/goal 指令完全指南：Codex、Hermes、Claude Code 的自主代理新范式
摘要
2026 年 5 月，三大 AI 编程平台——OpenAI Codex、Nous Research Hermes、Anthropic Claude Code——相继发布了 /goal 指令。这不是巧合，而是行业对「下一代 Agent 控制界面」达成的共识。本文系统介绍 /goal 的概念、各平台实现的异同，以及跨平台 handoff 的使用建议。
摘要：2026 年 5 月，三大 AI 编程平台——OpenAI Codex、Nous Research Hermes、Anthropic Claude Code——相继发布了
/goal指令。这不是巧合，而是行业对「下一代 Agent 控制界面」达成的共识。本文系统介绍/goal的概念、各平台实现的异同，以及跨平台 handoff 的使用建议。
一、什么是 /goal？
1.1 从「提示-响应」到「目标-持续执行」
传统 AI 编程助手的工作模式是单轮问答：你给一个指令，它回答一次，然后等待下一条指令。开发者扮演的是「监督者」角色——每完成一步，就手动确认、再发下一条指令。
/goal 彻底改变了这个模式。它引入了一个**持久化目标（Persistent Goal）**的概念：你定义一个「完成条件」，Agent 就会自主地跨越多个对话轮次持续工作，直到条件满足为止，过程中不需要你反复介入。
核心思想：把「继续做」变成一份合同。你给 Agent 一个结果、一个完成定义、以及一种验证进度的方式，然后 Agent 持续工作，直到达到那个结果、耗尽预算、暂停，或遇到真正无法独自解决的障碍。
1.2 技术架构：评估者循环（Evaluator Loop）
/goal 的核心机制是任务执行者与评估者的分离：
- 执行模型（Worker）：负责实际的编码、测试、重构等任务
- 评估模型（Judge/Evaluator）：每轮结束后，由一个独立的轻量模型检查：「目标是否已达成？」
- ✅ 若达成 → 将控制权交还给用户
- ❌ 若未达成 → 自动开始下一轮，继续执行
这种设计的关键洞察是：执行任务的模型，是判断任务是否完成的最差裁判。将两者分离，才能形成可靠的自主循环。
用户输入 /goal
│
▼
┌─────────────┐
│ 执行模型 │ ← 编写代码、运行测试、修复 bug
│ (Worker) │
└──────┬──────┘
│ 完成本轮
▼
┌─────────────┐
│ 评估模型 │ ← 检查完成条件是否满足
│ (Judge) │
└──────┬──────┘
│
┌───┴───┐
是 否
│ │
▼ ▼
结束 继续下一轮
（返回用户）
1.3 /goal 最适合的任务类型
- ✅ 多步骤工程任务：模块迁移、测试套件修复、整个目录重构
- ✅ 有明确完成标准的任务：「所有测试通过」「构建退出码为 0」「文件数量达到 N」
- ✅ 长期运行任务：数据库优化、性能调优、代码库文档生成
- ❌ 高度模糊的任务：需要主观判断、设计决策或人类品味的工作
- ❌ 高风险不可逆操作：建议人工介入确认
二、三大平台的 /goal 实现
2.1 OpenAI Codex：「Goal Mode」— 工程执行引擎
图：OpenAI Codex CLI 终端界面。图片来源： @hqmank
发布时间：2026 年 4 月（实验性），随后正式发布
核心定位：Codex 是一个以实现为核心的编码代理——给它清晰的规格说明，它负责实现。/goal 是向它传达这份规格说明的方式。
工作原理
Codex 的 /goal 在底层维护了一个 thread_goals 数据库表，记录目标的状态、Token 预算和用时。每个目标有明确的生命周期状态：active（激活）、paused（暂停）、budget_limited（预算耗尽）、complete（完成）。
设计原则上有一个刻意的不对称：模型可以启动和声明完成一个目标，但暂停/恢复/预算管理的控制权由用户或系统运行时掌握。指令文档明确说明：「只有在用户或系统/开发者指令明确请求时才创建目标；不要从普通任务中推断目标。」
使用方式
# 启动 Codex 交互会话
codex
# 在会话中设置目标
/goal 将 db.ts 中的数据库查询优化至执行时间低于 50ms
约束：
- 保持 schema 不变
- 用测试覆盖所有执行路径
- 目标执行时间低于 50ms
可用子命令
| 命令 | 说明 |
|---|---|
/goal <描述> | 创建新目标 |
/goal pause | 暂停当前目标 |
/goal resume | 恢复已暂停目标 |
/goal clear | 清除当前目标 |
Codex /goal 的独特优势
- 状态持久化：目标状态存储在数据库中，关闭终端不会丢失进度
- 多环境支持：同一版本支持 turn-scoped 环境切换（dev / staging / remote）
- AWS Bedrock 集成：原生支持 SigV4 签名，适合 AWS 生态团队
- Goal Mode 正式版：已从实验功能升级为正式功能，在 Codex app、IDE 插件和 CLI 中均可用
2.2 Nous Research Hermes：「Persistent Goals」— 多代理协调者
图：Hermes Agent 多代理看板与 /goal 界面。图片来源：The End of the “Human Heartbeat”: How the /goal Command is Redefining AI Agents
发布时间：v0.13.0（2026 年 5 月 7 日，Tenacity Release）
核心定位：Hermes 不是编码执行者，而是多代理编排者（Orchestrator）。它自身不写代码——它协调 Codex、Claude Code 等工具去写代码，并管理每一次 handoff。
工作原理：Ralph Loop
Hermes 将 /goal 称为其「Ralph Loop」的实现——一个带状态、有评判者（Judge Model）、有轮次预算（默认 20 轮）、且跨会话持久化的自主循环：
- 用户发送目标
- Hermes 在 Kanban 看板上创建任务卡
- 为每张卡选择合适的工具（Codex 实现、Claude Code 审查等）
- Judge 模型在每轮后检查目标是否完成
- 未完成则自动继续；完成则向用户发送汇总报告
使用方式
# 在 Telegram/Discord/Slack/CLI 等任意平台
/goal 修复这个仓库中所有失败的测试
要求：运行测试命令，逐一识别失败，逐个 patch 修复，直到所有测试通过
# 管理子命令
/goal status # 查看当前目标状态
/goal pause # 暂停
/goal resume # 恢复
/goal clear # 清除
Hermes /goal 的独特优势
- 跨平台消息接口：Telegram、Discord、Slack、Matrix、Signal 等均支持
/goal命令，无需打开终端 - Judge Model 内置：默认配备独立评判模型，轮次预算可配置（默认 20 轮）
- Kanban 看板集成：目标自动拆解为 Kanban 任务，支持多代理并发执行
- 技能（Skill）系统：已安装的 Skill 自动作为动态 slash command 暴露，包括
/plan（制定计划模式） - 权限分层：管理员 vs. 普通用户的命令权限分层控制
2.3 Anthropic Claude Code：/goal — 验证驱动的代码代理
图：Claude Code /goal 运行时的实时状态面板（显示已用时间、轮次、Token）。图片来源：joe.njenga
发布时间：2026 年 5 月 12 日（Claude Code v2.1.139）
核心定位：Claude Code 在查找代码问题上表现突出——规格合规性、安全漏洞、错误状态、边界情况。/goal 是将它指向一段代码并要求持续审查与修复的方式。
工作原理
Claude Code 的 /goal 通过 Hooks 系统实现评估者循环：
- 每轮结束后，一个轻量、快速的评估模型检查完成条件是否满足
- 实时显示覆盖面板：已用时间、轮次数、Token 消耗
- 可在交互模式、
-p标志（无人值守）和远程控制（Remote Control）三种模式下运行
使用方式
# 需要 Claude Code v2.1.139 或更高版本
# 工作区信任对话框必须已接受（评估器是 hooks 系统的一部分）
/goal 所有测试通过，且 CI 流水线绿灯
# Claude 将持续运行，直到测试通过，无需你逐轮确认
# 配合 auto 模式使用（无人值守）
claude --auto
# auto 模式批准工具调用，/goal 启动下一轮
# 计划任务或无头（headless）运行
claude -p "<目标描述>"
Claude Code /goal 的独特优势
- 实时状态面板：覆盖层实时显示耗时/轮次/Token，透明度高
- Hooks 系统集成：评估者与现有 hooks 架构深度结合，可高度定制
- Remote Control 支持：适合在 CI/CD 流水线或远程服务器中运行
- Agent View（研究预览）：单列表查看所有运行中、等待中、已完成的 Claude Code 会话
三、三平台对比总览
| 维度 | Codex /goal | Hermes /goal | Claude Code /goal |
|---|---|---|---|
| 定位 | 编码执行引擎 | 多代理编排者 | 验证驱动代码代理 |
| 发布时间 | 2026 年 4 月 | 2026 年 5 月（v0.13.0） | 2026 年 5 月（v2.1.139） |
| 评估机制 | 模型自我评估 + 状态机 | 独立 Judge Model | 独立轻量评估模型（Hooks） |
| 状态持久化 | ✅ 数据库持久化，跨会话 | ✅ 持久化，跨会话 | ⚠️ 会话内持久，关闭后需重建 |
| 轮次预算 | Token 预算（可配置） | 默认 20 轮（可配置） | 无强制上限（需手动约束） |
| 运行界面 | CLI / IDE / Desktop App | CLI + 消息平台（Telegram 等） | 交互 / -p / Remote Control |
| 最擅长 | 长期实现任务、多环境切换 | 多代理协调、跨工具 handoff | 代码审查、测试修复、CI 集成 |
| 与其他工具集成 | AWS Bedrock、外部 Agent 导入 | Codex CLI、Claude Code 等 | MCP、CI/CD 流水线 |
四、跨平台 Handoff 使用建议
4.1 核心原则：让 Hermes 做指挥，Codex 做施工，Claude Code 做验收
三个平台使用相同的指令格式并非偶然——这让它们可以组合使用。最有效的工作流是：
你 → Hermes（/goal + 高层目标）
│
├──→ Codex（实现功能、编写代码）
│
├──→ Claude Code（审查代码、修复测试）
│
└──→ Hermes（验证 + 发送汇总报告）→ 你
你永远不需要打开终端。
4.2 各平台 Handoff 场景建议
场景 A：新功能开发
推荐流程：Hermes /goal 下达目标 → Codex 实现 → Claude Code 审查
# 发送给 Hermes（Telegram/CLI）
/goal 为用户模块添加 OAuth2 登录功能
约束：
- 使用现有的 User 数据库 schema
- 包含单元测试和集成测试
- 所有测试通过才算完成
Hermes 会自动将此目标拆解为 Kanban 任务，分配给 Codex 实现，再交给 Claude Code 做安全性审查。
场景 B：修复 CI 失败
推荐直接使用：Claude Code /goal
/goal 所有 CI 测试通过
# Claude Code 会持续排查失败测试并逐一修复
Claude Code 在「找出代码中看似正确但实际有问题」的场景上有优势，配合 CI 集成效果最佳。
场景 C：长期后台任务（过夜运行）
推荐使用：Codex Goal Mode（macOS 桌面 app）
Codex 支持 Remote Computer Use，即使 Mac 锁屏后仍可在远程继续工作。配合 Codex Mobile 可远程监控进度。
# 在 Codex CLI 中设置目标后，可安全锁屏
/goal 将整个 /src/legacy 目录迁移至新的模块架构
约束：
- 保持所有公开 API 接口不变
- 每个模块须有对应测试
- 迁移完成标志：所有原测试继续通过
场景 D：代码库维护（周期性任务）
推荐使用：Hermes（自托管 + 消息平台触发）
Hermes 适合需要跨越多个编码会话的反复性工程工作——比如每周自动运行一次「清理过期 TODO」或「同步依赖版本」的目标。
4.3 写好 /goal 的通用原则
无论在哪个平台，优秀的 /goal 有几个共同特征：
1. 完成条件必须可验证
- ✅ 「所有测试通过」（可测量）
- ✅ 「构建退出码为 0」（可测量）
- ❌ 「代码看起来更好」（不可验证）
2. 明确约束，而非只说目标
- 告诉 Agent 不应该改变什么（保持 schema、保持 UI、保持 Lighthouse 分数）
- 给出性能基准（「执行时间低于 50ms」）
3. 为长期运行设置预算
- Hermes：设置
turn_budget - Codex：设置
token_budget - Claude Code：在条件中写入「最多 X 轮」或配合
Ctrl+C准备随时中断
4. 优先在 Git 环境中运行
- 运行前执行
git init - 可随时
git diff或git checkout回滚 - Agent 可能快速改动大量文件，版本控制是最重要的安全网
5. 不要在无人值守时运行开放性目标
- 避免「优化整个代码库」这类开放目标过夜运行
- 即使设置了预算，也要保持监控习惯
五、行业意义
三家不同公司在六周内相继发布了名称相同、格式相似的 /goal 命令，这是行业在长期自主代理控制界面上达成共识的信号。
VentureBeat 的报道指出，将「执行者」与「评判者」分离，是代理系统走向可审计、可观测的重要一步。Sprinklr 解决方案总监 Sean Brownell 表示：「这个循环确实有效。将构建者与评判者分离是合理的设计——从根本上说，你不能让执行任务的模型去判断任务是否完成。做这件事的模型，是判断它是否完成的最差裁判。」
/goal 的出现，标志着 AI 编程工具正式从「代码助手」演进为「自主工程代理」——开发者的角色，也从逐步监督者变成了目标制定者。