Claude Code 也有 /goal 了，跟 Codex 的有什么不一样

Pengfei Ni — Wed, 13 May 2026 10:00:00 +0800

上周写了一篇Codex /goal 上线后，我把 Ralph Loop 卸了，顺带吐槽了 Claude Code + Ralph Loop 跑长任务各种不靠谱。没想到没过几天，Anthropic 就在新版 Claude Code 里把/goal 命令抄过来了。官方推文直接说了，这就是 Claude Code 内置的 Ralph Loop（Ralph Loop 只是一个插件）。

用了几个场景，发现 /goal 确实比 Ralph Loop 好用不少，用起来也简单，一句/goal 就能启动，终于不用盯着 Agent 干活了。今天就带你一起看下这个新功能以及它背后的工作原理。

使用方法

升级 Claude Code 到最新版本之后，/goal 后面跟一个完成条件，Claude Code 就会一直干到条件满足为止，比如：

/goal 所有 test/auth 目录下的测试通过,lint 也没有报错

跟普通对话的区别是，每轮结束后 Claude Code 不会停下来等你输入，而是自动开始下一轮。界面上会显示一个/goal active 的状态条，标注运行时长。

具体的使用方法如下所示：

其实可用的命令也就三个：

/goal <条件>：设置目标，立即开始执行
/goal：查看状态，包括条件、时长、轮次、token 用量
/goal clear：取消当前目标（也可以用 stop、cancel、reset）

需要你注意的是，条件怎么写很关键。写得模糊，模型还是有可能会糊弄你。比如这样写：

/goal 给这个项目写完整的测试

“完整”没有定义，模型可以写几十个空壳测试，全部通过，然后宣布完成。所以建议你换成更具体的条件，比如：

/goal 给 src/auth/ 下所有函数写单元测试,要求:
1. 每个测试必须包含真实断言,不能只有空壳
2. 测试覆盖率达到 80% 以上
3. npm test 退出码为 0
4. 不修改 src/ 下的源代码
5. 20 轮后未完成则停止

最后，我还加了条轮次上限，这个也很有用，防止 Claude Code 无限跑下去。

如果由于各种原因，中途退出了（比如到了 5 小时上限），后面再开启时可以用--resume 恢复目标继续执行。注意，你给它设置的条件最长支持 4000 个字符，可以写得很细了。

另外，还有两个比较好用的搭配：

第一个，/goal 跟 auto 模式搭配效果最好。auto 去掉每个工具调用的人工确认步骤，/goal 去掉每轮结束的等待，两个一起开就是完全无人值守。

第二个，在非交互模式开启，在自动化或者 SKILL 场景里面特别有用：

claude -p"/goal CHANGELOG.md 包含本周所有合并的 PR 记录"

实现原理

/goal 本质上是一个 session 级别的 prompt-based Stop hook。这一句话就把它跟 Ralph Loop 区分开了。

你设置一个/goal 条件后，Claude Code（Opus 或 Sonnet）正常工作，读文件、改代码、跑测试。每轮结束后，系统把完成条件和当前对话记录发给一个独立的小模型（默认是 Haiku）。这个模型返回 yes/no 和一条理由。如果 no，理由会注入下一轮对话，告诉 Claude 还差什么，然后自动开始下一轮。如果 yes，goal 标记为完成，记录到对话记录里。

关键是这个评估模型不能调用任何工具，它只能基于对话记录里已有的文字来判断。

评估的提示词很短，从 GitHub 上提取的系统提示词来看，核心逻辑是：

You are evaluating a stop-condition hook in Claude Code.
Read the conversation transcript carefully, then judge
whether the user-provided condition is satisfied.
Your response must be a JSON object with one of these shapes:
- {"ok": true, "reason": ""}
- {"ok": false, "reason": ""}
Always include a "reason" field, quoting specific text from
the transcript whenever possible. If the transcript does not
contain clear evidence that the condition is satisfied,
return {"ok": false, "reason": "insufficient evidence
in transcript"}

注意最后一条：找不到明确证据就默认返回证据不足。评估模型的默认立场是没做完，必须在对话记录里找到实锤才会放行。

不过实际用下来也是有不少问题的。评估模型只看对话文字，不能自己跑命令验证，所以如果工作模型在对话里写了“测试全通过”但实际没跑测试，评估模型看到的证据是充分的，自然会放行。想用好/goal，条件里最好写明具体的验证命令，让 AI 没法绕过。

跟 Ralph Loop 比

Ralph Loop 的核心机制是 Stop hook 拦截：Claude 干完一轮尝试退出时，hook 检查是否达到完成条件，没达到就把原始 prompt 重新注入。完成判断靠精确字符串匹配，Claude 输出DONE 就算完成。prompt 里反复强调“不要撒谎来退出循环”，但模型嘛，说不撒谎就不撒谎了？

跟/goal 比，最关键的差距在完成判断。Ralph Loop 是模型自己说了算，输出一个标记就能退出，bash 脚本做字符串匹配放行，没有任何独立验证。/goal 换成了一个独立的小模型来评估，至少不是自己批改自己的试卷了。另外 Ralph Loop 每轮都会把原始 prompt 原封不动重新注入，跑多了上下文里堆满重复内容，虽然 Claude Code 的 compaction 还是会生效，但这些重复注入本身就是噪音。

顺便提一下，Claude Code 还有个/loop 命令，按时间间隔触发下一轮（比如每 5 分钟跑一次），适合轮询类定时任务。/goal 是每轮结束后立即触发下一轮，适合连续执行的目标。

跟 Codex /goal 比

上篇文章里聊过，Codex/goal 的核心设计是三层：状态持久化（state-db）、权限控制（模型只能标记 complete，不能自行退出）、强制自审（continuation.md 要求拆检查清单，逐项对照真实文件和测试结果）。

Claude Code/goal 走了一条不同的路：不依赖工作模型的自查能力，而是引入独立的评估模型。

实际体验上两者差距明显。Codex 在目标执行和自审过程中可以通过工具来形成验证证据，grep 代码、跑测试、核对 spec，工作模型想造假成本很高。Claude Code 的评估模型只看对话文字，验证深度差一个量级，所以我自己跑下来还是 Codex 强得多（这也跟模型能力有关，Codex 搭配 GPT-5.5 才能达到最好的效果）。

写在最后

翻这几个方案的实现原理时，突然想到了最近一直在关注的 Agent harness 这个话题。你会发现不管是 Claude Code /goal 的评估循环还是 Codex /goal 的权限控制，关键的约束都不是写在提示词里的，而是写在代码里的。Claude Code 用代码层面的 Stop hook 来驱动循环，Codex 的运行时每轮自动注入一段自审提示词，强制模型拆检查清单、逐项验证，模型不能自己选择要不要自审，代码替它做了强制自审。

CLAUDE.md 和 AGENTS.md 里写的规则模型可能忽略，但代码层面的 hook 100% 总会触发。这也是为什么 Agent harness 是必要的，光靠模型自觉是不够的，需要有人在外面用代码控制 AI 行为和边界。