meng shao@shao__meng · X本文介绍了 OpenAI Codex 中的“Goals”功能，它将工作模式从单次“提示-执行-停止”转变为基于证据的自主循环。Goal 为 Codex 设定了一个可审计的完成目标，使其能在空闲时自主决定下一步并推进任务，无需用户反复指令。文章详细阐述了 Goal 的生命周期、命令，并重点说明了如何编写一个包含结果、验证面、约束等六个要素的“强 Goal”。同时，它指出了 Goal 最适用于性能优化、复杂任务复现等需多轮探查的场景，而不适用于简短问答等简单任务。
OpenAI Codex Cookbook 系列之 Goals
从 "prompt" 到 "goals" · Prompt：ask → work → result → wait（做完即停） · Goal：work → check → continue or complete（做完检查证据，未达成则继续） Goal 的关键是给 Codex 一条可审计的完成线，并允许它在空闲时基于已有证据自主决定下一步，而无需用户每轮重复说"继续"、"再跑一次基准"、"现在查测试"。
生命周期和命令 Goals 是 线程作用域 的持久状态，不是全局 memory，也不是项目级 instructions。 /goal <目标> 设置目标 /goal 查看当前目标 /goal pause 暂停 /goal resume 恢复 /goal clear 清除 可能的停止条件：成功、暂停、清除、被打断、预算耗尽、遇到需用户输入的阻塞。
continuation 是事件驱动的，不是死循环：仅在线程 idle、无队列输入、无 pending 工作、Goal 仍 active 且在预算内时才会触发。Plan-only 的回合不触发 continuation；如果某次 continuation 没有调用任何工具，下一次自动 continuation 会被抑制（防止空转）。
如何写一个"强 Goal"--六个要素 1. Outcome（结果）：完成时什么应为真。 2. Verification surface（验证面）：用什么证据证明--测试、benchmark、报告、命令输出、产物。 3. Constraints（约束）：工作期间不能回退什么。 4. Boundaries（边界）：可用的文件、工具、数据、仓库。 5. Iteration policy（迭代策略）：每次尝试后如何选择下一步。 6. Blocked stop condition（阻塞停止条件）：何时该停下并说明无可行路径，需要什么才能解锁。