Codex CLI /goal命令详解：自动循环执行直到目标完成

什么是 /goal 命令

OpenAI 的 Codex CLI 在 0.128.0 版本中引入了 /goal 命令。简单来说，用户设定一个目标后，Codex 会持续自动循环执行任务，直到它判断目标已经完成，或者预先配置的 token 预算耗尽为止。

这一设计本质上是 OpenAI 对 Ralph loop 模式的自有实现，标志着编码代理从"单轮对话"向"目标驱动的自主循环"迈出了关键一步。

/goal 命令的工作原理

基于提示词模板的循环控制

从代码仓库来看，/goal 的核心实现相当优雅——它主要依赖两个提示词模板文件：

goals/continuation.md：在每一轮（turn）结束时自动注入，引导模型评估当前进度并决定是否需要继续执行下一步操作。
goals/budget_limit.md：负责处理 token 预算耗尽的边界情况，确保代理不会无限制地消耗资源。

这种通过提示词工程（Prompt Engineering）而非硬编码逻辑来实现循环控制的方式，反映了当前 AI 代理开发的一个明显趋势：用自然语言指令来编排代理行为，而不是依赖传统的程序控制流。

提示词工程是指通过精心设计输入给大语言模型的文本指令，来引导模型产生期望输出的技术实践。在传统软件开发中，程序行为由代码逻辑严格控制；而在 AI 代理开发中，越来越多的控制逻辑正在从硬编码转向自然语言描述。这种范式被称为"提示词编排"（Prompt Orchestration），其优势在于灵活性极高——修改代理行为只需调整文本模板，无需重新编译或部署代码。但其劣势同样明显：自然语言的模糊性可能导致代理行为不够确定性，模型的"遵循指令"能力直接决定了这种编排方式的可靠程度。

双重终止条件：自主评估与预算约束

/goal 命令设计了两个终止条件，二者满足其一即停止循环：

目标完成：Codex 在每轮执行后自行评估是否已达成用户设定的目标，判断完成则自动停止。
预算耗尽：当消耗的 token 达到预设上限时强制停止。这是一个关键的安全阀，防止代理陷入无限循环或产生不可控的 API 费用。

这里的 token 是大语言模型处理文本的基本单位，大致相当于一个英文单词的 3/4 或一个中文字符。每次 API 调用都会消耗输入和输出 token，而 OpenAI 等服务商按 token 数量计费。在自主循环场景中，代理每执行一轮都会产生新的 token 消耗——包括重新读取上下文、生成推理过程和输出代码。如果一个目标定义模糊或代理陷入重复尝试，token 消耗可能呈指数级增长。因此，token 预算本质上是一个"计算资源熔断器"，类似于分布式系统中的超时机制，防止单个任务消耗不成比例的资源。

这种设计在赋予代理自主性的同时保留了资源约束，是实用性和安全性之间的务实平衡。

从 Ralph Loop 到 /goal：代理循环模式的演进

/goal 的灵感来源——Ralph loop，是一种让 AI 编码代理持续工作直到任务完成的循环模式。核心思想很直接：与其让用户反复手动提交后续指令，不如让代理自己判断何时完成。

Ralph loop 由开发者 Geoffrey Huntley 提出并命名，其核心理念源于对人机交互效率的观察：在多步骤编码任务中，人类开发者充当"循环控制器"的角色——反复检查输出、确认继续——这一过程本身并不创造价值，只是弥补了代理缺乏自主判断能力的不足。Ralph loop 的设计哲学是将这个"继续/停止"的决策权交还给代理本身，让模型在每轮结束时自行评估任务完成度。这一模式的前提假设是：现代大语言模型已经具备足够的元认知能力来判断自身输出是否满足给定目标。

在传统的 CLI 编码代理交互中，用户通常需要经历这样的流程：

描述任务
等待代理执行一步
检查结果
手动指示继续

而 /goal 模式将整个过程压缩为两步：

设定目标
等待代理自主完成（或预算耗尽）

这对于复杂的多步骤编码任务尤其有价值——比如重构一个模块、实现一个完整功能、或者修复一系列相关的 bug，这些场景下手动逐步确认的效率损耗非常明显。

对开发者的实际意义

编码自动化程度显著提升

/goal 让 Codex CLI 更接近一个真正的自主编码代理，而不仅仅是一个需要持续人工干预的辅助工具。开发者可以设定一个较高层次的目标，然后让代理自行分解和执行子任务。

API 成本可控可预测

token 预算机制是一个非常务实的设计。在实际使用中，一个定义不够清晰的目标可能导致代理长时间循环而无法收敛。预算上限确保了即使在最坏情况下，API 调用成本也是可预测的。

自主代理的安全性考量

赋予 AI 代理自主循环执行能力带来了一系列安全性问题，这也是整个 AI Agent 领域的核心挑战之一。首先是"对齐问题"的微观体现：代理对"目标完成"的判断可能与用户的真实意图存在偏差，导致过早停止或过度执行。其次是"副作用风险"：在文件系统操作、代码修改等场景中，自主循环意味着代理可能在无人监督的情况下进行大量不可逆操作。Codex CLI 通过在沙箱环境中运行、结合 token 预算限制来缓解这些风险，但这仍然是一个需要持续关注的领域。业界普遍认为，"人在回路中"（Human-in-the-loop）与"完全自主"之间的最佳平衡点，取决于任务的风险等级和可逆程度。

开源实现便于审计和定制

值得一提的是，/goal 功能的实现完全可以在 GitHub 上查看。提示词模板的开源意味着开发者可以理解、审计甚至自定义代理的循环行为逻辑。在 AI 工具日益"黑箱化"的大背景下，这种透明度对于建立开发者信任尤为重要。

总结

Codex CLI 0.128.0 的 /goal 命令在实现上看似简单——本质上是两个精心设计的提示词模板——但它代表了编码代理交互范式的一次实质性升级。从"问答式"到"目标驱动式"，这种自主循环机制正在成为 AI 编码工具的标准能力。对于日常使用 Codex CLI 的开发者来说，/goal 提供了一种更高效的方式来处理那些需要多步骤才能完成的复杂编码任务。

核心要点

Codex CLI 0.128.0 新增 /goal 命令，支持设定目标后自动循环执行直到完成或 token 预算耗尽
该功能通过 continuation.md 和 budget_limit.md 两个提示词模板实现，体现了用自然语言编排代理行为的设计理念
灵感来源于 Ralph loop 模式，将编码代理从单轮交互升级为目标驱动的自主循环
双重终止机制（目标完成 + 预算耗尽）在代理自主性和资源安全之间取得平衡
功能实现完全开源，开发者可查看和自定义代理的循环控制逻辑