Sådan kører du Claude Code og Codex natten over via /goal i 2026: 14 timers autonom tilstand

Information om at arbejde med Ailoot findes i dokumentationen.

Hvad er /goal, og hvorfor dukkede det op i 2026?#

Scenariet, vi alle kendte før april 2026: Jeg giver Claude en opgave: »migrér projektet fra Pydantic v1 til v2«. Den går i gang, stopper efter 30 sekunder, jeg ser på, hvad den har lavet, og skriver »fortsæt«. Den tager næste skridt, stopper, og jeg skriver »fortsæt« igen. Ved en stor migrering betyder det 200–300 manuelle »fortsæt«, og jeg passer reelt agenten i stedet for at skrive anden kode sideløbende.

OpenAI's analyse var, at problemet ikke var modellens »dumhed«, men loopets arkitektur. Modellen vidste ikke, hvornår den skulle stoppe, så den bremsede ved hver tur. Giv den et kriterium for, hvornår arbejdet er færdigt, så afgør den det selv.

Sådan opstod /goal – en mekanisme indbygget i harnessen, ikke i modellen.

Udtalelsen faldt på konferencen Code with Claude i London den 19.–20. maj 2026. Den beskriver, hvad der faktisk skete i måneden efter lanceringen af /goal i begge værktøjer.

Hvordan opsætter du Goal-tilstand i Claude Code?#

Et minimalt eksempel fra Anthropics officielle dokumentation:

claude -p "/goal CHANGELOG.md har en post for hver PR, der er flettet ind i denne uge"

Denne kommando starter agenten i baggrunden med ét mål. Claude finder PR'erne, tjekker dem mod CHANGELOG.md, tilføjer eventuelle manglende linjer og stopper, når kriteriet er opfyldt.

I interaktiv tilstand skal du blot skrive /goal efterfulgt af kriteriet:

/goal alle pytest-tests består, og mypy strict rapporterer nul fejl

Det gør Claude derefter:

• Efter hver tur får en separat, hurtig model (Haiku som standard) det aktuelle kriterium og samtalehistorikken
• Modellen svarer »ja« eller »nej« med en kort begrundelse
• Hvis svaret er »nej«, tager Claude automatisk endnu en tur uden at give kontrollen tilbage til dig
• Hvis svaret er »ja«, ryddes målet, og kontrollen gives tilbage til dig

Hårde begrænsninger, som ingen fortæller dig om, før du støder på dem:

• /goal virker kun i arbejdsmapper, hvor tillidsdialogen er blevet godkendt. Hvis du bruger en ny maskine, og Claude endnu ikke har husket mappen, mislykkes kommandoen
• I virksomhedsmiljøer med disableAllHooks eller allowManagedHooksOnly er kommandoen ikke tilgængelig
• Kriteriet kan være op til 4,000 tegn langt
• Der kan kun være ét aktivt mål pr. session. En ny /goal nulstiller det gamle mål
• Med --resume bevares kriteriet, men tællerne for ture, tid og tokens nulstilles

Styringskommandoer:

• /goal uden argument – vis den aktuelle status
• /goal clear (eller stop, off, reset, none, cancel) – ryd målet

Ifølge Anthropic er evaluatorens omkostning »normalt ubetydelig sammenlignet med omkostningen ved hovedturen«. Haiku evaluerer kriteriet og samtaleteksten og bruger ikke værktøjer, så kontrollen er billig. Det dyre er hovedmodellens ture.

Hvordan opsætter du /goal i Codex CLI?#

Kommandoen ser ud som i Claude:

codex
> /goal alle vitest-tests består, og der er ingen eslint-fejl

Codex tilbyder flere styringsmuligheder:

Den største forskel fra Claude er, at Codex selv kontrollerer, om arbejdet er »færdigt«, i stedet for at en separat model gør det. Efter hver tur indsætter Codex automatisk skabelonen continuation.md fra kodearkivet openai/codex i konteksten. En direkte oversættelse:

»Fortsæt arbejdet mod det aktive trådmål. Gentag ikke allerede udført arbejde. Vælg den næste konkrete handling, der fører mod målet. Markér kun målet som nået, når en gennemgang viser, at det faktisk er opfyldt, og der ikke er mere nødvendigt arbejde.«

Når tokenforbruget nærmer sig grænsen, indsættes en anden skabelon – budget_limit.md:

»Målet har nået sin tokenbegrænsning. Begynd ikke på større nyt arbejde. Afslut denne tur så hurtigt som muligt: opsummér nyttige fremskridt, identificér det resterende arbejde og hindringerne, og giv brugeren et tydeligt næste skridt.«

Logikken er den samme: »Lad være med at lyve om, hvad du har gjort.« Fortsættelsen kræver kun, at arbejdet fortsætter, hvis målet reelt ikke er opfyldt. Budget_limit kræver, at man stopper, men beskriver ærligt, hvad der mangler.

I modsætning til Claude knytter Codex målet til tråden, ikke sessionen. For eksempel kan du lukke terminalen og åbne den igen om morgenen, og /goal resume fortsætter med det samme mål og de samme fakta i hukommelsen. Det er nyttigt til kørsler, man deler op efter sin egen tidsplan.

Hvordan adskiller /goal i Claude Code sig fra /goal i Codex?#

Det er den mest almindelige udeladelse i sammenligninger, så lad os se nærmere på det.

Den begrebsmæssige forskel er, at Claude behandler loopet som en kvalitetsaftale (en ekstern evaluator), mens Codex behandler det som en udførelsesmekanisme (agenten styrer sig selv).

I praksis betyder det: Hvis du ønsker, at kriteriet for, hvornår arbejdet er færdigt, skal bedømmes upartisk, skal du vælge Claude. Hvis agenten skal kunne kontrollere filer og logfiler under evalueringen, skal du vælge Codex.

Læs mere om værktøjerne i guiden Codex sammenlignet med Claude Code.

Konkret eksempel: Migrering fra Pydantic v1 til v2 på 31 timer#

Opgaven blev formuleret sådan: »migrér fra Pydantic v1 til v2, alle pytest-tests skal bestå, og mypy strict skal rapportere nul fejl.«

Det skete der:

• Session 1 (8 timer) – Codex analyserede importerne, omskrev BaseModel-deklarationerne og satte mypy op
• Session 2 (10 timer) – omskrev validatorer og fik omkring 200 tests til at fejle
• Session 3 (7 timer) – rettede testene og fandt cirkulære afhængigheder
• Session 4 (6 timer) – løste de resterende mypy-fejl og regressioner

Tokenomkostning:

»Samlet tid på uret: cirka 31 timer fordelt på fire sessioner. Codex' samlede tokenomkostning til gpt-5.3-codex-priser var cirka $44.«

Prisen domineres af outputtokens fra gpt-5.3-codex til en pris på $14 pr. million. Det betyder, at 31 timers autonomt arbejde koster omtrent det samme som flere ugers ChatGPT Plus-abonnement.

Det gjorde agenten ikke på egen hånd:

• Den skrev ikke migreringsdokumentation til teamet (Codex forstod ikke, at det var en del af »migreringen«)
• Den opdaterede ikke konfigurationsfiler til publicering med den nye version af Pydantic
• Den overså en produktionsregression, som først blev opdaget en dag senere

Med andre ord udførte /goal 95% af arbejdet; de resterende 5% skal stadig klares manuelt. Det er normalt for den nuværende generation og ingen grund til ikke at bruge det.

14 timer med en macOS-driver natten over#

Hvilke opgaver egner sig til lange kørsler natten over#

De opgavetyper, hvor denne tilgang giver de største gevinster:

• Lavniveauarbejde, hvor en iteration og kontrol tager minutter (kompilering, testkørsel)
• Migreringer med tydelige formelle kriterier (typer, tests, lint)
• Benchmarks og optimeringer med målbare resultater
• Dokumentation og changelogs med en tydelig struktur

Claude /goal gør det lige så godt, men Codex vælges oftere til drivere, fordi det selv kontrollerer filer og logfiler i stedet for at stole på en ekstern bedømmer.

Hvad koster det, og hvordan undgår du at bruge alle dine tokens natten over?#

Tal fra offentlige beretninger:

Det vigtigste at forstå er, at hverken Claude Code eller Codex har en hård grænse af typen »stop med at bruge penge ved $N«. Der er tre sikkerhedsforanstaltninger:

1. Abonnementsgrænser – Pro, Max eller Enterprise. Med Anthropics Max-abonnement ($100/måned) holder en kørslen natten over på 14 timer sig inden for ugekvoten med god margen
2. Tekstgrænse i kriteriet – skriv »eller stop efter 20 ture« direkte i /goal. Claude-dommeren læser det og lukker målet
3. Tokengrænse i Codex – en indbygget mekanisme, der indsætter budget_limit.md, når tokens løber tør

Det, der får regningen til at vokse natten over:

• Et vagt kriterium som »gør det mere praktisk« – agenten stopper aldrig, fordi evaluatoren ikke ved, hvad »bedre« betyder
• Adgang til eksterne API'er uden stubs – hvert nyt forsøg koster tokens
• Lang kontekst – efter 6.7M tokens starter kontekstkomprimering, og noget af hukommelsen går tabt

Læs mere om at spare omkostninger i guiderne hvor Claude Code-tokens bliver af og hvordan du undgår at bruge alle dine grænser.

Hvornår skal du IKKE køre /goal: 5 situationer#

OpenAI's dokumentation siger udtrykkeligt, hvad du IKKE skal gøre:

1. Ændringer på én linje – det koster mere at køre /goal for at omdøbe en variabel end at gøre det manuelt
2. Vage mål – »forbedr ydeevnen«, »gør koden renere«, »gør det mere praktisk«. Evaluatoren har intet kriterium, så agenten vil blive ved i det uendelige
3. Produktionsdatabaser med brugerdata – agenten kan ødelægge en migrering, og det koster mere at gendanne fra en sikkerhedskopi end nogen besparelse
4. Sikkerhedsændringer – godkendelse, kryptering, betalingsbehandling. Et menneske skal gennemgå hver commit her
5. Eksterne API'er uden stubs – hver netværksfejl koster tokens og er uden for din kontrol

Hvad skal du gøre, hvis agenten går i stå?#

Sådan opdager du hurtigt et loop:

• Agenten ændrer de samme filer i 3+ ture og sætter dem derefter tilbage til deres tidligere tilstand
• De samme fejl vises gentagne gange i loggen, selvom agenten allerede har reageret på dem
• Du synes, kriteriet er opfyldt, men agenten siger »ikke opfyldt«
• Tokenforbruget pr. tur stiger, men der sker ingen fremskridt i koden

Det gør du derefter:

• I Claude Code: /goal clear, og gør derefter kriteriet mere specifikt
• I Codex: /goal pause, inspicér den aktuelle tråd, redigér kriteriet med /goal edit, og kør derefter /goal resume
• I begge: kontrollér, at kriteriet faktisk kan verificeres (en kommando returnerer exit 0 eller giver et bestemt output)

Ofte skyldes loopet selve opgaven, ikke agenten. Kriteriet »alle tests består« forudsætter, at testene overhovedet kan bestå. Hvis der er et dybt arkitekturproblem i koden, bliver agenten ved med at kredse om symptomet.

Kriterier for, hvornår arbejdet er »færdigt«: opgavedisciplin for /goal#

OpenAI formulerer reglen klart i sit officielle Codex Cookbook:

Kriterieskabeloner, der faktisk virker:

Kombinationsrækken bruger tests, mypy og lint. Hvis bare én kontrol stadig viser fejl, afsluttes målet ikke. Evaluatoren kan ikke snyde.

Antimønstre:

• »Koden er bedre«
• »Brugervenligheden er forbedret«
• »Ydeevnen er forbedret«
• »Dokumentationen er fuldstændig«

Forskellen på »virker« og »virker ikke« er verificerbarhed. Hvis et kriterium ikke kan kontrolleres med en kommando, kan det slet ikke kontrolleres. Det er også det, OpenAI mener med »sammenhæng over en lang tidshorisont«: En agent kan tænke længe, men den kan ikke selv afgøre, hvad der er »godt nok«.

Du kan afprøve idéen »én prompt – ét resultat« i et rigtigt projekt: angiv /goal, formulér et kriterium, kør det, og analysér, hvad der gik galt.

Lær Ailoot at kende.