上周，OpenAI 悄悄给 Codex CLI 推了一个版本更新。

没有发布会，没有奥特曼上台演讲，就一个版本号：0.128.0。

里面藏着一个新命令，叫/goal。

我第一次看到这个功能介绍，只读了一句话就停下来了：

“让目标在多个回合中保持活跃。不达成，就不停。”

这句话很短。但我觉得它描述的，是 AI Agent 历史上一个很重要的转折点。

不是技术上的颠覆，是逻辑上的转变。

你以前怎么用 AI

在聊/goal之前，先回忆一下你现在怎么用 AI 工具的。

你打开 Claude 或者 ChatGPT，输入一段话，它给你一个回答。你看了，觉得不对，再调整，再发，再看，再调整。

或者你用 Cursor、Copilot 写代码，它补全一行，你接受或者拒绝，再写下一行，它再补全。

整个过程，你一直在回路里。AI 做一步，你判断，AI 再做一步，你再判断。

这是指令驱动的模式：我发一个指令，你执行，然后等我下一个指令。

这个模式有一个根本性的限制：AI 的执行上限，是你的注意力上限。

你能同时跟进多少个任务？能持续多少小时不间断地给 AI 发指令？你睡着了，AI 也停了。你去开个会，AI 就在那等着。

/goal想打破的，就是这个限制。

/goal 是什么

用法本身很简单。

先把 Codex CLI 升级到 0.128.0 以上，在配置文件~/.codex/config.toml里加一行：

[features]
goals = true

然后在 Codex CLI 里输入：

/goal 重构所有的数据库查询，添加连接池

接下来，Codex 开始干活。

写代码、跑测试、检查结果。一轮做完，它自己判断目标有没有达成。没达成，自动开启下一轮。达成了，停下来报告。

你不需要一直盯着。你不需要每一轮都去判断。它自己跑，跑到它认为完成了为止。

配套命令：

• /goal pause— 暂停，想休息了或者要检查进度
• /goal resume— 恢复，继续跑
• /goal clear— 清除目标，重新开始

按 Ctrl+C 中断的话，目标自动暂停，下次恢复时从断点继续，上下文不丢。

还有一个实用技巧值得记一下：如果你的目标描述很复杂、很长，别直接写在命令行里，容易出错，也容易被系统截断。把完整的指令写在一个.md文件里，然后用：

/goal follow instructions.md

这样做还有一个好处：详细的指令存在文件里，不会随着对话轮次增加被上下文压缩丢失细节。

要理解 /goal，先聊 Ralph Loop

/goal不是凭空出现的，它背后有一段社区历史。

这段历史的主角，是一个叫 Ralph Loop 的概念。

名字来自《辛普森一家》里的 Ralph Wiggum——那个说话不着调、逻辑混乱、但莫名其妙一直很乐观的小男孩。

开发者 Geoffrey Huntley 用他命名了一种 Agent 循环模式：给 Agent 一个目标，让它自己迭代，失败了重来，不达成不收手。

这个概念火到什么程度？VentureBeat 专门写了一篇文章：《Ralph Wiggum 如何从辛普森一家变成 AI 界最火的名字》。

社区最早实现 Ralph Loop 的方式，是这样的：

每一轮任务结束之后，Agent 从头启动一个全新的上下文窗口。它靠 git 提交记录和专门的进度文件来保持记忆——上一轮干了什么、到哪里了、遇到什么问题，全写在文件里，下一轮开始时读进来。

就像接力赛。每一棒换一个新人，但交接是靠书面文件完成的，信息不会完全丢失，但每次换棒都有损耗，都有重新热身的成本。

Codex 的/goal走了另一条路。

它是进程内的持续循环。目标在同一个会话里跨轮次保持活跃，上下文连续，不需要重启，不需要写进度文件，不需要换人。

社区的 Ralph Loop 是接力赛。

Codex 的/goal是马拉松——同一个选手，从头跑到尾，累了可以暂停，但不换人，不断记忆，不丢上下文。

这个区别，在短任务上体现不大。但在复杂的、多步骤的、需要长时间持续工作的任务上，差距会很明显。

这个功能背后的转变，比功能本身更重要

我想花更多篇幅说说/goal代表的方向，因为我觉得很多人会把它当成一个”方便的小功能”，然后错过了更重要的东西。

过去三年，我们用 AI 的方式，本质上是”问答模式”加强版。

不管是聊天、写作、编程，交互逻辑都是：你输入，它输出，你判断，你再输入。AI 是一个很强的工具，但它在等你操作。

这个模式的瓶颈很清楚：人的注意力是有限的，AI 的潜力是被人的注意力卡住的。

你睡了，AI 停了。你开会了，AI 等着。你想同时推进五个任务，但你只有一双手、一个大脑，你得一件一件来。

/goal在做的事情，是把这个逻辑翻过来：

不是你盯着 AI 干活，是你告诉 AI 目标，AI 自己去追。

这个转变，把人从”实时操作员”的位置，推向了”目标设定者”的位置。

你设定目标，AI 负责执行，负责自我检查，负责判断”还没到，再来一轮”。

你从指挥每一步，变成了只需要定义终点。

为什么”自我判断”是关键

/goal最关键的能力，不是”循环执行”，而是自我判断。

循环执行本身不难，写个 while 循环就能实现。难的是：AI 怎么判断目标有没有达成？

这需要 AI 能够：

1. 理解目标的含义，不只是字面意思
2. 执行完一轮之后，评估结果是否符合目标
3. 如果不符合，分析差距在哪里，调整策略，再来一轮

这三步加在一起，其实是一个完整的”规划-执行-反思”循环。

这是 Agent 区别于普通 AI 工具的核心能力。

普通工具：执行你的指令。

Agent：追求你的目标。

/goal是 Codex 向 Agent 迈出的一步。它说：我不只是执行你告诉我做的每一步，我在追你告诉我要达到的那个结果。

结合奥特曼最近在说的，这个时间点很有意思

理解/goal，还要看它出现的时间节点。

Codex 上周刚完成了一次重大升级：从编程工具扩展到通用桌面 Agent。

可以跨 Slack、Gmail、Calendar 自动总结变化，做数据分析；可以组织研究材料，制作电子表格和演示文稿；可以分析数据，起草解读报告；可以根据标准对比多个选择，跟踪权衡取舍。

这不是编程工具了。这是”帮你处理所有数字化工作”的 Agent。

奥特曼亲自发推：「试试非编码电脑工作」。

Greg Brockman 喊出：「Codex 适用于所有人，所有电脑任务。」

Codex 周活跃用户从 200 万涨到了 300 万，一个月翻了 50%。

在这个节点上，/goal出现了。

你现在能理解为什么了吗？

如果 Codex 要做”所有电脑任务”，它就不能还是那个等你逐步发指令的工具。”处理所有数字化工作”这件事，必然包含很多复杂的、多步骤的、需要持续推进的任务。

这些任务，不能靠你一直盯着它干。

/goal就是通用 Agent 的基础设施。它给 Codex 装上了”自主追目标”的能力，让它能在没有人一直盯着的情况下，持续工作，直到完成。

它现在能做到什么，不能做到什么

/goal目前还是实验性功能。这意味着它有局限，有边界。

能做的：结构清晰、可验证的编程任务。比如”重构这个模块””让所有测试通过””实现这个功能”——这些有明确完成标准的任务，/goal跑起来效果会比较好。

目前还弱的：模糊的目标、需要大量外部信息的任务、需要人来做价值判断的任务。”让这个产品更好”这种目标，它现在处理不了，因为它没有办法判断”更好”到底意味着什么。

但这是今天的局限，不是这个方向的局限。

随着模型能力提升，随着 Agent 的规划和反思能力增强，这个边界会不断往外移。

今天/goal只能跑编程任务，明天可能跑市场调研，后天可能跑整个项目管理流程。

最后

我见过很多 AI 功能更新，看完之后觉得”还不错，有用”，然后忘了。

/goal不在这个列表里。

不是因为它现在多厉害，是因为它说清楚了一件事：

AI 工具的下一个阶段，不是更聪明地回答你的问题，而是更自主地追求你的目标。

你从操作员，变成目标设定者。

这个转变，对每一个在用 AI 做事情的人，都值得认真想一想。

你有没有开始想：如果 AI 可以自己追目标，我应该给它设什么目标？

这个问题的答案，可能比”怎么写好 Prompt”更重要。