社区有人用 /goal 连续跑 21 小时烧掉 9 亿 token — OpenAI 把 AI 编程助手从“对话工具”变成了“无人值守工人”。
这是什么
/goal 是 OpenAI 4月30日在 Codex CLI（命令行编程工具）0.128.0 版本新增的命令。不是普通提示词，而是一套目标生命周期管理机制：你给一个目标，Codex 自己一轮轮推进，直到完成、被暂停或烧到 token 上限才停。
四层架构支撑这个机制：持久化层把目标存为独立状态，压缩对话历史不会丢目标；接口层让客户端可读写状态；模型工具层只允许模型查询和声明完成，不能自己暂停或篡改——这是安全边界；运行时延续层每轮空闲自动注入提示词，驱动下一步。
最值得注意的设计是“完成审计”。模型判定目标达成前，必须把目标映射成具体交付物清单，用真实证据逐一验证。不能依赖“测试过了”“写了代码”这类辅助信号。这针对的是模型在长任务中早早声称做完然后偷懒的倾向。
Token 预算是软停止：烧到上限不会粗暴中断，而是让模型收尾、总结进度、列剩余工作，第二天打开终端拿到能看懂的报告。
行业怎么看
正面声音认为这是 AI 编程从“助手”走向“自主工作者”的关键一步。以前用 AI 写代码得一直盯着；现在给个目标，第二天验收。对批量重构、补测试、修 bug 这类重复任务，效率提升明显。OpenAI 总裁 Greg Brockman 称之为“内置的 Ralph Loop++”（Ralph Loop 指用脚本反复驱动 agent 跑同一目标的工作流），内置版支持跨会话恢复、无需每轮重建上下文，产出质量更稳。
但我们注意到三个风险：一是成本失控。21 小时烧 9 亿 token，目标设定不当或比预期复杂，账单难看。虽有 token 预算上限，但只是软停止，前面消耗已无法回收。二是跑偏。Issue #19910 报告：模型调用中间触发上下文压缩时，延续提示词不会重新注入，后续轮次可能丢失目标。超长任务的稳定性仍需观察。三是场景有限。/goal 适合重复性、可清单化的批量任务；需频繁人工判断的探索性任务，用它反而费 token 且容易卡死。
对普通人的影响
对企业 IT：代码迁移、技术债清理这类苦活，可以用 /goal 实现“设定目标—第二天验收”，但需先建立 token 预算管控和目标验收流程，否则成本敞口太大。
对个人职场：程序员工作重心进一步从“写代码”转向“定义目标和验收结果”。能清晰拆解任务、写出可审计目标的人，比只会写代码的人更适配这类工具。
对消费市场：暂无直接影响。/goal 是开发者工具，但其设计思路——目标持久化、完成审计、预算控制——很可能被其他 AI 产品借鉴，出现在面向普通用户的自动化场景中。