别再给Agent“做个App”了：一个帮你写可执行目标指令的Meta Skill

如果你用过 Codex 或 Claude Code 这类 Agent 写过正经代码，大概率遇到过这种事：你说“帮我做个 GTA 风格的网页游戏”，它哐哐写了一堆代码，然后你发现它用了一个真实游戏的图片、试图调用付费 API、甚至往主分支 commit 了未完成的东西。你想要的只是一个能在浏览器跑的俯视图 MVP，但 Agent 因为目标太模糊，做出了各种离谱选择。

这类失败不是模型不会写代码——真正的问题是 Agent 开始执行时，手里拿的不是可验证、有边界的任务合同，而是一句人类感觉良好、但机器只能靠猜的模糊需求。我们今天聊的这个开源项目 qiaomu-goal-meta-skill，就是专门解决这个痛点的：它把一句话模糊需求，转化成 Codex 可以直接执行的 /goal 命令，而且自带验证、约束、边界、迭代策略和暂停条件。本质上，这是一个为 Agent 做任务设计的工程化工具。

Agent 最缺的不是能力，而是一份“任务合同”

先说一个观察。不少人在写 Agent 提示词时，会陷入“要让模型理解我的意图”的误区，结果写了一大段自然语言描述，但缺少三个关键信息：

• 怎么证明做完了？（验证条件）

• 哪些地方不能碰？（约束和边界）

• 失败了怎么迭代？（策略）

• 什么情况必须喊人？（暂停条件）

比如“做出有质感的界面”——感觉对了，但 Agent 怎么知道自己做到了？没有截图检查、没有布局度量，它只能按自己的理解糊一个，然后你说不行。这就是典型的“目标过松”。

这个 Meta Skill 的核心产出就是一个包含上述所有要素的 /goal 命令。你可以直接复制使用。比如它给“开发一个 GTA 网页游戏”生成的推荐执行版：

/goal 开发一个第一版原创 GTA-like 网页游戏 MVP，用户可以在浏览器中进入一个俯视 2D 城市场景，控制角色步行、上车驾驶、完成一个简单任务，并看到基础状态反馈。
验证：如果已有项目，先读取项目脚本和运行方式；否则新建最小网页游戏项目，启动本地开发服务，在浏览器中完整走通一次进入游戏、移动角色、上车驾驶、触发任务、完成任务、查看状态反馈流程，并检查桌面和移动端布局与控制区无重叠。
约束：不使用 GTA、Rockstar 或任何真实游戏的名称、Logo、角色、地图、音乐、音效、美术素材或受版权保护内容；第一版不加入登录、后端、联机、付费 API、真实暴力血腥表现、复杂 AI 或营销落地页。
边界：如果新建项目，只写入新项目目录；如果在现有项目中工作，只修改与网页游戏画布、输入控制、游戏状态、样式和直接相关测试有关的文件。
迭代策略：先实现可玩的核心循环，再补任务、状态反馈和响应式控制；每次有意义改动后重跑项目检查并启动本地服务验证，遇到运行时或浏览器错误先读控制台日志；最多做 3 轮聚焦体验改进。
完成条件：本地游戏可运行，玩家能完成移动、驾驶、任务触发和任务完成的核心流程，项目检查通过或明确说明缺少配置，并且桌面和移动端验证无布局破损。
暂停条件：需要使用 GTA 官方 IP 或素材、真实版权素材授权、联机服务器、账号系统、支付、上架发布、复杂 3D 开放世界、真实暴力血腥表现或更完整游戏策划时暂停。

注意这里面没有“做得像一点”这种模糊话，验证条件写的是“走通一次流程”加上截图证据；边界明确到“只修改哪些文件”；暂停条件列出了需要人类判断的情况。这份东西复制给 Codex 之后，Agent 执行起来就不会跑偏。

三条骨子里的设计原则：推进、暂停、发现

这个 Skill 能自动生成高质量目标，背后有三条内置策略。

第一条：默认先推进，不拦着用户填表。 如果任务模糊但风险低（比如本地 MVP），它直接选一个最安全的默认值，并生成可复制的版本。用户的模糊需求到了它这里，不会变成“请先回答以下 20 个问题”，而是“给你推荐这个方案，理由是……”。这很关键——做 Agent 工具的人太容易把交互搞成调查问卷，结果用户还没用就放弃了。它选择“先给答案，再给选项”。

第二条：高风险才暂停。 当任务涉及账号、支付、生产数据、版权素材、法律医疗判断、上架发布等，它会把这些明确写进暂停条件，告诉 Agent“做到这里停下来，等人类决定”。而不是让 Agent 傻傻地去创建付费 API 或修改生产配置。这条边界特别适合写敏感领域的任务：比如医疗影像工具、金融数据处理。

第三条：陌生领域先发现，不编造规则。 这是最让我欣赏的一点。很多 Agent 工具遇到不熟悉的专业领域（比如医学、合规），会自作聪明地编造一些表面看起来合理但实际上错误的规则。这个 Meta Skill 的处理方式是：生成一个“发现优先”的目标，让 Agent 第一件事是去读项目文档、样例数据、官方参考资料，列出工作假设后再开始写代码。它明确要求不编造领域规则、不编制合规声明，完成条件里还要列出未解决的领域问题。这比那种“假装自己懂一切”的 Agent 提示诚实多了。

工程细节：输出分级、模糊词翻译、自检 linter

除了策略设计，它的工程化输出也做得挺细。

第一，输出分级。给中文用户，先展示“推荐执行版（可直接复制）”，然后一句“默认选择理由”，接着是“可选调整”（编号选择题如“1A 2B 3C”），最后是英文兼容镜像。这种设计意味着用户可以直接从第一个代码块开始用，复杂时可以通过选择题收敛，不需要重写。

第二，模糊词翻译。它不禁止用户说“高级”“有质感”“专业”，而是把这些词消化成可验证的检查项：比如“用桌面和移动端截图检查首屏身份、信息层级、文字可读性、核心入口和布局重叠”，并限制最多 3 轮视觉改进。这既保留了人类对审美偏好的表达，又不让 Agent 在虚空里“持续优化”。

第三，项目自带一个轻量 linter（scripts/lint_goal_command.py），用来检查生成的 goal 是否缺少必要字段、有没有占位符 [Outcome]、有没有“make sure it works”这种空话、验证条件是否具体到命令/截图/日志等证据。这个细节说明作者是真的在用这套东西写 Agent 任务——没有工具护着，人工 review 很容易漏掉关键字段。

适用边界

这个 Skill 不是万能。它只负责生成 goal，不执行目标。它默认生成 MVP 级目标，完整产品策略、商业化和部署需要明确要求。陌生领域它不会替代专业知识——它只是强制 Agent 先做发现，不做编造。如果你要 Agent 完成一个简单翻译或一句话 shell，根本不需要 goal。

但如果你正在开发一个多步骤的代码项目，或者频繁遇到 Agent 跑偏，这个 Meta Skill 提供了一个很有工程价值的思路：把“任务设计”从人的脑海里剥离出来，变成 Agent 可以执行的合同。工具本身也是开源的（MIT 协议），你可以直接 npx skills add joeseesun/qiaomu-goal-meta-skill 安装试用，也可以参考它的策略自己写类似的目标生成器。

原始链接

• GitHub 项目：https://github.com/joeseesun/qiaomu-goal-meta-skill