从对齐到执行： grill-me + goal， AI 编码的完整工作流

ChatGPT Image 2026 年 5 月 19 日 20_08_44

先想清楚，再放手让 agent 跑

上一篇文章聊了 Matt Pocock 的 grill-me skill用三句话让 agent 像一个严格的 reviewer 一样，把你的方案逐个分支追问到底。它解决的是 AI 编码最核心的问题：对齐。

但对齐只是第一步。你花了半小时被灵魂拷问、做完了决策、写好了 PRD ，然后呢？还是得一句一句地跟 agent 说"接下来做这个"、"继续"、"跑一下测试"、"再改改"。

这就像你跟一个新同事把需求讲得清清楚楚，然后每十分钟去他工位上说一句"干完了吗"。

最近 Codex 和 Claude Code 填上了这个缺口，请更新到最新版。 它们同时推出了 /goal 命令你给 agent 一个明确的目标，它自己循环执行，直到完成或碰到需要你决策的阻塞点。

Grill-me 让你想清楚，/goal 让你放手。这两件事串起来，才是 AI 编码的完整工作流。

下面可以看到,我的一个任务跑了 50 多分钟,我的这些 CLI 都是运行在服务器上的,意味着以后我只需要每天设置好任务,就可以让 AI 24 小时帮我去干活了!

/goal 到底是什么

一句话：**/goal 是一个持久化的执行目标，agent 会自主循环工作直到目标达成。**

以前的交互模式是：

你：帮我修复搜索功能的 bug agent：找到问题了，是 XX 的原因，我改了 YY 你：跑一下测试 agent：测试通过了 你：再检查一下性能有没有退化 ..

每一步都要你盯着、你推着。agent 做完一件事就停下来等你指示。

/goal 改变了这个模式：

/goal 修复搜索功能的 bug ，直到所有测试通过且性能不退化 agent：（自主循环：分析 → 修复 → 测试 → 验证 → 调优 → 再验证...） agent：目标达成。改了 3 个文件，跑了 12 轮测试，最终延迟从 340ms 降到 89ms

它不是"让 agent 在后台跑"那么简单。它有完整的生命周期管理：

状态机：pursuing → paused / achieved / unmet / budget-limited
预算控制：token 预算耗尽时优雅退出，不会乱花钱
证据审计：agent 不能自己说"搞定了"就搞定，必须基于实际的测试结果、代码变更等证据
暂停/恢复：/goal pause 暂停，/goal resume 继续，不丢失上下文

两个平台如何开启?

Codex 的 /goal

Codex CLI 0.128.0 首先推出了 /goal，背后是一个叫 "Ralph loop" 的模式agent 在紧密的循环中工作，每次迭代读取当前状态、执行一个有界的动作、写下结果、退出，然后运行时检查是否继续。

启用方式（目前需要手动开启 feature flag ）：

# ~/.codex/config.toml [features] goals = true

用法：

# 设定目标 /goal 修复 flaky 的 auth 测试，直到连续跑 10 次全部通过 # 管理生命周期 /goal # 查看当前目标状态 /goal pause # 暂停 /goal resume # 恢复 /goal clear # 清除

Codex 的实现有一个关键设计：completion 必须基于证据。agent 不能因为"我觉得差不多了"就标记完成。它必须对比目标和实际的文件变更、测试输出、benchmark 结果等具体证据，才能宣布达成。

Claude Code 的 /goal

Claude Code 2.1.139 紧随其后加入了 /goal，功能几乎对齐：

交互模式：直接在 CLI 里用 /goal
-p 模式：脚本化调用，适合 CI/CD
Remote Control：远程会话中使用

Claude Code 的 /goal 还集成了 token 用量的实时显示你可以看到 agent 跑了多少 token 、花了多长时间、进行了几轮迭代。如果发现 token 在烧但没进展，说明 agent 陷入了循环，该手动介入了。

怎么写一个好的 Goal

不是所有任务都适合 /goal。OpenAI 的官方指南给了一个清晰的判断标准：

适合 /goal 的：下一步取决于当前学到了什么的任务。比如 debug 、性能优化、依赖迁移、flaky test 调查你不知道具体要跑几步，但你知道什么时候算完成。

不适合 /goal 的：一步就能搞定的事。改个变量名、加个注释、读一段代码直接用普通 prompt 就行。

一个好的 Goal 应该包含六件事：

目标：什么状态算完成
验证方式：用什么证据来证明完成
约束：什么东西不能退化
边界：只能动哪些文件/工具
迭代策略：下一步怎么选
阻塞处理：卡住了怎么办

对比一下：

弱的 Goal：

/goal 修复搜索的 bug

（ agent 不知道"修复"的定义是什么，不知道怎么验证，可能改了代码但没跑测试就宣布成功）

强的 Goal：

/goal 修复搜索功能中中文分词返回空结果的问题，验证标准是所有搜索相关测试通过且 中文搜索"机器学习"返回至少 3 条结果。只改搜索服务相关代码，不动其他模块。 如果改了核心分词逻辑，必须跑完整回归测试。如果卡在第三方库问题上，停止并报告 依赖版本信息。

（ agent 知道什么算成功、怎么验证、不能动什么、卡住了怎么办）

串起来：从对齐到执行的完整流程

这是我觉得最有价值的部分。grill-me 和 /goal 不是两个独立的工具，它们是同一个工作流的两个阶段。

第一步：用 grill-me 想清楚

/grill-me 我想给搜索功能加上模糊匹配能力

agent 会开始追问：

模糊匹配的容错级别是什么？一个字的错别字还是整个词？
用什么算法？ Levenshtein ？ Jaccard ？还是 Elasticsearch 的 fuzzy query ？
响应时间要求是多少？
中文和英文的处理方式一样吗？
是在现有搜索结果上加一层，还是作为独立的搜索模式？
需要高亮匹配部分吗？

每个问题都给出推荐答案，你只需要确认或调整。跑完一遍之后，你对要做的事情有了清晰的、完整的认知。

第二步：用 /goal 自动执行

grill-me 跑完之后，你已经知道所有答案了。直接写 Goal：

/goal 给搜索功能加上模糊匹配能力。具体要求： 1. 使用 Levenshtein 距离算法，容错 1 个字符 2. 中英文分别处理，中文按字符匹配，英文按词匹配 3. 响应时间不超过 200ms 4. 在现有搜索结果上叠加模糊匹配结果 5. 高亮匹配部分 6. 验证标准：所有搜索相关测试通过，新增模糊匹配测试覆盖中英文各 5 个 case 7. 只改搜索服务模块，不动其他服务

然后就放手让 agent 跑。它会自己分析代码、设计方案、写代码、跑测试、修复问题、再测试，直到全部通过。