摘要： OpenAI 最新发布的 Codex CLI 0.128.0 版本中，悄悄上线了一项极具颠覆性的实验功能——/goal。它打破了传统 AI 一问一答的碎片化交互，允许开发者设定一个终极目标，AI 将跨越多轮会话、自主迭代，不达目的绝不罢休。这不仅是 Agent 循环模式的一次技术升级，更标志着人机协作正从“过程导向”迈向“目标导向”，人类将从繁琐的代码编写者，蜕变为只需定义终点和验证结果的“指挥官”。
以往我们用 AI 写代码，最抓狂的莫过于：上下文一长，它就犯了“金鱼记忆症”；任务一复杂，它干到一半就开始敷衍了事。你不得不像个苦口婆心的包工头，在旁边一步一步盯着、推着。
但现在，OpenAI 给 Codex CLI 装上了一股“狠劲”——全新 /goal 功能。你只需给它设个目标，比如“重构所有的数据库查询，添加连接池”，它就会自己写代码、跑测试、查结果，一轮没干完自动开下一轮，死磕到底，绝不中途摆烂。
从“接力赛”到“马拉松”：Ralph Loop 的进化
要读懂 /goal 的含金量，得先聊聊圈子里火过一阵的 Ralph Loop（拉尔夫循环）。这名字挺逗，源自《辛普森一家》里那个无知但极度执着的小男孩 Ralph Wiggum。开发者 Geoffrey Huntley 借用这种人设，提出了一种 Agent 模式：给 AI 定个目标，让它自己不断试错循环，直到成功。
但社区的原始实现相当“暴力”：每一轮迭代结束后，AI 会直接清空记忆，开一个全新的上下文窗口，仅靠着 git 提交记录和进度文件来“交接工作”。这就好比接力赛，每一棒换个人，新人全靠看上一棒留下的便签干活，效率低且容易跑偏。
而 Codex 的 /goal 彻底换了路线——它采用进程内持续循环，目标在同一个会话里跨轮次保持活跃。如果说以前的 Ralph Loop 是频繁换人的接力赛，那 /goal 就是一场马拉松：同一个人跑到底，累了可以歇，但绝不换人，上下文绝不中断。
怎么让 AI 疯狂打工？实操指南
想让 AI 替你死磕，门槛并不高。只要把 Codex CLI 升级到 0.128.0 以上版本，在配置文件 ~/.codex/config.toml 里加上几句开启权限，就可以发号施令了：
[features] goals = true
开启后，在命令行输入 /goal 你的目标，AI 就会像上了发条一样开始干活。当然，配套的操控指令也很完善：
/goal pause：让 AI 歇会儿（暂停当前目标）；/goal resume：别摸鱼了，继续干（恢复目标）；/goal clear：活儿不用干了（清除目标）。
这里藏着两个神技：一是如果你目标很宏大，直接敲命令容易让 AI 迷失，可以把详细需求写进 .md 文件，然后用 /goal follow instructions.md 执行。这不仅防截断，还能避免上下文压缩丢失核心细节，这也是高质量 Prompt 的常规操作。二是搭配同版本推出的 /side 命令，你可以在 AI 肝目标时随时“插嘴”问问题，问完 Esc 退回，主线任务零污染，极其顺手。
三道保险，防止 AI 瞎忙与摸鱼
让 AI 自主循环，最怕啥？怕它在死胡同里原地转圈，或者假装干活实则摸鱼。Codex 给这只猛犬拴了三根绳子：
零工具调用抑制：如果一轮下来，AI 既没读写文件，也没跑命令，系统判定它“卡壳”了，直接踩刹车，等人类介入。
预算控制：Token 和时间都有上限，快透支时会强制提醒 AI：别开新坑了，赶紧总结现状汇报进度。
完成审计协议：这是最狠的一招。每次继续干活前，系统会强制注入一条隐藏指令，逼着 AI 拆解目标、列清单，并且必须去查真实的文件和测试结果，绝不允许它拿“代码写完了”或“测试过了”这种表象来糊弄人。这在机制上杜绝了 Agent 最隐蔽的失败模式——把“我产出了东西”等同于“我达成了目标”。
更有意思的是其底层的权限设计。通过分析约 1570 行的 Rust 源码可以发现，模型只能将目标标记为“完成”，无权暂停或恢复。防的就是 AI 自己觉得“差不多得了”偷偷按下暂停键。你要么干完，要么等我来喊停，没有第三条路。
仍有瑕疵：别让 AI 陷入报错死循环
作为一个实验性功能，/goal 目前也有让人头疼的盲区：
首先，它目前仅限 CLI 玩家尝鲜，桌面端暂不支持。其次，在规划模式下，目标系统会自动罢工，两者互斥。最尴尬的是，一旦你的 API 配额耗尽，它会陷入无限循环：发请求 -> 收到429报错 -> 继续重试，堪称“报错的拉尔夫循环”。此外，当前的判断逻辑偶尔会“过早关门”，AI 有时搞出个半成品就觉得大功告成了，仍需人工复核。
核心洞察：从“怎么做”到“要什么”
抛开功能表面的酷炫，/goal 真正触碰的是 AI 时代协作范式的底座重构。
传统编程和 ChatBot 式交互，都是典型的“过程导向”：人类规划步骤，机器一步步执行，离了人监督就崩盘。但 Agent Loop 的本质，就是把“脑子里的一次性推演”，摊开成“多轮可验证的小决策”，每一步都基于真实世界的反馈。
当 /goal 这种功能出现，协作逻辑彻底翻转——变成了“目标导向”。正如 Karpathy 所说的 Software 3.0 时代的核心：传统软件自动化的是你能规格化的东西，而 AI 自动化的是你能验证的东西。从 How（告诉机器怎么做），到 Show（给机器演示），再到 What（只告诉机器你要什么），人类的角色正在经历从“作者”到“教练”，再到“指挥官”的蜕变。
未来，写代码这种脏活累活不再是你的主业。你真正的核心竞争力，将回归到两个极其本质的问题：我到底要达成什么目标？我该如何严谨地验证它？ 至于走哪条路、怎么避坑，交给那只永不疲倦的 Agent 吧。
文章来源：大国Ai导航（daguoai.com）综合整理自网络公开资料
网友评论