公众号:AI 寒武纪
发布时间:2026 年 5 月 19 日 10:18
OpenAI 发了一篇关于在 Codex 中使用 Goals()的很好的文章。
简单来说这篇文章讲的是何时使用 Goals、Goals 激活时会发生哪些变化,以及如何编写 Goals,以便为 Codex 提供清晰的结果、约束和验证标准。如果你感兴趣的话,还可以了解一下在架构层面上是如何设计 Goals 的
文章中的用 goals 来复现论文的例子我觉得非常有用,很多人应该对这个有强烈需求,这对科研来说简直太有用了。
原文:
https://developers.openai.com/cookbook/examples/codex/using_goals_in_codex
Goals 是什么
Goals 是 Codex 里的持久目标机制。
普通的 prompt 是一次性的:你说做什么,Codex 做完,等你下一条指令。Goals 不一样,它给 Codex 一个持续有效的完成条件:任务什么时候算做完,怎么验证,过程中什么不能动。
图 1 Goal 把一次性对话变成了一个持续循环——每一步都有证据校验
只要目标还在、还在预算内,Codex 可以自己检查进度、决定下一步,不需要你每轮重复一遍目的。
Codex 原本就能处理边界清晰的任务:看代码、修 bug、写测试、解释报错。Goals 针对的是另一类任务:下一步该怎么做,取决于上一步发现了什么。比如性能调优、不稳定测试排查、依赖迁移、需要复现的 bug、多步重构、基于 benchmark 的调参,或者要产出最终文档的研究任务。
这类任务不需要更长的 prompt,需要的是一个持久的目标。
Goals 不是放任 AI 无边界自主运行。它是一个有范围、用户可控的完成合约。你定义结果,Codex 对着线程里的证据工作,目标可以暂停、恢复、清除、完成,也可以被预算限制住。
怎么用
Goals 从 Codex 0.128.0 开始支持。目前只支持 codex cli(),更新到最新版,/experimental
用 npm 安装或更新:
npm install -g @openai/codex@latestcodex --version用 Homebrew():
brew updatebrew upgrade --cask codexcodex --version设置目标,用加上你想达到的结果:
/goal 将 p95 延迟降至 120 毫秒以下,且不引起正确性测试回退生命周期管理命令:
/goal 查看当前目标/goal pause 暂停激活中的目标/goal resume 恢复已暂停的目标/goal clear 移除当前目标目标激活后,Codex 可以自己看代码、跑相关命令、做修改、测结果,一直到达到停止条件为止。停止条件包括:成功完成、暂停、清除、被打断、达到预算上限、或者遇到需要用户介入的阻塞点。
Goals 和普通 prompt 的区别
普通 prompt:你说做这件事,Codex 做,汇报结果,等待。
Goals:Codex 工作,检查是否达标,继续或完成。
区别就在这里。普通请求里,Codex 做完当前指令,等下一条。Goals 让 Codex 有一个持续附在线程上的目标。每轮结束后,它能检查当前证据,判断目标是否达成。如果没有,且目标仍然激活、仍在预算内,Codex 从最新状态继续。
举个例子:
/goal 在 checkout 基准测试中,将 p95 checkout 延迟降至 120 毫秒以下,同时保持正确性测试套件全绿通过这不只是一个"提升性能"的请求。它给了 Codex 一个可测量的结果、一个验证方法、一个约束条件。Codex 可以跑 benchmark,检查热路径,做针对性修改,重跑 benchmark,跑正确性测试套件,如果结果还不达标就继续。
怎么写一个好的 Goal
好的 Goal 不是更长的 prompt,是一个关于 Codex 怎么工作、什么算成功、成功暂时无法达到时怎么办的精简合约。
强 Goal 通常定义六件事:
结果:工作完成时应该是什么状态
验证方法:用什么来证明,比如测试、benchmark、报告、产出物、命令输出、源材料
约束:Codex 工作期间什么不能退化
边界:Codex 可以用哪些文件、工具、数据、仓库或资源
迭代策略:每次尝试后,Codex 怎么决定下一步试什么
阻塞停止条件:什么时候应该停下来,告知当前限制下没有可行路径
一个实用的写法模板:
/goal <期望的最终状态>,通过<具体证据>验证,同时保持<约束>。使用<允许的输入、工具或边界>。每次迭代之间,<Codex应如何选择下一步最佳行动>。如果遇到阻塞或没有有效路径,<Codex应报告什么、什么能解除阻塞>。比较一个弱 Goal 和一个强 Goal:
弱版本:
/goal 将 p95 checkout 延迟降至 120 毫秒以下,同时不引起正确性测试回退强版本:
/goal 将 p95 checkout 延迟降至 120 毫秒以下,以 checkout 基准测试验证,同时保持正确性测试套件全部通过。仅使用 checkout 服务、基准测试夹具及相关测试。在每次迭代之间,记录变动内容、基准测试结果,以及下一步要尝试的最佳实验。如果基准测试无法运行或无有效路径剩余,则停止,并附上已尝试路径、收集到的证据、阻塞点,以及所需的下一步输入强版本里,如果 p95 从 180ms 降到 135ms,Goal 还没完成。如果延迟降到 120ms 以下但正确性测试挂了,Goal 也没完成。如果 benchmark 跑不起来,Codex 必须把这个阻塞报上来,而不是宣布成功。
同样的原则适用于生成产出物。
弱:
/goal 给这个功能写份文档强:
/goal 为 Goals 生成一个文档页面,解释其生命周期、命令界面,并提供两个示例。验证该页面在本地能够成功构建,且所有引用的命令与当前 CLI 行为一致.第二个 Goal 给了 Codex 可以检查的东西:一个页面、一个构建命令、命令行为。
图 。 强目标命名最终状态、验证面和约束
如果任务清楚但还不知道怎么写 Goal,也可以让 Codex 来帮写。先用普通语言描述工作,让 Codex 把它转成 Goal 草稿;再审查草稿,收紧成功条件、验证方法、约束和阻塞停止条件,然后再激活。
Goal 激活后,三件事会改变
第一,目标持续可见。 如果 Codex 跑了一个测试、失败了,线程里还有原始目标。如果 benchmark 提升了但没过阈值,Codex 可以继续。如果研究路径碰到了数据缺失,Codex 可以调整证据计划,不会丢失研究标准。
第二,可以从空闲线程继续。 Codex 不会在另一轮还在跑的时候继续,不会在用户输入排队的时候继续,不会在有其他线程工作待处理的时候继续。只有在线程空闲、目标激活、在预算内时才继续。
第三,完成必须有证据。 Goal 不应该因为模型觉得"大概差不多了"就被标记为完成。只有把目标和具体证据对照检查之后,比如文件改动、命令运行、测试通过、benchmark 输出、生成产物或研究证据,才能标完成。
Goals 的内部设计
Goals 是持久化的线程状态,不是全局记忆,也不是项目级指令。设计上的这个选择很重要:目标属于有相关上下文的那个线程,包括 Codex 检查过的文件、跑过的命令、产出的 diff、看到的日志、积累的推理链。
图 2 目标为当前线程添加持久状态、延续、控制和证据检查
在架构层,Goal 是一个持久的、线程范围内的状态。它记录了 Codex 评估线程所需的目标、生命周期、预算和进度。关键边界是范围:Goal 属于当前线程,不属于全局记忆或项目指令。
Codex 把这个状态作为用户、模型、线程三者之间的合约。Goal 可以处于激活、暂停、完成或达预算上限等状态。这些状态决定了 Codex 是否可以继续、是否应该等用户、还是应该汇总进度而不是开始新工作。
继续是事件驱动的,不是简单的循环。Codex 只在安全边界处检查是否继续:一轮结束后、没有其他待处理工作时、没有用户输入排队时、线程空闲时。
图 。 Codex 仅在目标处于活动状态、线程处于空闲状态且没有用户输入排队时才会继续运行
调度器的行为是有意保守的。纯规划工作不触发继续。被打断会暂停目标。恢复线程时,可以在适当情况下恢复目标。如果某次继续没有产生任何工具调用,下一次自动继续会被抑制,防止 Codex 空转。
预算处理是明确的。达到预算上限时,Codex 应该停止实质性工作,汇总进度和阻塞点,并指出下一步有用的行动。达到预算上限不等于完成目标。
工具合约让生命周期权限保持在边界内。模型可以发起 Goal,也可以在证据支持的情况下将现有 Goal 标记为完成。暂停、恢复、清除和预算限制的状态转变,由用户或系统控制。
用 Goals 做复杂研究:复现一篇量化论文
来看一个具体的研究 Goal 示例。
研究对象是 Buehler()、Gonon、Teichmann 和 Wood 的 Deep Hedging 论文。这篇论文探讨神经交易策略能否在不同风险偏好、交易成本和更高维度市场配置下复现基于模型的对冲。正确的 Goal 不是笼统地"复现这篇论文",而是尝试论文的核心数值结论,把精确的机制与近似训练替代品分开,并明确说明哪些内容因为材料不足而无法精确复现。
弱版本:
/goal 复现 Buehler 等人的《Deep Hedging》这太模糊了。没有说哪个部分重要,什么算复现,怎么处理训练状态不可用的情况,怎么区分数值接近和精确重现。
更好的版本:
/goal 利用现有论文材料和本地资源,对 Buehler 等人的《Deep Hedging》进行最强证据支持的复现。尝试每一个主要结果,验证输出,最终形成一份报告,将复现成功的工作机制、近似训练结果、被阻断的精确复现路径及剩余不确定性区分开来说明强版本有效,因为它指定了证据标准和最终产出物。Codex 不只是在尝试做一个令人印象深刻的复现,它是在用现有证据尽量减少不确定性,同时不夸大证据所能支持的结论。
图 一个研究目标在声明状态之前,先将论文分解为多个证据通道
在实际操作中,这个 Goal 给调查提供了一个具体的操作合约。
Codex 用它来:
- • 分离核心结论与支撑性结论
- • 把这些结论映射到可用证据上
- • 重建可以在本地测试的部分
- • 标注哪些结论因缺乏可用材料而无法精确复现
有几个部分是可行的。Codex 重建了定价和对冲机制(),复现了 Heston 参考价格,训练了 CVaR 对冲实验的策略,重建了主要的直方图和对冲面产出物,复现了 Black-Scholes 交易成本斜率,并为 Heston 交易成本和高维示例运行了训练检查。
有些结论因缺少源材料而无法完成。论文没有提供精确的随机种子、生成的训练路径、TensorFlow 计算图、优化器状态、检查点或完整的原始模拟状态。这意味着最终最诚实的结果是部分和近似的复现,而不是精确的神经网络重现。
这就是 Goal 的价值所在。它让工作在遇到阻塞后继续推进,同时也让最终语言保持诚实。训练替代品可以支持一个结论,数值接近可以提升置信度,重建的图表可以验证部分结果,但这些都不应该被描述为精确还原了原始实验。
最终报告应该保留这些不同层次的支撑,而不是把它们压平成一个单一的"成功"声明。
图 最终输出的内容,应明确区分各项结论背后有不同强度的证据支撑
举个账目条目的例子:
结论:在没有交易成本的情况下,深度对冲近似了完全市场Heston对冲。路径:重建了模型机制,进行了参考对冲比较,训练了神经策略。证据来源:价格检验、直方图和对冲面。状态:接近近似复现。剩余不确定性:原始训练路径、种子和检查点不可用。这就是 Goals 在研究中的示范价值。它让 Codex 在模糊中持续工作,同时防止一个似乎合理的产出物变成一个过度声明的结论。Goal 不只是让 Codex 把事情做完,它定义了"做完"意味着什么:对每个结论逐一审计,有证据支撑,明确近似之处,并对复现和重现之间的边界保持诚实。
什么时候不该用 Goals
Goals 不适合所有任务。
不要对一行代码的修改用 Goal,不要对简单解释用 Goal,不要对短小的代码评审用 Goal,不要对你只想要一个答案然后停下来的问题用 Goal。普通的 Codex prompt 更适合这些情况。
不要在终点线模糊的时候用 Goal。"把这个做得更好"没有给 Codex 可靠的完成条件。"重构这段代码"也很弱,除非你定义了预期的最终状态、测试和约束。
不要用 Goal 来掩盖不确定性。如果数据可能不可用,在 Goal 里说清楚。如果 benchmark 可能不稳定,说明怎么处理。如果允许用代理证据,定义它应该怎么标注。
Goals 在三个特性同时具备时最有力:有持久目标,有基于证据的完成线,以及路径可能需要多轮调查。
总结一下
Goals 改变了 Codex 的运作模式。它把一个线程从一连串孤立的 prompt 变成了围绕着明确结果的有状态工作循环。
架构上是有意限制的。Goal 属于线程范围,带有生命周期状态和预算,可以暂停、恢复、清除、完成或被预算停止。Codex 可以继续工作,但只能在用户定义的合约范围内。
这让 Goals 对 Codex 最有价值的工作最有用:调试、优化、迁移、测试和研究。用户提供目标,Codex 跟着证据走,Goal 让两者保持连接,直到工作要么完成,要么诚实地宣告受阻。
对于复杂研究,这是生成一个答案和产出一份审计报告之间的区别。好的 Goal 不只是让 Codex 把事做完,它告诉 Codex"做完"是什么意思。
--end--