想给大模型训推任务灵犀诊断平台增加「自我演化」的功能，尝试使用claude code的最新的/goal命令，记录从需求拆解到代码合入的完整流程，供同学参考。
最近两周codex、hermes相继发布/goal斜杠命令,这一周 claude code也不甘示弱，跨速发布了它的 /goal 斜杠命令。本文将/goal斜杠命令 + /prd技能 + /after-goal技能，实现了一个产品特性研发全自动化的流程，探索出一个AI+实践的新案例。
在百度内部研发场景中，一个功能从需求到上线通常经历：写 PRD → 拆卡片 → 写代码 → 提 CR → 合入 → 关卡片。这套流程环节多、工具分散（iCafe、iCode、Gerrit），每一步都要手动操作，容易遗漏步骤。
借助 Claude Code 的 Skill 机制，我们可以将这套流程固化成三个阶段，每个阶段对应一个 Slash Command：
| 阶段 | 命令 | 做什么 |
|---|---|---|
| 需求拆解 | /prd |
生成 PRD 文档，拆分为可实现的 iCafe 卡片 |
2026 年 4 月底到 5 月中旬，AI 编程助手的赛道上发生了一件罕见的事：三家最活跃的智能体——OpenAI 的 Codex CLI、Anthropic 的 Claude Code、以及 Nous Research 的 Hermes Agent——在不到两周的时间窗口内，先后推出了各自的 /goal 斜杠命令。
这并非简单的功能追赶。/goal 背后代表的，是 AI 编程助手从"你问我答"的工具，走向"你定目标，我来完成"的自主智能体的关键一步。三家几乎同时落子，说明行业对这一方向的共识已经形成：持久化目标追踪 + 自主循环执行，将是下一代 AI Agent 的标配能力。
本文将从技术实现、设计哲学和行业趋势三个维度，拆解这三个 /goal 命令的异同，试图回答一个问题：当 AI 学会了自己"定目标、追目标、达目标"，开发者的角色将如何改变？
发布时间：2026 年 4 月 30 日（Codex v0.128.0）
Codex 的 /goal 是三者中架构最精密的。OpenAI 用 5 个 PR、约 15,000 行代码，在 10 天内完成了整个实现。据 OpenAI CEO Greg Brockman 的描述，这是"built-in Ralph loop++"——把社区里流行的自主循环模式直接做进了产品。
2026年4月4日，Andrej Karpathy 在 GitHub 上发布了一段不到3000字的文字。没有代码，没有论文，没有基准测试——只有一个想法。
五周之后，这段文字收获了超过5000颗 Star、5000次 Fork，以及评论区里660多条回复。十几个开源项目从中破土而出，一批创业公司以此为核心融资，YouTube 上出现了数十个深度解析视频，中文技术社区里"LLM Wiki"四个字的搜索量在一个月内翻了四十倍。
这一切发生得如此之快，以至于很多人还没来得及搞清楚一个问题：Karpathy 到底说了什么？
Karpathy 的核心论点可以用一句话概括：RAG 是一种没有记忆的知识获取方式。
检索增强生成（Retrieval-Augmented Generation）是当前 AI 行业最主流的知识管理范式。它的原理很直接——你上传一堆文件，当你提问时，系统从文件中检索出相关片段，让大模型基于这些片段生成回答。NotebookLM、ChatGPT 文件上传、几乎所有的企业级 AI 知识库，都走这条路。
OpenAI Codex CLI 是一款运行在终端中的 AI 编程智能体，采用 Rust 编写，主打高性能与高度可配置性。但工具再强，用不好也是白搭。这篇文章不是参考文档——它是一份实战经验总结，告诉你怎么把 Codex 用出最大价值。
这是最重要的一条。OpenAI 官方说得明白：当你不再将 Codex 视为一次性的助手，而是将其视为一个可以随着时间推移不断配置和改进的队友时，它的效果会最好。
具体来说，这条演进路径是这样的：
2025年11月26日，Anthropic 的工程博客上发表了一篇文章。标题平淡得像一份内部备忘录："Effective harnesses for long-running agents"。作者 Justin Young 没有宣布新产品，没有展示基准测试的飞跃，只是描述了一件事：如何让 Claude 在跨越多个上下文窗口的长时间任务中不崩溃。
三个月后，OpenAI 发布了自己的版本。他们的团队用三个工程师、零行手写代码，在五个月内构建了一个百万行代码的生产级产品。GitHub 上一个名为 awesome-harness-engineering 的资源库在几周内成为行业里被引用最频繁的文档之一。LangChain 发布了 Deep Agents——一个被明确定义为"agent harness"的开源运行时。Martin Fowler 的网站上出现了专题文章。36氪、知乎、腾讯云开发者社区的中文解析文章接踵而至。
他们都在讨论同一件事。
只是这件事，还没有一个公认的中文翻译。有人叫它"驾驭工程"，有人叫它"约束工程"，有人干脆不翻译，就叫 Harness Engineering。
Harness Engineering 的起点是一个令很多人不适的观察：你的 Agent 效果不好，可能不是模型的问题，是你的问题。
更准确地说，是你围绕模型搭建的那层基础设施——或者更准确地说，那层基础设施的缺失。
HumanLayer 的博客用了一个刻薄的标题："Skill Issue: Harness Engineering for Coding Agents"。文章的核心论点是：大多数人对 AI Agent 的失望，本质上是一种 skill issue——不是模型的 skill，而是使用者的 skill。你没有给 Agent 足够的上下文，没有设置正确的约束，没有提供验证手段，没有建立反馈回路。Agent 失败了，你归咎于模型，但实际上是你的 harness 不够好。
如果你真的开始把 AI Agent 用进日常工作流，很快会发现一个问题：任务本身不一定难，难的是任务之间的协作能不能可观察、可恢复、可交接。
传统 TODO 列表能记录“有什么事要做”，但很难回答两个更关键的问题：
Hermes 的 Kanban 系统解决的正是这个问题。它不是把 Trello 或 Jira 简单搬进 Agent 世界，而是把看板变成一个多智能体任务中枢：任务会在 Triage、Todo、Ready、In progress、Blocked、Done 这些状态之间流转，父子依赖可以自动晋升，每次运行都有记录，完成任务时还可以留下结构化的 summary 和 metadata，供下游 Agent 继续使用。
Autoresearch 桌面版是一个基于 Tauri v2 + React 的跨平台桌面应用，为 autoresearch 命令行工具提供了完整的图形化操作界面。它让你可以通过直观的 UI 管理 GitHub Issues、配置 AI Agent、监控自动化运行过程、查看历史记录，把原来需要手动敲命令的整个流程，变成点几下鼠标就能搞定的事。
下载：https://github.com/smallnest/autoresearch/releases/tag/v0.1.0
以 https://github.com/smallnest/wxeditor 为例。
我已把wxeditor项目git clone 本地 ~/workspace/mdeditor 文件夹。
打开应用后，首先进入概览页面。点击"切换项目"选择你的代码仓库目录，应用会自动检测项目下是否已有 .autoresearch/ 配置目录、program.md 规则文件和 agents/ Agent 配置目录。全部就绪后，页面会用绿色的状态提示告诉你"配置完整，可以开始使用"。
像 Karpathy 训模型一样开发软件。
Andrej Karpathy 的 AutoResearch 项目于 2026 年 3 月发布，短短几天内在 GitHub 收获 5 万+ 星标，介绍视频播放量达 860 万次。这是一款开源 Python 工具，代码量仅 600 行左右，可让 AI 智能体在无需人工干预的情况下，于单张 GPU 上自主运行机器学习实验。它通过修改训练代码文件（train.py）生成实验方案，以固定 5 分钟训练时长和验证比特率（val_bpb）为统一评估指标，自动筛选并保留效果更优的代码修改，形成「假设生成 → 训练执行 → 指标判断 → 结果回滚/保留」的循环机制。
这个项目的精髓在于三点：① 量化目标（val loss 是唯一判断标准）、② 自主循环（Agent 不需要人类每轮介入）、③ 只保留改进（退化就回滚，绝不将就）。预计每小时可完成约 12 次实验，一觉醒来就能收获上百轮自动优化的结果。
