Codex CLI 0.128.0新增/goal命令：自动循环直到目标完成

概述

OpenAI 的 Codex CLI 编码代理工具发布了 0.128.0 版本，引入了一个重要的新功能——/goal 命令。这个功能允许用户设定一个目标，Codex 将持续循环执行任务，直到评估目标已完成，或者配置的 token 预算耗尽为止。

这一设计借鉴了社区中已有的 "Ralph loop" 概念，标志着 AI 编码代理向更自主、更持久的任务执行方向迈进了一步。

/goal 命令的工作原理

持续循环机制

传统的 AI 编码助手通常是单轮交互模式：用户提出请求，AI 返回结果，交互结束。而 /goal 命令打破了这一模式，引入了目标导向的持续循环机制。

用户设定一个目标后，Codex 会在每一轮执行结束时自动评估当前状态是否满足目标要求。如果目标尚未完成，它会自动继续下一轮操作，无需用户手动干预。这种方式特别适合需要多步骤完成的复杂编码任务。

基于 Prompt 的实现

从技术实现角度来看，这个功能主要通过两个关键的 prompt 模板来驱动：

• goals/continuation.md：在每一轮结束时自动注入，用于评估目标是否完成，并决定是否继续下一轮操作
• goals/budget_limit.md：用于处理 token 预算耗尽的情况，确保系统不会无限制地消耗资源

这种基于 prompt 工程的实现方式相当优雅——它不需要复杂的外部控制逻辑，而是利用 LLM 自身的判断能力来决定任务是否完成。

安全机制：Token 预算控制

自动循环机制虽然强大，但如果没有适当的约束，可能会导致资源的过度消耗。Codex CLI 通过 token 预算机制来解决这个问题。

用户可以配置一个 token 使用上限，当累计消耗的 token 达到预算限制时，即使目标尚未完成，循环也会自动停止。这是一个务实的设计决策，在自主性和可控性之间取得了平衡。

Ralph Loop 的渊源

/goal 功能的灵感来源于 Geoffrey Huntley 提出的 "Ralph loop" 概念。Ralph loop 的核心思想是让 AI 代理在一个循环中持续工作，直到满足预设条件。这种模式在 AI 编码代理领域正在成为一种趋势，因为许多实际的编程任务确实需要多轮迭代才能完成。

OpenAI 将这一概念正式集成到 Codex CLI 中，说明这种自主循环模式已经从实验性概念走向了主流工具的标准功能。

对 AI 编码代理发展的启示

这次更新反映了 AI 编码代理的几个重要发展方向：

1. 从单轮到多轮：代理不再局限于一次性回答，而是能够持续迭代直到任务完成
2. 目标导向：用户只需描述最终目标，而非每一步的具体操作
3. 自我评估：代理具备判断自身工作是否完成的能力
4. 资源感知：在自主执行的同时保持对资源消耗的控制

这些特征共同指向了一个更加自主化的 AI 编码代理未来，开发者可以将更复杂的任务委托给 AI，而不必时刻监督每一步操作。

总结

Codex CLI 0.128.0 的 /goal 功能虽然实现上相对简洁（主要依赖 prompt 注入），但其代表的理念意义重大。它展示了如何通过巧妙的 prompt 工程，将一个简单的 LLM 交互工具升级为具有持续执行能力的自主代理。随着这类功能的成熟，AI 编码助手将越来越接近真正的"AI 程序员"角色。