2小时烧掉9亿token后,我发现了OpenAI和Anthropic在/goal上的本质区别

4 月 30 日,Codex 0.128.0 发布,第一次带上了 /goal。社区里立刻有人用它跑了 21 个小时,烧掉 9 亿 token。OpenAI 总裁 Greg Brockman 在 X 上把它对标成 Ralph loop 的内置版本——他原话是「codex now has a built in Ralph loop++」。

两周后,Anthropic 在 Claude Code 也跟进了同名命令。

除了这两家,Hermes、OpenCode 也都陆续跟上。/goal 已经成了这一类工具的共识机制。

说实话,第一次看到这个命令的时候我没什么感觉——不就是一个循环吗?以前用脚本和钩子拼一拼也能做出来。

但读完两家的实现之后,我愣了一下。

表面看用法一样,骨子里走的是两条完全相反的路。

/goal 到底是干嘛的

以前你跟 Claude Code 或者 Codex 说「帮我把这堆测试跑通」,它跑一轮,停下来,你看一眼说「继续」,它再跑一轮。中间总得有个人在那盯着。

/goal 把这件事改了。你给一段任务,再给一个完成条件——比如所有测试通过、lint 没报错——回车一敲,AI 自己开始跑。每跑完一轮,它自己判断条件是否满足,没满足就再来一轮,满足了才停。

形式上像这样:

/goal 把 src/auth/ 下所有测试跑通,lint 没报错

不需要中间敲回车说「继续」。

prompt 的形态变了。以前是让 AI 做这件事,现在是让 AI 把这件事做到这个状态为止。

听起来挺美好的。

但你想想——AI 怎么知道自己真的做完了?

这就是整件事的核心问题。

Ralph Loop:AI 自己说做完,就退出

/goal 不是凭空冒出来的。在它之前,社区里流行过一个做法叫 Ralph Loop。

名字来自《辛普森一家》里那个屡战屡败的 Ralph Wiggum——一种锲而不舍的工作法。原始版本就是一段简单的循环:反复把同一段任务喂给 AI,直到它自己说「我做完了」。

Anthropic 官方仓库里有个示例插件,把这个套路工程化了。逻辑就两件事:

第一,每次 AI 想停下来,钩子拦住它,把原任务再喂一次。

第二,AI 输出一句特定的暗号(比如 DONE),就算完成,循环退出。

我第一次看到这个设计的时候,第一反应是——

这不就是让 AI 自己批改自己的试卷吗?

它愿意写出 DONE 就退出,不愿意就接着跑。完成判定权完全在 AI 自己手里。

Ralph Loop 的作者自己也清楚这事儿不靠谱,所以在文档里反复提示要配最大轮次兜底。注入给 AI 的提示词里甚至有一句话很说明问题:

ONLY when statement is TRUE - do not lie to exit

你别撒谎啊。

但让 AI 不撒谎这件事,靠提示词上一句话是兜不住的。

AI 说「我做完了」和真的做完了之间,差着一座独立验证的桥。

两种判卷法

Ralph Loop 验证了一件事——循环这套思路,工程上是可行的。

但完成判定不能靠模型自己说了算。这是它最大的瓶颈。

Codex 和 Claude Code 都重新设计了这一块。但两家选了完全不同的方向。

Codex 的方法:让 AI 自己审,但审得没那么舒服

Codex 没换判卷人。每次 AI 想停下来,运行时强行塞一段审计提示词给它——而且这段提示词写得相当狠。

我把这段提示词的核心意思翻译一下:

在你判定任务完成之前,先假设没完成。然后逐项核对——目标里每一条要求、每一个产物、每一个测试、每一道关卡,挨个找证据证明它已经做完了。证据强度不够?算没完成。

最关键的一句:审计必须证明做完了,不能仅以没找到没做的事作为完成依据。

而且它显式禁止凭印象、凭记忆、凭一个看起来合理的结论当证据。

我读到这段的时候有点佩服。这是把完成这件事,从模糊感受变成了一份逐项核对的清单。

更重要的是,这段提示词不是写在文档里建议你最好这么做——它是被运行时强行注入到 AI 每一轮的上下文里。你想跳过都跳不过去。

工作模型本身有跑命令、查文件、看测试结果的能力。所以它审的是真状态,不…

— 以上为试看内容(约 40%),开通会员后阅读全文 —