# 2026年に/goalを使ってClaude CodeとCodexを一晩実行する方法：14時間の自律モード

> Claude Code 2.1.139とCodex CLIの/goalコマンドは、AIエージェントを何時間も自律的に実行します。セットアップ方法、実例、消費トークン数を解説します。

Source: https://ailoot.ai/blog/ja/goal-mode-claude-code-codex/
Canonical: https://ailoot.ai/blog/ja/goal-mode-claude-code-codex/
Language: ja
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-103
Revision: sha256-72a61a7c025bff1abe71bb12e85b93595e65a57dc9539d0f759c6b6d4f7370a7


<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

`/goal`コマンドはClaude Code 2.1.139（2026年5月11日）とCodex CLI 0.128.0（2026年4月30日、5月21日から安定版）に登場しました。「完了」の基準を一度定義すると、基準を満たすかトークンが尽きるまで、エージェントは計画、実行、検証のサイクルを自律的に繰り返します。OpenAIは、1,300万トークンを使った25時間の実行を公表しました。これは、測定可能な基準がある移行、ベンチマーク、リファクタリングに適しています。UI作業、本番データベース、または「もっと良くして」のような曖昧な依頼には適していません。

</div>

Ailootの利用方法については、[ドキュメント](https://ailoot.ai/docs/)をご覧ください。

## `/goal`とは何か、なぜ2026年に登場したのか？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

`/goal`が登場する前は、エージェントの各ターンで手動の「続けて」が必要でした。ファイルを開いて読み、何かを書き、停止して待ちます。`/goal`コマンドでは完了基準を一度設定すれば、エージェントが自分でタスクの終了を判断し、完了するまで制御を返しません。

</div>

2026年4月以前、私たちが皆経験していたのは、こんな状況でした。Claudeに「プロジェクトをPydantic v1からv2に移行して」と頼みます。作業を始めますが、30秒後に止まります。結果を確認して「続けて」と入力すると、次の手順を進めてまた止まり、もう一度「続けて」と入力します。大規模な移行では、手動で200～300回「続けて」と入力することになり、並行して別のコードを書く代わりに、実質的にエージェントの面倒を見ることになります。

OpenAIの分析によると、問題はモデルの「頭の悪さ」ではなく、ループのアーキテクチャにありました。モデルはいつ止まればよいか分からず、ターンごとにブレーキをかけていました。「完了」の基準を与えれば、モデル自身が判断できるようになります。

こうして`/goal`が生まれました。モデルではなく、ハーネスに組み込まれた仕組みです。



この発言は、2026年5月19～20日にロンドンで開催されたCode with Claudeカンファレンスでのものです。両方のツールで`/goal`が公開されてからの1カ月に、実際に起きたことを表しています。



## Claude CodeでGoalモードを設定するには？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

Claude Code 2.1.139は、`/goal`コマンドとともに2026年5月11日にリリースされました。小型モデル（デフォルトではHaiku）が、各ターンの後に基準を確認します。基準が満たされていない場合、Claudeは次のターンに進みます。基準は最大4,000文字で、セッションごとに設定できるゴールは1つです。

</div>

Anthropicの公式ドキュメントにある最小限の例です。

```bash
claude -p "/goal CHANGELOG.md has an entry for every PR merged this week"
```

このコマンドは、ゴールを1つ設定してエージェントをバックグラウンドで起動します。ClaudeはPRを探し、CHANGELOG.mdと照合し、不足する行を追加して、基準を満たした時点で停止します。

対話モードでは、`/goal`に続けて条件を入力するだけです。

```
/goal all pytest tests pass and mypy strict reports zero errors
```

その後Claudeは、次のように動作します。

- 各ターンの後、別の高速モデル（デフォルトではHaiku）に現在の条件と会話履歴が渡される
- このモデルは、短い理由を添えて「はい」または「いいえ」と答える
- 答えが「いいえ」の場合、Claudeはユーザーに制御を返さず、自動的に次のターンに進む
- 答えが「はい」の場合、ゴールが解除され、制御がユーザーに戻る

<figure>
<blockquote>
<p>各ターンの後、小型で高速なモデルが条件を満たしたか確認します。満たしていない場合、Claudeはユーザーに制御を返さず、次のターンを開始します。</p>
</blockquote>
<figcaption>— Claude Code公式ドキュメント、https://code.claude.com/docs/en/goal</figcaption>
</figure>

実際に使うまで気づきにくい、厳しい制限があります。

- `/goal`が使えるのは、信頼確認ダイアログを承認済みの作業ディレクトリだけです。新しいマシンで、Claudeがそのディレクトリをまだ記憶していない場合、コマンドは失敗します
- `disableAllHooks`または`allowManagedHooksOnly`が設定された企業環境では、このコマンドを利用できません
- 条件は最大4,000文字です
- 1つのセッションで有効にできるゴールは1つだけです。新しい`/goal`を設定すると、以前のゴールはリセットされます
- `--resume`を使うと条件は保持されますが、ターン数、時間、トークンのカウンターはリセットされます

制御用コマンド：

- 引数なしの`/goal` — 現在の状態を表示
- `/goal clear`（または`stop`、`off`、`reset`、`none`、`cancel`）— ゴールを解除

Anthropicによると、評価にかかるコストは「通常、メインターンのコストと比べて無視できるほど」です。Haikuは基準と会話テキストを評価し、ツールは呼び出さないため、確認は安価です。費用がかさむのは、メインモデルのターンです。



## Codex CLIで`/goal`を設定するには？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

Codex CLI 0.128.0では、2026年4月30日に実験的機能として`/goal`が追加されました。5月21日には、リリース26.519／npm 0.133.0で安定版になりました。2つのプロンプトテンプレート、`continuation.md`（「続行」）と`budget_limit.md`（「停止」）を通じて動作します。ゴールはスレッドに紐づき、再起動後も保持されます。

</div>

コマンドはClaudeの場合と同じです。

```bash
codex
> /goal all vitest tests pass and there are no eslint errors
```

Codexには、ゴールを制御するコマンドがさらにあります。

| コマンド | 動作 |
|-----------------|---------------------------|
| `/goal condition` | ゴールを設定 |
| `/goal` | 状態を表示 |
| `/goal pause` | 一時停止 |
| `/goal resume` | 再開 |
| `/goal edit` | 条件を変更（GA版） |
| `/goal clear` | ゴールを解除 |

Claudeとの主な違いは、別のモデルではなくCodex自身が「完了したか」を確認することです。各ターンの後、Codexは`openai/codex`リポジトリの`continuation.md`テンプレートを自動的にコンテキストに挿入します。文字どおりに訳すと、次のとおりです。

> 「アクティブなスレッドのゴールに向かって作業を続けてください。完了した作業を繰り返してはいけません。ゴール達成に向けた次の具体的な行動を選んでください。ゴールが実際に達成され、必要な作業が残っていないことを監査で確認できた場合に限り、達成済みとしてください。」

トークンが上限に近づくと、2つ目のテンプレート`budget_limit.md`が挿入されます。

> 「ゴールがトークン上限に達しました。新たな大きな作業を始めないでください。このターンをできるだけ早く終えてください。有用な進捗をまとめ、残りの作業とブロッカーを明らかにし、次に何をすればよいかをユーザーに分かりやすく示してください。」

考え方は同じです。「実行したことについて嘘をつかない」。ゴールが本当に未達の場合にだけ続行します。`budget_limit`では停止しますが、残っている作業を正直に説明します。

Claudeとは違い、Codexはゴールをセッションではなくスレッドに紐づけます。夜にターミナルを閉じて朝に開き直し、`/goal resume`を実行すると、同じゴールとメモリ内の同じ事実を引き継いで作業が再開されます。自分のスケジュールに合わせて実行を分割したい場合に便利です。

## Claude Codeの`/goal`とCodexの`/goal`の違いは？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

Claudeでは、作成者と判定者が分かれています。メインモデルがコードを書き、別の小型モデルが判定します。Codexでは、1つのエージェントが自分の作業を確認し、「実行したことについて嘘をつくな」と自分に言い聞かせます。アーキテクチャは異なりますが、ループに陥るリスクは同じです。

</div>

比較の際に最も見落とされやすい点なので、詳しく見てみましょう。

| 項目 | Claude Code `/goal` | Codex `/goal` |
|----|----|----|
| リリース | v2.1.139、2026年5月11日 | v0.128.0、2026年4月30日（実験版）→ v0.133.0／26.519、2026年5月21日（安定版） |
| ゴールの範囲 | セッション | スレッド（再起動後も保持） |
| 制御 | `set`、`clear`（および別名） | `set`、`view`、`pause`、`resume`、`edit`、`clear` |
| 「完了したか」を確認するもの | 別のモデル（デフォルトではHaiku） | 同じエージェントが、挿入されたプロンプトを通じて確認 |
| 評価役のファイルアクセス | なし。会話テキストのみを基に判定 | あり。ファイル、テスト、ログを調べられる |
| 予算 | 条件文に「または20ターン後に停止」と記述 | 組み込みのトークン上限に達すると`budget_limit.md`を自動挿入 |
| ハードな支出上限 | なし。サブスクリプションの制限のみ | なし。サブスクリプションの制限のみ |
| 条件の長さ | 最大4,000文字 | 指定なし |
| 対応環境 | 対話モード、`-p`、デスクトップアプリ、Remote Control | アプリ、IDE拡張、CLI、ACPクライアント |

概念上の違いは、Claudeがループを品質契約（外部評価役）として扱い、Codexが実行の仕組み（エージェントが自己管理）として扱う点です。

実際の使い分けとして、「完了」基準を独立した視点で判定してほしい場合はClaudeを選びます。評価時にエージェント自身がファイルやログを確認できる必要がある場合は、Codexを選びます。

ツール自体について詳しくは、[CodexとClaude Codeの比較ガイド](https://ailoot.ai/blog/ja/codex-vs-claude-code-choice/)をご覧ください。

## 実例：Pydantic v1からv2への移行を31時間で完了

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

Codexの`/goal`は、社内サービスの14,000行をPydantic v1からv2へ移行する作業を、4セッションに分け、実時間で31時間かけて完了しました。gpt-5.3-codexでの費用は約44ドルでした。

</div>

タスクは次のように設定されました。「Pydantic v1からv2へ移行し、すべてのpytestテストを通過させ、mypy strictでエラーが0件になること。」

実際に起きたこと：

- セッション1（8時間）— Codexがインポートを分析し、`BaseModel`の宣言を書き換えて、mypyを設定
- セッション2（10時間）— バリデーターを書き換え、約200件のテストを失敗させる
- セッション3（7時間）— テストを修正し、循環依存を発見
- セッション4（6時間）— 残りのmypyエラーとリグレッションを解消

トークン費用：

> 「実時間の合計：約31時間、4セッション。gpt-5.3-codexの料金で計算したCodexトークン費用の合計：約\$44。」

費用の大部分を占めるのは、100万トークンあたり\$14のgpt-5.3-codex出力トークンです。つまり、自律的に31時間作業させる費用は、ChatGPT Plusの数週間分の料金とほぼ同じです。

エージェントが自力でできなかったこと：

- チーム向けの移行ドキュメントを書かなかった（Codexは、それが「移行」の一部だと理解しなかった）
- 新しいバージョンのPydanticで公開するための設定ファイルを更新しなかった
- 本番環境のリグレッションを1つ見落とし、発見されたのは翌日だった

言い換えれば、`/goal`が作業の95%を行い、残りの5%はまだ手作業で行う必要があります。現行世代では普通のことであり、使わない理由にはなりません。



## macOSドライバーを一晩で14時間作業させる

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

ドライバー開発は対話型の作業には適さない一方、長時間動くループには適しています。

</div>



この方法で最も大きな効果が得られるタスクは次のとおりです。

- 1回の反復と確認に数分かかる低レベルの作業（コンパイル、テストの実行）
- 明確で形式化できる基準がある移行（型、テスト、lint）
- 測定可能な結果があるベンチマークと最適化
- 構成が明確なドキュメントや変更履歴

Claudeの`/goal`でも同様にうまくできますが、Codexは外部の判定役に頼らず、自分でファイルやログを確認できるため、ドライバー開発ではより多く選ばれています。

## 料金はいくらかかる？一晩でトークンを使い切らない方法は？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

`/goal`にはハードな支出上限がなく、あるのはプランの制限だけです。Codexをgpt-5.3-codexで1時間実行する実費は約1.50～3ドルです。Claudeは実行コストが高い一方、評価コストは低くなります。唯一の予防策は、条件自体に「またはNターン後に停止」と書くことです。

</div>

公開情報にある数値：

| 実行 | 時間 | トークン | 費用 |
|----|----|----|----|
| OpenAIのデザインツールのデモ | 25時間 | 1,300万 | （社内での実行） |
| Pydantic v1→v2 | 31時間、4セッション | 約310万出力トークン | 約\$44 |
| 音声インタビューシステム | 合計6時間44分（計算処理は41分） | 入力680万、94%キャッシュ | \- |
| フォントのスモークテスト | 5分 | 188,832 | 週間クォータの5%未満 |

理解しておくべき大切な点は、Claude CodeにもCodexにも「$Nに達したら支出を停止」というハードな上限がないことです。予防策は3つあります。

1.  **サブスクリプションの制限** — Pro、Max、またはEnterprise。AnthropicのMaxプラン（月額100ドル）なら、14時間の夜間実行も、週間クォータに余裕を残して収まります
2.  **条件に含めるテキスト上の制限** — `/goal`に「または20ターン後に停止」と直接書きます。Claudeの判定役がこれを読み、ゴールを終了します
3.  **Codexのトークン上限** — トークンが尽きると`budget_limit.md`を挿入する組み込みの仕組み

一晩のうちに請求額を押し上げるもの：

- 「もっと使いやすくして」のような曖昧な基準。評価役には「より良い」の意味が分からないため、エージェントは決して停止しません
- スタブのない外部APIへのアクセス。再試行するたびにトークンを消費します
- 長いコンテキスト。670万トークンを超えるとコンテキストの圧縮が始まり、メモリの一部が失われます

費用の節約について詳しくは、[Claude Codeのトークン消費先](https://ailoot.ai/blog/ja/where-claude-code-tokens-go/)と[利用上限を使い切らない方法](https://ailoot.ai/blog/ja/claude-code-token-limits-saving/)のガイドをご覧ください。

## `/goal`を実行しない方がよい5つの状況

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

「見栄えを良くする」のような曖昧な基準、1行だけの編集、ユーザーデータがある本番データベース、セキュリティ上重要な変更、外部依存関係が不明確なタスクです。この5つの状況では、エージェントがループに陥るか、何の成果もなくトークンを消費します。

</div>

OpenAIのドキュメントでは、避けるべきことが明確に示されています。

1.  **1行だけの編集** — 変数名を変更するために`/goal`を使う方が、手作業より高くつきます
2.  **曖昧なゴール** — 「性能を向上させる」「コードをきれいにする」「もっと使いやすくする」など。評価役には判断基準がないため、エージェントは延々と処理を続けます
3.  **ユーザーデータがある本番データベース** — エージェントが移行を壊す可能性があり、バックアップからの復元費用が節約額を上回ります
4.  **セキュリティ変更** — 認証、暗号化、決済処理など。この場合は、コミットのすべてを人が確認する必要があります
5.  **スタブのない外部API** — ネットワーク障害が起きるたびにトークンを消費し、制御できません



## エージェントが行き詰まったらどうする？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

エージェントが同じ箇所を3～4ターン編集した後、元に戻すなら、ループに陥っている兆候です。Ctrl+Cで中断してログを確認し、基準を厳しくするか、タスクを1つの作業に絞ります。Claudeでは`/goal clear`が役立ちます。Codexでは`/goal pause`を使い、条件を編集します。

</div>

ループをすばやく見つける方法：

- エージェントが3ターン以上同じファイルを変更し、以前の状態に戻している
- すでに対応したはずのエラーがログに繰り返し現れる
- あなたには条件が満たされているように見えるのに、エージェントは「未達」と答える
- ターンあたりのトークン使用量が増えているのに、コードに進展がない

次にすること：

- Claude Codeの場合：`/goal clear`を実行し、条件をより具体的にする
- Codexの場合：`/goal pause`を実行し、現在のスレッドを確認してから、`/goal edit`で条件を編集し、`/goal resume`を実行する
- どちらの場合も、基準が本当に検証可能か確認する（コマンドが終了コード0を返す、または特定の出力を生成するなど）

ループの原因は、多くの場合エージェントではなくタスク自体にあります。「すべてのテストが通る」という条件は、そもそもテストが通る状態にできることを前提としています。コードに根深いアーキテクチャ上の問題があると、エージェントは症状の周りを回り続けます。

## 「完了」の基準：`/goal`でタスクを規律正しく進める

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="Key takeaways">

重要なポイント

良い基準とは、終了コード0を返すコマンドや、特定の出力が得られることです。「すべてのテストが成功する」は有効ですが、「コードがよりきれいになる」は有効ではありません。テストと最低カバレッジのように、形式的な確認と測定可能な指標を組み合わせるのが最適です。

</div>

OpenAIは公式Codex Cookbookで、このルールを明確に述べています。

<figure>
<blockquote>
<p>モデルが完了したと思っただけでは、ゴールが完了したことにはなりません。ファイル、テスト、ログ、ベンチマーク、その他の具体的な成果物に照らして結果を確認した場合に限り、ゴールは完了です。</p>
</blockquote>
<figcaption>— OpenAI Codex Cookbook「CodexでGoalsを使う」、https://developers.openai.com/cookbook/examples/codex/using_goals_in_codex</figcaption>
</figure>

実際に使える基準のテンプレート：

| 基準の種類 | 表現方法 |
|----|----|
| テスト | 「pytest tests/が終了コード0を返し、カバレッジが80%以上」 |
| 型 | 「src/に対するmypy strictのエラーが0件」 |
| Lint | 「変更したすべてのファイルでeslint .が終了コード0を返す」 |
| ビルド | 「npm run buildが成功し、TypeScriptのエラーがない」 |
| ベンチマーク | 「k6 run perf testでp95が200 ms未満」 |
| 差分 | 「git diffの変更がファイルX、Y、Zのみ」 |
| 組み合わせ | 「pytestが成功し、かつmypy strictのエラーが0件で、かつruff checkが成功する」 |

この例では、テスト、mypy、lintを組み合わせています。確認項目が1つでも失敗していれば、ゴールは終了しません。評価役がごまかす余地はありません。

アンチパターン：

- 「コードが良くなる」
- 「使いやすさが向上する」
- 「性能が向上する」
- 「ドキュメントが完成する」

「動作する」と「動作しない」の違いは、検証可能かどうかです。コマンドで確認できない基準は、何を使っても確認できません。これはOpenAIの言う「長期的な一貫性」も意味しています。エージェントは長時間考えることはできますが、何をもって「十分に良い」とするかを自分で決めることはできません。

実際のプロジェクトで「1つのプロンプト、1つの結果」という考え方を試すことができます。`/goal`を設定し、基準を定めて実行し、何がうまくいかなかったかを分析してください。

<div class="section" role="doc-bibliography" aria-label="Sources">

### 出典

- [Claude Codeの`/goal`ドキュメント（Anthropic）](https://code.claude.com/docs/en/goal)
- [Claude Codeの変更履歴（Anthropic）](https://code.claude.com/docs/en/changelog)
- [OpenAI Codexの変更履歴](https://developers.openai.com/codex/changelog)
- [OpenAI Codex Cookbook：Goalsの利用](https://developers.openai.com/cookbook/examples/codex/using_goals_in_codex)
- [OpenAIブログ：Codexで長時間にわたるタスクを実行する（2026年2月23日）](https://developers.openai.com/blog/run-long-horizon-tasks-with-codex)
- [GitHub openai/codex：continuation.md](https://github.com/openai/codex/blob/6014b6679ffbd92eeddffa3ad7b4402be6a7fefe/codex-rs/core/templates/goals/continuation.md)
- [GitHub openai/codex：budget_limit.md](https://github.com/openai/codex/blob/6014b6679ffbd92eeddffa3ad7b4402be6a7fefe/codex-rs/core/templates/goals/budget_limit.md)

</div>



[Ailoot](https://ailoot.ai/)について詳しく知る。

## 2026年に/goalを使ってClaude CodeとCodexを一晩実行する方法：14時間の自律モード：よくある質問

### /goalの完了条件はどう書けば役立ちますか？

テスト、型チェック、ビルド、ベンチマークの名前と必要な結果を挙げ、確認可能な条件にします。必要なチェックを明示的に組み合わせ、編集してよいファイル範囲も指定してください。「改善して」だけでは、測定できる停止条件になりません。

### エージェントが同じ失敗した編集を繰り返す場合は？

実行を中断してログを確認します。同じファイルを変更して戻し続けるなら、タスクを絞るか合格条件を具体化してください。再開前に、そのチェックが実際に合格可能なことを確かめます。


## Ailoot · 企業とそのプロジェクト群

Ailootは、蓄積した運営経験、幅広い顧客基盤、安定したサービス、継続的なKPI管理を基盤としています。

企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。

Ailootはこの運営経験を、お客様の製品、エージェント、アプリケーション、自動化でAI機能を利用するためのAPIアクセスに活かしています。