编辑注：本文作者为 OpenAI 开发者倡导者成员 Dominik Kundel，总结了他使用 Codex “目标模式（/goal）”功能的实践经验。文章探讨的不仅是一种常规提示词技巧，更揭示了 AI 编程工具角色正在发生的根本性转变：Codex 不再仅是响应单步指令的代码助手，而正演变为一名可持续向特定目标推进的执行型智能体（executive agent）。
在 /goal 模式下，关键不在于详尽描述需求，而在于为 Codex 设定清晰、可验证的退出条件（exit criteria）。例如：“将部署时间缩短 30%”“实现 100% 的测试覆盖率对等性”“将最大内容绘制（LCP）降低至 2.5 秒以下”。这类量化指标使 Codex 能自主判定任务是否完成，从而避免在模糊不清的目标中无限循环尝试。与此同时，用户需提供充分的引导、可用工具及真实运行环境，以便 Codex 实时度量进展、验证结果——而非仅在本地或假设场景中完成一个看似可行、实则脱离实际的方案。
文章特别警示：视觉类任务最易导致 Codex 沦陷于细节泥潭。与其要求“100% 像素级还原”，不如将视觉目标拆解为功能清单、设计系统规范及可评估的量化指标。对于持续数小时乃至数天的长周期任务，必须通过提交记录（commits）、草稿 PR、进度文档、Slack 更新或 /side 边栏聊天等方式进行持续跟踪，以防最终产出一堆无法追溯的零散变更。
本文所蕴含的增量价值在于：重新定义 /goal 为一种“长期任务管理机制”。当 AI 可持续运行数十甚至数百小时，开发者的核心能力也随之迁移——不再仅限于让 AI 生成代码，而是为其设定目标、建立衡量体系、配置执行环境，并最终开展评审与复盘。换言之，AI 编程正从“编写提示词”迈向“管理连续性任务的工程执行体”。
我们引入目标模式（/goal），旨在助您持续驱动 Codex 朝向某一特定成果推进。一旦设定目标，Codex 将持续工作直至达成该目标——无论耗时数小时抑或数天。已有用户让 Codex 针对同一目标连续运行超过 120 小时。
目标模式（Goal Mode）功能极为强大。为最大化其效能，使用 /goal 时请谨记以下七点：
设定清晰且可验证的标准
您在启用目标模式时输入的提示语，不仅承担初始指令功能，更重要的是作为该目标的退出判据。Codex 将在每次工作会话后检查：该目标是否已达成。因此，您的目标提示语切忌冗长繁复，而应聚焦于一条明确的判定标准——在何种具体条件下，方可认定该目标已完成。
绝大多数情况下，一个优质目标应包含一项具体的数值化指标，供模型客观判断是否完成。例如：“将构建与部署时间缩短 30%”“将此功能从 TypeScript 迁移至 Rust，并实现 100% 的测试覆盖率一致性”“优化应用脚手架，使其在生产环境中的最大内容绘制（LCP）低于 2.5 秒”。
在可能范围内提供指引
类似“将构建与部署时间缩短 30%”这样的提示语听起来简洁有力，也可能激发 Codex 提出一些富有创意的解决方案。但若您已对问题根源有大致判断，此类宽泛提示反而可能误导 Codex。只要条件允许，最佳做法是主动告知 Codex：从何处着手排查？可调用哪些工具来达成目标？或提供其他线索，以防止其误入歧途。
确保进展可度量
若您的目标颇具挑战性，或 Codex 存在多种渐进式逼近路径，则务必为其配备度量进展的工具。部分任务本身即具备天然度量属性；而对于其他目标，建议优先与 Codex 共同头脑风暴：“哪些工具可用于评估当前进展？”或为其提供若干提示，帮助其确认自身是否正朝着目标稳步靠近。
构建贴近现实的运行环境
若希望 Codex 高效地向目标取得实质性进展，它必须运行于足够贴近真实场景的环境中。实践中这意味着：若目标是优化部署耗时或解决延迟问题，Codex 应能访问与生产环境高度一致的部署与测试环境——包括相同的技术栈、相似的配置参数以及规模相当的数据库。
审慎设定视觉类目标
向 Codex 提出“基于此图像 100% 像素级还原该 UI”之类的视觉目标，的确颇具吸引力。然而，依据具体配置不同，此举也可能带来显著挑战。若未提供恰当指引与约束，Codex 易在局部细节中迷失方向，进而偏离整体目标。因此，图像通常更适合作为上下文辅助信息，而非唯一或核心的完成判据。
持续跟踪进展
若 Codex 在后台持续运行数小时乃至数天，人们极易遗忘其当前状态与最新进展。实用策略包括：要求 Codex 在关键节点自动提交代码、更新面向管理者的交付物、主动向 Slack 发布阶段性进展、或使用 /side 命令开启新边栏对话，以便快速核查状态。
清理残留并最终确认结果
太好了，目标终于达成了！尤其在优化类任务中，我通常发现让 Codex 自行复核与检验其全部工作成果十分有益。由于 Codex 会持续运行直至目标达成，过程中可能尝试过若干低效甚至完全无效的方法，这些过程性改动可能仍残留在最终代码中。不妨将“复核本次成果”设为您下一阶段任务的目标。
[律动]
AI向执行代理的演进：对加密货币市场的影响
OpenAI推出Codex的”目标模式”(/goal)功能代表了AI能力从响应式代码助手向主动的、目标导向型代理的转变。这一发展为加密货币市场带来了深远影响，因为AI集成正在交易算法、DeFi协议和区块链分析领域加速推进。
市场影响：从代码生成到任务管理
最重要的意义是从”编写提示”到”管理连续任务工程执行者”的转变。对于加密货币开发者而言，这意味着AI系统能够在没有持续人工干预的情况下，自主处理复杂的优化任务数天之久——例如将交易延迟降低30%，提高智能合约验证覆盖率，或优化DEX上的gas费用。
这种能力可能会显著加速加密货币项目的开发周期。专注于AI驱动的交易机器人或自动做市商的团队将获得最大收益，因为他们的AI系统现在可以持续运行，以比以往更大的持久性识别和利用市场低效现象。
代币价格影响
成功整合先进AI能力项目的代币可能会看到积极的价格势头：
-
AI增强型DeFi协议：将目标驱动的AI用于流动性管理、风险评估或套利机会的项目可能会受到投资者的更多关注，因为它们的系统展示了更复杂的自主操作能力。
-
开发基础设施代币：为区块链环境提供AI开发工具的平台可能会看到需求增加，因为开发者正在采用这些新的AI能力。
-
专注AI的加密项目：已经处于AI与区块链交叉点的项目，如SingularityNET或Fetch.ai，可能会受益于AI不断演进能力的更广泛认可。
然而，我们也必须考虑风险。随着AI系统承担更多自主角色，意外行为或漏洞的可能性增加，这可能引发对集成AI的加密货币项目的负面情绪。
风险与挑战
-
安全漏洞：长时间运行的自主AI系统可能会发现并利用人类审计人员可能遗漏的协议安全漏洞。在这种情况下，文章提出的真实测试环境的建议变得至关重要。
-
意外后果：目标驱动的AI可能会针对特定指标进行优化，同时忽略其他重要考虑因素，例如用户体验或协议的长期可持续性。
-
权力集中：随着高级AI能力变得越来越有价值，我们可能会看到权力向资金充足的项目集中，可能使较小的开发者边缘化。
-
监管审查：做出财务决策的自主AI系统可能会吸引更多的监管关注，给加密货币项目带来合规挑战。
投资机会
-
AI开发工具：为区块链环境提供AI开发基础设施的公司将从开发者采用这些高级能力中受益。
-
验证与审计服务：随着AI承担更复杂的任务，用于验证AI生成代码和自主系统的专业服务可能变得必不可少。
-
混合AI-人类治理模式：成功平衡自主AI能力与人类监督的项目可能获得竞争优势和投资者信心。
-
跨链AI解决方案：随着AI系统变得更加复杂，使这些系统能够在多个区块链上运行的项目可能捕获巨大价值。
加密货币投资者战略建议
-
评估AI集成：不仅要评估加密货币项目当前的AI能力，还要评估它们采用目标驱动系统等高级AI工具的战略。
-
关注可衡量成果：如文章所强调的，优先考虑为其AI实施提供明确、可验证指标的项目，而不是模糊的”AI增强”承诺。
-
考虑风险管理：为AI系统实施强大监控和审查机制的项目——类似于文章对结果最终确认的建议——可能呈现较低的风险状况。
-
监控长期AI发展：跟踪AI能力从代码助手向执行代理演进的进展，因为这些发展将不断重塑加密货币领域的竞争动态。
目标驱动的AI的出现不仅代表着技术演进，还标志着开发工作概念化和执行方式的根本转变。对于加密货币市场，AI能力的加速发展可以解锁新的自动化和优化水平，但仅限于那些在保持适当保障措施的同时深思熟虑地整合这些强大工具的项目。