釋放自主代碼引擎：Codex CLI `/goal` 模式與 Ralph Loop 詳解 (Autonomous Goal Mode)

原始來源與檔名：20260512_2026-05-05T094111+0800-Codex CLI goal 模式详解：OpenAI 官方 Ralph Loop 的自主迭代引擎.md

來源：[[@Pluvio9yte]] / X (Twitter) — 2026-05-03 原始檔名：2026-05-05T094111+0800-Codex CLI goal 模式详解：OpenAI 官方 Ralph Loop 的自主迭代引擎.md

NAPKIN | 餐巾紙

餐巾紙公式

Normal Mode = 1 Prompt -> 1 Response -> Await User. (Assistant) /goal Mode = 1 Strategic Goal -> Loop(Plan -> Code -> Test -> Self-Eval) -> Finish. (Autonomous Engineer) Core Mechanics = SQLite Persistence + continuation.md & budget_limit.md Injection.

這篇文章介紹了 OpenAI 在 Codex CLI v0.128.0 中悄悄釋放的實驗性核武：/goal 模式。這本質上是官方對 Ralph Loop (一種讓 LLM 自主迭代的迴圈架構) 的原生實現。不同於傳統對話「你問一句它答一句」的被動模式，/goal 模式允許開發者設定一個高階戰略目標（如：重構某模組並通過所有測試），然後 Agent 會自主讀取 Git、寫代碼、跑測試、自我修正 bug，直到它自己評估「目標已達成」或「預算耗盡」為止，實現了真正的「無人值守 (Unattended)」開發。

一句話

AI 終於可以自己加班了。/goal 模式打破了過去 LLM 寫代碼「寫到 80% 就停下來等你下指令」的困境。透過自動注入驗證與延續提示詞 (continuation.md)，Codex 會在一輪結束後自己問自己：「完成標準達到了嗎？沒達到的話下一步該做什麼？」這讓中大型專案的自動重構、端到端功能開發成為可能。只要設定好清楚的邊界條件與 Token 預算上限，你真的可以下達指令後去喝杯咖啡，讓 AI 連續運轉好幾個小時。

餐巾紙草圖

[ Codex /goal Loop ]

User: "/goal Migrate auth module to v2, all tests must pass."

  ┌──────> 1. Analyze (Git, Files, Test outcomes)
  │           │
  │           ▼
  │        2. Execute (Write Code, Run Tests)
  │           │
  │           ▼
  │        3. Self-Evaluate (continuation.md injected)
  │           "Is the goal 100% met?"
  │           │
  └─(No)──────┤
              │
             (Yes)
              ▼
            DONE. (Or stopped by budget_limit.md)

ROUND 1: SKELETON | 骨架掃描

“這篇文章在說什麼”

什麼是 /goal: Codex CLI 的「持久目標循環模式」。本質是 OpenAI 原生的 Ralph Loop 實現。會將目標永久儲存在本地 SQLite 庫中。
核心運作機制:
- 分析：讀取歷史、文件與測試結果。
- 執行：制定計畫、寫代碼、修 bug。
- 迭代：自動注入 continuation.md 讓模型自我評估是否達成目標。若未達成則自動啟動下一輪。
兩種模式對比:
- 正常模式：對話助手，一問一答。
- /goal 模式：自主工程師，設定目標後自動循環到底。
適用場景: 長週期複雜任務（重構、建置模組）、需要多次「修改-測試」循環的任務、想要無人值守開發時。
使用建議: 目標必須包含「明確可驗證的完成標準」（例如：測試全數通過）。
注意事項:
- 正面: 成功率從 80% 提升到 95%+，代碼一致性高，極大幅度提升效率。
- 風險: 可能消耗數百萬 Token，必須設定預算上限 (Budget Limit)；最終代碼仍需人工審查。

ROUND 2: DISSECTION | 血肉解剖

“憑什麼這麼說”

核心論證鏈

跨越摩擦力臨界點 (Crossing the Friction Threshold): 傳統 AI 輔助開發最大的摩擦力在於「上下文切換」。每當代碼出現 bug，工程師必須複製報錯訊息貼回聊天視窗。/goal 模式透過自動閉環 (Auto-Loop)，將這個除錯與重試的摩擦力交由機器承擔。因為機器的運算頻率與耐心遠超人類，這種「自動重試」將完工率 (Completion Rate) 從需要人工介入的 70% 推升至機器自主的 95%。
驗證與終止條件的設計: 架構成功的關鍵不在於它能無限跑，而在於它知道「何時該停」。透過底層注入的 continuation.md (評估是否達標) 與 budget_limit.md (評估是否超支)，OpenAI 在工程上解決了自主 Agent 最容易陷入的「無限死迴圈 (Infinite Death Loop)」問題。

關鍵證據

文章中展示的「單輪任務進度條」截圖證明，在一個 /goal 指令下，Codex 會連續執行多個工具調用（如讀取檔案、執行終端機命令、修改程式碼），而不需要使用者的任何擊鍵。

邊界條件

探索性任務的失敗率: /goal 模式極度依賴「可驗證的終止標準」。如果是「研究一個新框架」或「設計一個優美的 UI」這類主觀、缺乏自動化測試護欄的探索性任務，/goal 模式很容易在錯誤的方向上狂奔，消耗大量 Token 卻產出垃圾。

ROUND 3: SOUL | 靈魂提取

“還能怎么用”

知識連結: 完美呼應了 Andrej Karpathy 在《程式設計 20 年來最大的劇變》中提到的：「AI 的隱藏超能力是無限體力 (Infinite Stamina)… 代理程式不會累，它會嘗試 50 種方法、無限除錯」。/goal 模式就是將這個「無限體力」正式產品化的工具。
深層洞見: “从『工具』到『同事』的转变。” 當你使用 /goal 時，你的思維必須從「我要怎麼寫這段 code」轉變為「我要怎麼定義這項任務的驗收標準 (Acceptance Criteria)」。你不再是程式設計師，你是擁有無限耐心的初級工程師的 Tech Lead。
行動呼籲: 升級你的 Codex CLI。挑選一個你一直想做但嫌麻煩的重構任務，撰寫一段包含明確測試指令的目標描述（例如：/goal 將 src/utils 裡的所有舊版 API 替換為 v2，請確保 npm run test:utils 完全通過）。設定好 Token 上限，按下 Enter，然後去睡覺。醒來後檢查它的 Commit 紀錄。

釋放自主代碼引擎：Codex CLI /goal 模式與 Ralph Loop 詳解 (Autonomous Goal Mode)