Näin ajat Claude Codea ja Codexia yön yli /goal-komennolla vuonna 2026: 14 tunnin autonominen tila

Tietoa Ailootin kanssa työskentelystä löytyy dokumentaatiosta.

Mikä /goal on ja miksi se ilmestyi vuonna 2026?#

Tilanne, jonka kaikki tunsimme ennen huhtikuuta 2026: annan Claudelle tehtävän ”siirrä projekti Pydantic v1:stä v2:een”. Se aloittaa, pysähtyy 30 sekunnin kuluttua, katson mitä se sai aikaan ja kirjoitan ”jatka”. Se ottaa seuraavan askeleen, pysähtyy, ja kirjoitan taas ”jatka”. Suuressa migraatiossa tämä tarkoittaa 200–300 manuaalista ”jatka”-kehotusta, ja käytännössä vahtaan agenttia sen sijaan, että kirjoittaisin samalla muuta koodia.

OpenAI arvioi, ettei ongelmana ollut mallin ”tyhmyys” vaan silmukan arkkitehtuuri. Malli ei tiennyt, milloin pysähtyä, joten se jarrutti jokaisella vuorolla. Anna sille valmiuskriteeri, niin se päättää itse.

Näin /goal syntyi: kyse on ajokehykseen sisällytetystä mekanismista, ei mallista.

Huomautus esitettiin Code with Claude -konferenssissa Lontoossa 19.–20. toukokuuta 2026. Se kuvaa sitä, mitä todella tapahtui kuukauden aikana sen jälkeen, kun /goal julkaistiin molemmissa työkaluissa.

Miten Goal-tila otetaan käyttöön Claude Codessa?#

Pieni esimerkki Anthropicin virallisesta dokumentaatiosta:

claude -p "/goal CHANGELOG.md sisältää merkinnän jokaisesta tällä viikolla yhdistetystä PR:stä"

Komento käynnistää agentin taustalla yhden tavoitteen kanssa. Claude etsii PR:t, tarkistaa ne CHANGELOG.md-tiedostoa vasten, lisää puuttuvat rivit ja pysähtyy, kun kriteeri täyttyy.

Kirjoita vuorovaikutteisessa tilassa /goal ja sen perään ehto:

/goal kaikki pytest-testit menevät läpi ja mypy strict raportoi nolla virhettä

Mitä Claude tekee seuraavaksi:

• Jokaisen vuoron jälkeen erillinen nopea malli (oletuksena Haiku) saa nykyisen ehdon ja keskusteluhistorian
• Malli vastaa ”kyllä” tai ”ei” lyhyen perustelun kanssa
• Jos vastaus on ”ei”, Claude ottaa automaattisesti uuden vuoron palauttamatta ohjausta sinulle
• Jos vastaus on ”kyllä”, tavoite tyhjennetään ja ohjaus palautuu sinulle

Vaikeat rajoitukset, joista kukaan ei kerro ennen kuin törmäät niihin:

• /goal toimii vain työhakemistoissa, joiden luottamusdialogi on hyväksytty. Jos käytössä on uusi kone eikä Claude ole vielä muistanut hakemistoa, komento epäonnistuu
• Yritysympäristöissä, joissa on disableAllHooks tai allowManagedHooksOnly, komento ei ole käytettävissä
• Ehto voi olla enintään 4,000 merkkiä pitkä
• Istunnossa voi olla aktiivisena vain yksi tavoite. Uusi /goal nollaa vanhan
• --resume säilyttää ehdon, mutta vuoro-, aika- ja tokenlaskurit nollautuvat

Ohjauskomennot:

• /goal ilman argumenttia – näytä nykyinen tila
• /goal clear (tai stop, off, reset, none, cancel) – tyhjennä tavoite

Anthropicin mukaan arvioijan kustannus on ”yleensä merkityksetön päävuoron kustannukseen verrattuna”. Haiku arvioi kriteeriä ja keskustelutekstiä eikä käytä työkaluja, joten tarkistus on halpa. Kallista ovat päämallin vuorot.

Miten /goal otetaan käyttöön Codex CLI:ssä?#

Komento näyttää samalta kuin Claudessa:

codex
> /goal kaikki vitest-testit menevät läpi eikä eslint-virheitä ole

Codex tarjoaa enemmän tavoitteen hallintakomentoja:

Suurin ero Claudeen on, että Codex tarkistaa itse, onko työ ”valmis”, sen sijaan että erillinen malli tekisi sen. Jokaisen vuoron jälkeen Codex lisää kontekstiin automaattisesti openai/codex-repositoriosta continuation.md-mallipohjan. Vapaa käännös:

”Jatka työskentelyä aktiivisen ketjun tavoitteen eteen. Älä toista jo tehtyä työtä. Valitse seuraava konkreettinen tavoitetta edistävä toimenpide. Merkitse tavoite saavutetuksi vasta, kun tarkastus osoittaa sen todella täyttyneen eikä mitään vaadittua työtä ole jäljellä.”

Kun tokenraja lähestyy, lisätään toinen mallipohja, budget_limit.md:

”Tavoite on saavuttanut tokenrajansa. Älä aloita merkittävää uutta työtä. Päätä tämä vuoro mahdollisimman pian: tiivistä hyödyllinen edistyminen, yksilöi jäljellä oleva työ ja esteet sekä anna käyttäjälle selkeä seuraava askel.”

Logiikka on sama: ”älä valehtele siitä, mitä teit”. Työtä jatketaan vain, jos tavoite ei todella ole vielä täyttynyt. Budget_limit edellyttää pysähtymistä, mutta jäljellä olevat asiat on silti kuvattava rehellisesti.

Codex liittää tavoitteen ketjuun eikä istuntoon. Esimerkiksi päätteen voi sulkea ja avata aamulla, ja /goal resume jatkaa samaa tavoitetta samojen muistissa olevien tietojen kanssa. Tämä on hyödyllistä, kun työ jaetaan omien aikataulujen mukaan osiin.

Miten Claude Coden /goal eroaa Codexin /goal-komennosta?#

Tämä on vertailujen yleisin puute, joten tarkastellaan asiaa yksityiskohtaisesti.

Käsitteellinen ero on se, että Claude käsittelee silmukkaa laatua koskevana sopimuksena (ulkoinen arvioija), kun taas Codex käsittelee sitä suoritusmekanismina (agentti hallitsee itseään).

Käytännössä tämä tarkoittaa, että jos haluat valmiuskriteerin arvioitavan puolueettomasti, valitse Claude. Jos haluat agentin voivan tarkistaa tiedostoja ja lokeja arvioinnin aikana, valitse Codex.

Lue lisää työkaluista Codexin ja Claude Coden vertailuoppaasta.

Todellinen esimerkki: siirtymä Pydantic v1:stä v2:een 31 tunnissa#

Tehtävä asetettiin näin: ”siirry Pydantic v1:stä v2:een, kaikkien pytest-testien on mentävä läpi ja mypy strictin on raportoitava nolla virhettä.”

Näin kävi:

• Istunto 1 (8 tuntia) – Codex analysoi importit, kirjoitti BaseModel-määritykset uudelleen ja otti mypyn käyttöön
• Istunto 2 (10 tuntia) – kirjoitti validaattorit uudelleen ja rikkoi noin 200 testiä
• Istunto 3 (7 tuntia) – korjasi testit ja löysi kehäriippuvuuksia
• Istunto 4 (6 tuntia) – ratkaisi loput mypy-virheet ja regressiot

Tokenkustannus:

”Kokonaisaika kellon mukaan oli noin 31 tuntia neljässä istunnossa. Codexin tokenkustannus gpt-5.3-codexin hinnoilla oli yhteensä noin $44.”

Kustannusta hallitsevat gpt-5.3-codexin ulostulotokenit, joiden hinta on $14 miljoonalta tokenilta. Tämä tarkoittaa, että 31 tuntia itsenäistä työtä maksaa suunnilleen yhtä paljon kuin viikkojen ChatGPT Plus -tilaus.

Mitä agentti ei tehnyt itsenäisesti:

• Se ei kirjoittanut migraatiodokumentaatiota tiimille (Codex ei ymmärtänyt sen kuuluvan ”migraatioon”)
• Se ei päivittänyt määritystiedostoja Pydanticin uuden version julkaisemista varten
• Se ohitti yhden tuotantoregression, joka havaittiin vasta seuraavana päivänä

Toisin sanoen /goal teki 95% työstä; jäljellä oleva 5% täytyy yhä tehdä käsin. Se on nykyiselle sukupolvelle normaalia eikä syy jättää ominaisuutta käyttämättä.

14 tuntia macOS-ajurin parissa yön yli#

Tehtävät, joissa tästä lähestymistavasta on eniten hyötyä:

• Matalan tason työ, jossa iterointi ja tarkistus kestävät minuutteja (kääntäminen, testien ajaminen)
• Migraatiot, joilla on selkeät muodolliset kriteerit (tyypit, testit, lint)
• Vertailutestit ja optimoinnit, joilla on mitattavat tulokset
• Selkeärakenteinen dokumentaatio ja muutoslokit

Claude /goal toimii yhtä hyvin, mutta ajureissa valitaan useammin Codex, koska se tarkistaa itse tiedostoja ja lokeja eikä luota ulkopuoliseen arvioijaan.

Paljonko se maksaa, ja miten vältät tokenien tuhlaamisen yön aikana?#

Julkisista kertomuksista poimittuja lukuja:

Tärkeintä on ymmärtää, ettei Claude Code eikä Codex tarjoa tiukkaa ”lopeta kulutus, kun summa on $N” -rajaa. Suojakeinoja on kolme:

1. Tilausrajat – Pro, Max tai Enterprise. Anthropicin Max-tilauksella ($100/kuukausi) 14 tunnin yöajo mahtuu viikkokiintiöön reilulla marginaalilla
2. Tekstiraja ehdossa – kirjoita ”tai pysähdy 20 vuoron jälkeen” suoraan /goal-komentoon. Claude-arvioija lukee sen ja sulkee tavoitteen
3. Codexin tokenraja – sisäinen mekanismi lisää budget_limit.md-tiedoston, kun tokenit loppuvat

Mikä kasvattaa laskua yön aikana:

• Epämääräinen kriteeri, kuten ”tee siitä kätevämpi” – agentti ei koskaan pysähdy, koska arvioija ei tiedä, mitä ”parempi” tarkoittaa
• Pääsy ulkoisiin API-rajapintoihin ilman stub-ratkaisuja – jokainen uusi yritys kuluttaa tokeneita
• Pitkä konteksti – 6.7M tokenin jälkeen kontekstin tiivistäminen käynnistyy ja osa muistista katoaa

Lue lisää kustannusten säästämisestä oppaista mihin Claude Coden tokenit kuluvat ja miten et kuluta kaikkia rajoituksiasi.

Milloin /goal-komentoa EI kannata käyttää: 5 tilannetta#

OpenAI:n dokumentaatiossa kerrotaan selvästi, mitä EI pidä tehdä:

1. Yhden rivin muutokset – /goal-komennon ajaminen muuttujan nimeämiseksi uudelleen maksaa enemmän kuin käsin tehty muutos
2. Epämääräiset tavoitteet – ”paranna suorituskykyä”, ”siisti koodia”, ”tee siitä kätevämpi”. Arvioijalla ei ole kriteeriä, joten agentti jatkaa loputtomasti
3. Käyttäjätietoja sisältävät tuotantotietokannat – agentti voi rikkoa migraation, ja varmuuskopiosta palauttaminen maksaa enemmän kuin mahdolliset säästöt
4. Tietoturvamuutokset – todennus, salaus, maksunkäsittely. Ihmisen on tarkistettava jokainen commit
5. Ulkoiset API-rajapinnat ilman stub-ratkaisuja – jokainen verkkovirhe kuluttaa tokeneita eikä ole hallinnassasi

Mitä tehdä, jos agentti juuttuu?#

Näin tunnistat silmukan nopeasti:

• Agentti koskee samoihin tiedostoihin 3+ vuoron ajan ja palauttaa ne sitten aiempaan tilaan
• Lokissa toistuvat samat virheet, joihin agentti on jo reagoinut
• Kriteeri näyttää sinusta täyttyneen, mutta agentti sanoo ”ei täyty”
• Tokenkulutus vuoroa kohden kasvaa, mutta koodissa ei tapahdu edistystä

Mitä tehdä seuraavaksi:

• Claude Codessa: /goal clear ja sen jälkeen ehdon tarkentaminen
• Codexissa: /goal pause, nykyisen ketjun tarkistaminen, ehdon muokkaaminen komennolla /goal edit ja sen jälkeen /goal resume
• Molemmissa: varmista, että kriteeri on todella todennettavissa (komento palauttaa exit 0:n tai tuottaa tietyn tulosteen)

Silmukka johtuu usein itse tehtävästä, ei agentista. Ehto ”kaikki testit menevät läpi” olettaa, että testit voivat ylipäätään mennä läpi. Jos koodissa on syvä arkkitehtuuriongelma, agentti kiertää oiretta jatkuvasti.

Valmiuskriteerit: /goal-tehtävien kurinalainen määrittely#

OpenAI esittää tämän säännön selvästi virallisessa Codex Cookbookissaan:

Toimivia kriteerimalleja:

Combo-rivissä yhdistyvät testit, mypy ja lint. Jos edes yksi tarkistus näyttää yhä virheitä, tavoitetta ei suljeta. Arvioija ei pysty huijaamaan.

Vältettävät mallit:

• ”Koodi on parempi”
• ”Käytettävyys on parantunut”
• ”Suorituskyky on parantunut”
• ”Dokumentaatio on valmis”

Ero ”toimii”- ja ”ei toimi” -tilan välillä on todennettavuus. Jos kriteeriä ei voi tarkistaa komennolla, sitä ei voi tarkistaa lainkaan. Tätä OpenAI tarkoittaa myös ”pitkän aikavälin johdonmukaisuudella”: agentti voi ajatella pitkään, mutta se ei voi itse päättää, mikä on ”riittävän hyvää”.

Voit kokeilla ”yksi prompti – yksi tulos” -ajatusta todellisessa projektissa: aseta /goal, muotoile kriteeri, anna sen suorittaa tehtävä ja analysoi, mikä meni pieleen.

Tutustu Ailootiin.