancora l'app GitHub come di sola lettura e instradano tutte le scritture attraverso Codex — e le avvertenze ad essa associate contano tanto quanto l'affermazione. Tutto quanto segue è etichettato come segnalato dal fornitore, segnalato dalla comunità, o letto dalle pagine ufficiali il 2026-09-19.

Il workflow, in un solo passaggio

I professionisti descrivono lo stesso ciclo con piccole variazioni. Quello che ricorre più spesso: incollare un indirizzo GitHub in ChatGPT, chiedergli di leggere il codice e produrre un documento di progettazione, poi scaricare quel documento e darlo in pasto a un agente esecutore. Alcuni chiedono anche una pull request; altri si fermano al documento e lasciano che sia l'esecutore a scrivere. In entrambi i casi la forma è identica — si pianifica nel prodotto di chat, si costruisce nel prodotto agente — e il motivo per cui vale la pena copiarlo è che le due metà vengono conteggiate separatamente.

• Artefatto di pianificazione — un documento di progettazione: le interfacce da aggiungere, i file da toccare indicati per percorso, l'ordine di migrazione, i test di accettazione e cosa fare se qualcosa va storto.

• Artefatto di esecuzione — un branch e una pull request, prodotti da un agente in grado di eseguire i test che ha appena scritto.

• Artefatto di revisione — il diff, che è l'unica cosa che dovrebbe mai arrivare a un revisore.

Il documento di progettazione è l'elemento portante, e si guadagna il suo posto per due ragioni. Primo, un documento è portabile: lo stesso testo funziona sia che l'esecutore sia Codex, Claude Code o un agente scriptato che hai scritto tu stesso, quindi la pianificazione che hai pagato non è legata allo strumento di un singolo fornitore. Secondo, è la superficie di revisione che esiste prima che qualsiasi cosa venga scritta nel tuo repository — il che conta moltissimo, dato che il percorso di scrittura nel prodotto di chat è la parte meno documentata dell'intera faccenda.

Perché la struttura a due bucket è tutto il trucco

ChatGPT non fattura questo flusso di lavoro prelevando da un unico fondo. Chat, ChatGPT Work e Codex hanno quote separate, con Work e Codex che condividono un unico pool tra loro; una chiave API OpenAI è di nuovo una fatturazione separata. È questa struttura a rendere economico il passaggio di consegne: il pensiero avviene nel bucket di Chat, l'esecuzione avviene nel bucket dell'agente, e un documento di progettazione costa un messaggio di Chat mentre l'implementazione costa utilizzo dell'agente.

I numeri, così come OpenAI li pubblica per il lato Chat — cifre riportate dal fornitore nella documentazione del piano del fornitore stesso, non misurazioni:

• ChatGPT Pro a 200 $ al mese — 200 messaggi GPT-6 Pro a settimana; GPT-5.6 Sol Pro offre inoltre 170 al giorno, con entrambi i modelli insieme limitati a 200 al giorno.

• ChatGPT Pro a 100 $ al mese — 50 messaggi GPT-6 Pro a settimana, prelevati da una dotazione condivisa con GPT-5.6 Sol Pro.

• Business Standard — 15 messaggi GPT-6 Pro al mese, condivisi con Sol Pro; Business Premium — 50 a settimana sulla stessa base condivisa.

• ChatGPT Plus — nessun GPT-6 Pro in Chat, assolutamente. Astra raggiunge Plus solo tramite ChatGPT Work e Codex, che è precisamente il segmento che questo playbook sta cercando di proteggere.

Sul versante Work/Codex, OpenAI pubblica stime anziché limiti, e lo dichiara apertamente: all'incirca da 5 a 45 messaggi Astra per finestra di cinque ore su Plus, da 25 a 225 su Pro 5x e da 100 a 900 su Pro 20x, con la stessa pagina che osserva che il consumo effettivo varia in base alla complessità del compito, al contesto, all'output e all'uso degli strumenti, e che potrebbero applicarsi anche limiti settimanali. Tali intervalli si collocano a circa la metà dei numeri equivalenti di Sol, che è la ragione aritmetica per cui un modello di frontiera è sostenibile da eseguire come agente.

La conseguenza pratica è una regola di budget che puoi scrivere su un biglietto. Riserva i messaggi di Chat alle decisioni e l'uso dell'agent al codice. Una sessione di pianificazione che discute di un'interfaccia per venti minuti costa una manciata di messaggi di Chat e produce un documento che fa risparmiare a un agent un'ora di modifiche esplorative — ed è lo scambio che gli addetti ai lavori nel thread stanno effettivamente facendo.

Il percorso di scrittura: cosa fa il connettore e cosa si dice che faccia

Qui le fonti sono in disaccordo, e il disaccordo è la parte interessante.

La documentazione di supporto di OpenAI stessa è inequivocabile: l'app GitHub in ChatGPT legge i tuoi repository per analisi e ricerca, mentre generare codice, modificarlo e inviarlo a GitHub è ciò per cui serve Codex. Questa è la posizione di sola lettura, ed è quella su cui pianificare se la si inserisce in un processo di team, perché è quella che ha un fornitore alle spalle.

La posizione della community, datata 2026-09-17, è che il plugin GitHub della versione web in modalità Chat modificherà il codice, eseguirà commit e aprirà pull request, e che, poiché è un plugin ufficiale anziché un server MCP di terze parti, non consuma la quota di Codex o Work. Lo stesso thread è cauto riguardo all'ambito: strumenti piccoli, modifiche minori, bug piccoli — grandi refactoring e debug complesso appartengono ancora a Codex. I suoi stessi commentatori aggiungono le avvertenze che vale la pena ripetere, perché sono quelle che fanno male:

• I normali limiti di utilizzo di ChatGPT continuano ad applicarsi. "Non è quota Codex" non significa "gratis".

• La qualità può peggiorare dopo diversi round senza preavviso, con la sessione che passa a un modello più piccolo nel mezzo dell'attività.

• Gli autori del thread consigliano di non passare a Work quando l'interfaccia lo offre, e avvertono che martellare le pagine di chat anonime degrada l'esperienza web per tutti.

Un resoconto giapponese indipendente dello stesso schema giunge a una conclusione compatibile senza l'affermazione sulla quota: se un'integrazione GitHub supporta azioni di scrittura, la normale chat può leggere un repository, modificare file, creare un branch e aprire una pull request; si applicano i limiti di frequenza della chat ordinaria; e Codex e Work attingono al pool condiviso di agenti, quindi la chat normale serve per modifiche a pochi file e Codex per attività software lunghe. Laddove i due resoconti concordano, la concordanza è la parte utilizzabile: la chat è un canale per piccole modifiche, Codex è il canale per sessioni lunghe e i pool sono separati.

Esistono server MCP di terze parti che espongono un vero flusso di lavoro git — branch, diff, commit, push, aprire una pull request — con permessi che puoi graduare da sola lettura fino a push. Se vuoi che il percorso di scrittura sia deterministico e verificabile anziché un comportamento che speri di ottenere, quella è la strada; se vuoi rimanere all'interno di ciò che OpenAI documenta, pianifica in Chat e scrivi in Codex.

In ogni caso, è il passaggio del documento di progettazione a rendere difendibile il percorso di scrittura della chat. Una sessione di chat con ambito di scrittura su un repository rappresenta una concessione di autorizzazione più ampia rispetto a una sessione di chat con ambito di lettura, e il documento è l'artefatto che si esamina prima che tale concessione venga esercitata.

Il passaggio di consegne, passo dopo passo

• Indica al planner il repository — un URL pubblico incollato nel prompt, oppure il connettore GitHub se lo hai autorizzato — e chiedigli di leggere il codice prima di proporre qualsiasi cosa.

• Chiedi un documento di progettazione, non una patch. Richiedi i percorsi dei file, le interfacce che vengono aggiunte o modificate, l'ordine in cui le modifiche devono essere integrate e i test che dimostrano ogni passaggio.

• Chiedile di citare i file che ha effettivamente letto. Un documento di progettazione che descrive un'interfaccia che il repository non ha è il modo più comune in cui questo flusso di lavoro fallisce, e le citazioni sono ciò che ti permette di coglierlo in un minuto invece che in uno sprint.

• Salva il documento nel repository invece di incollarlo nello strumento successivo. Un esecutore che legge un file può rileggerlo; un esecutore che riceve un contenuto incollato ha un solo tentativo.

• Avvia l'esecutore con il documento come sua istruzione, e limita una pull request a una sola sezione di esso. È nelle sessioni lunghe che la qualità dell'agente si deteriora silenziosamente.

• Successivamente, mantieni il pianificatore in un ruolo di sola revisione. Quando il documento è errato, ripianifica e aggiorna il documento — non lasciare che l'esecutore improvvisi andando oltre di esso, perché il lavoro improvvisato è ciò che il documento esisteva per prevenire.

Dove si rompe

• Stato del repository obsoleto — il planner ha letto il branch predefinito mentre stai lavorando su un branch di funzionalità, quindi i percorsi dei file nel documento sono indietro di una versione. Indica quale branch leggere, oppure incolla l'albero del branch.

• Deriva del documento di progettazione — il documento e il codice non concordano, e l'esecutore segue il documento. Il passaggio dei file citati qui sopra è l'assicurazione a buon mercato.

• Sorpresa di quota nella direzione sbagliata: una conversazione di pianificazione di venti minuti costa poco in messaggi di Chat e molto in attenzione; una lunga esecuzione di un agente è il contrario. Pianifica il budget per il bucket che stai effettivamente spendendo.

• Degrado silenzioso — una sessione di chat che dopo diversi turni passa a un modello più piccolo produrrà comunque un documento di progetto dall'aria sicura. Valuta il documento nel merito, non dando per scontato che l'abbia scritto il modello di punta.

• Deriva dei permessi — il percorso di scrittura, che passi attraverso un plugin o un server MCP, conferisce a una sessione di chat la capacità di modificare il tuo codice. Suddividi i permessi in livelli e revocali quando la modifica viene applicata.

Eseguendo la metà executor attraverso un endpoint

La metà della pianificazione di questo flusso di lavoro vive dentro un prodotto in abbonamento, e quella parte è così com'è. La metà dell'esecuzione è una chiamata API, ed è quella la metà che vale la pena controllare. Se scrivi lo script dell'esecutore — un piccolo ciclo di agente, un job CI che trasforma un documento di progettazione approvato in un branch — la chiamata al modello è l'unico pezzo che deve essere intercambiabile, perché il modello che vorrai il prossimo trimestre non è il modello su cui stai pianificando oggi.

È a questo che serve un livello di routing. openai/gpt-6-astra si trova dietro lo stesso endpoint compatibile con OpenAI di oltre 200 altri modelli, con il prezzo di listino del provider passato a markup 0% — così quando un fornitore modifica un prezzo, il prezzo dalla nostra parte cambia lo stesso giorno anziché al successivo rinnovo contrattuale. Il failover automatico ti permette di mettere un modello non collaudato su una porzione di traffico con uno già collaudato al di sotto, che è il modo onesto per scoprire se un esecutore economico è abbastanza buono per i tuoi test. E il DSL di routing compone diversi modelli in un'unica chiamata, così un modello di revisione può controllare il diff dell'esecutore sulla stessa chiave, nello stesso percorso della richiesta, senza una seconda integrazione.

Niente di tutto ciò cambia la struttura del passaggio di consegne. Cambia il costo dello sperimentare con la metà che controlli: una chiave, un endpoint e una stringa di modello che puoi cambiare senza toccare la pipeline.

Chi dovrebbe eseguirlo ora, e chi dovrebbe aspettare?

Se paghi già un piano ChatGPT di livello Pro e utilizzi già Codex o Claude Code, vale la pena adottare il passaggio di consegne questa settimana, perché i due bucket sono già separati sulla tua fattura e il documento di progettazione è la cosa meno costosa nel ciclo. Inizia con una modifica che conosci abbastanza bene da individuare un piano scadente: chiedi il documento, leggi i file citati, poi passalo in consegna.

Se hai il piano Plus, ridimensiona le aspettative. Astra ti raggiunge tramite Work e Codex ma non tramite Chat, quindi la metà di questo playbook dedicata alla pianificazione non ti è disponibile nella forma descritta: pianificheresti ed eseguiresti dallo stesso bacino, il che elimina l'argomento economico e lascia solo la disciplina di scrivere prima il documento. Quella disciplina vale comunque la pena di essere mantenuta. Lo sconto no.

E se il tuo motivo per volerlo è il percorso di scrittura in Chat anziché il passaggio di consegne, aspetta che la documentazione di OpenAI si allinei al thread del forum. Una capacità che le pagine di aiuto del fornitore stesso contraddicono è una capacità da tenere su un repository scratch finché le pagine non cambiano.

La stessa chiave dà accesso al resto del catalogo, e puoi sfogliare il catalogo completo dei modelli per vedere cos'altro si trova dietro un unico endpoint compatibile con OpenAI.