Codex Goals：把“继续做下去”变成可验收的持久目标

你遇到过这种场景：一个 flaky test 偶发失败，你让 AI “再试试”，它跑一轮、失败、解释几句、停下；下一回合你又得重复“继续、换个方向、再跑一遍”。
Goal 的价值就是把这种“多回合推进”变成一份有完成条件的合同：目标不丢、证据验收、可暂停/可恢复，到预算或阻塞点就停并给出可执行的下一步。

什么是 Goal（用一句话讲清）

Goal 是 Codex 线程内持久化的目标状态：你定义“要达成什么 + 怎么验收 + 不能破坏什么”，Codex 围绕这份合同持续工作，直到：

成功（证据满足完成条件）
被你 pause/clear
预算到达
或遇到必须要你补信息的 blocker

什么时候该用 Goal，什么时候不用

适合用 Goal 的任务（终点明确、路径不确定、需要反复验证）：

性能优化：反复跑 benchmark，对比指标
flaky test 排查：复现→最小化→定位→修复→回归
依赖迁移 / 多步重构：每一步都要可验证
bug hunt：需要复现证据、补回归测试
研究复现：需要最终产物 + 证据链，不允许“看起来像”

不适合用 Goal 的任务（一次性即可完成）：

一行改动、短解释、一次性 code review、问完就停的问题

Quickstart（官方示例的最短路径）

确认 Codex 版本（Goals 自 Codex 0.128.0 起可用）
设置 Goal：/goal <目标>

常见安装/升级方式（示例）：

npm install -g @openai/codex@latest
codex --version

brew update
brew upgrade --cask codex
codex --version

/goal 的生命周期命令

/goal        # 查看当前 Goal
/goal pause  # 暂停
/goal resume # 恢复
/goal clear  # 清除

写强 /goal 的“公式”

弱 Goal 往往只有一句“做得更好”，强 Goal 至少包含三件事：

可度量结果：什么算完成（阈值/通过率/次数/输出物齐备）
验证面（evidence surface）：用什么证据验收（tests/benchmark/logs/产物）
约束（constraints）：哪些不能退化（正确性、稳定性、性能下限、不可 overclaim）

推荐再加两项，让它真正可“自动推进到收敛”：

证据打包：固定把日志、配置、随机种子、命令记录下来
停止条件：若做不到，必须产出 blocker 报告（缺什么、下一最小实验是什么）

官方示例：性能类 Goal

/goal Reduce p95 latency below 120 ms without regressing correctness tests

它强在：有阈值（p95 < 120ms），有约束（correctness tests 不回退）。

示例 1：flaky checkout test（我建议你直接用的版本）

/goal Make the flaky checkout test reliable: (1) reproduce the flake with a saved evidence bundle (logs/artifacts/seed/repro steps), (2) identify root cause and land a fix with a regression test or stabilization change, and (3) prove stability by running the test N times locally and/or via CI reruns with 0 failures; otherwise, stop with an evidence-backed blocker report that states exactly what is missing and the next smallest experiment to unblock.

把 N 写死（例如 50/100）后，它就具备“可验收”的结束条件。

示例 2：研究复现（Deep Hedging 的强 Goal 形态）

研究类 Goal 容易踩坑在“产物做出来了，但证据不够、结论 overclaim”。强 Goal 的关键是：把论文结论拆成 claim ledger（主张台账），逐条标注证据等级。

/goal Reproduce Buehler et al. “Deep Hedging” as far as the available materials allow, with an evidence-backed claim ledger. For each headline claim/figure/table: locate definition, run a local experiment plan, generate artifacts (plots/tables/metrics + logs + config), verify against the paper, and record status as {mechanics reproduced | close approximate match | blocked exact replay}. Constraints: do not overclaim; label approximations; record seeds/commands. Completion: a final report with the ledger, artifact links, and blockers + smallest next experiment.

一张检查清单：你写 /goal 前先对照

目标里有明确阈值或可点验收物（不是“更好/更稳/更快”）
明确写了怎么验收（tests/benchmark/日志/产物路径）
写了不能破坏的约束（正确性/兼容性/性能下限/不夸大）
写了失败时要怎么结束（blocker 报告模板：缺什么 + 下一最小实验）
证据要能复跑（命令、配置、seed、依赖版本可复现）

结语

Goal 不是“让 Codex 自己无限循环”。它是你和 Codex 的边界清晰的完成合同：让目标持久，但让证据决定是否完成。