当AI学会“不忘初心”：Codex CLI的/goal指令如何让Agent持续奔跑

起因：为什么一个CLI工具的更新值得聊？ 表面上看，这只是一个命令行工具的小版本更新。但如果你关注AI Agent的工程实践，这其实是一个重要的信号。OpenAI的Codex CLI（一个让开发者通过命令行使用AI编码能力的工具）在0.128.0版本中加入了/goal指令。这不仅仅是多了一个参数，它引入了一种让AI Agent“持续工作直到完成”的新范式。在AI应用从“聊天”走向“干活”的当下，这种能让Agent自主循环、持续推进任务的能力，正是当前工程探索的前沿。

拆解：/goal到底做了什么？ 简单来说，以前你让Codex写一段代码，它写完就结束了。现在，你可以用/goal “修复所有单元测试失败”这样的指令告诉它一个目标。之后，Agent会进入一个循环：它执行一步操作（比如修改一段代码），然后自动评估当前状态是否更接近目标，如果没有达成，它会自己决定下一步该做什么，并继续执行。这个循环会一直持续，直到它自己判断目标已经完成，或者你设定的“代币预算”（token budget）用完。这个功能的核心实现非常巧妙：它主要通过两个提示词模板（continuation.md和budget_limit.md）在每一轮对话结束时自动注入到上下文中。这本质上是一种提示词工程，通过精心设计的指令来“教会”模型如何自我驱动。

趋势洞察：从“工具”到“协作者”的Agent进化 这个功能揭示了一个更深层的趋势：AI Agent正在从被动的“指令执行工具”进化为主动的“任务协作者”。

1. 持久化任务状态：传统的AI交互是“无状态”的，一问一答。而/goal引入了“任务目标”这个持久化状态，让Agent有了工作的“初心”和终点。
2. 自我评估与规划：Agent需要不断评估“我离目标还有多远？”并规划下一步。这正是实现真正自主性的关键一步，类似于人类在完成复杂项目时的持续反思和调整。
3. 资源感知：预算（token budget）的设定，意味着Agent开始被设计为在资源约束下工作，这更贴近真实世界的软件开发场景。Simon Willison提到的“Ralph循环”（一个由开发者Geoffrey Huntley推广的概念）正是这种持续执行循环的代名词。现在，主流工具开始内置这种模式，说明它正从实验性理念走向标准化功能。

实用价值：这对开发者意味着什么？ 对于使用AI辅助编程的开发者而言，这意味着你可以将更复杂、更模糊、更长期的任务交给AI。例如，你可以设定一个目标：“重构这个模块以提高可测试性”，而不是一步步告诉AI“把这个函数拆开、给那个类加个接口”。Agent会自己探索代码库、尝试修改、运行测试并迭代。这能极大提升处理“烂摊子”型任务的效率。当然，这也对开发者提出了新要求：你需要学会如何设定清晰、可评估的“目标”，并合理设置预算，以避免AI陷入无意义的循环或产生过高成本。

反常识/意外：一个简单的功能，背后是复杂的权衡 一个容易被忽略的点是，这个功能完全由提示词驱动，而非复杂的底层架构改动。这展示了在当前阶段，高级的Agent行为可以通过巧妙的提示词工程在现有模型上实现。但这也带来了隐忧：自动循环可能让成本失控。因此，“预算限制”不是一个可选项，而是一个核心的安全阀。这提醒我们，在拥抱Agent自动化能力的同时，成本控制和任务范围界定将成为开发者新的核心技能。未来，我们或许会看到更多关于“如何为AI Agent设定有效目标”的最佳实践涌现。

---

原文地址: Codex CLI 0.128.0 adds /goal