Kaip palikti Claude Code ir Codex veikti per naktį naudojant /goal 2026 m.: 14 valandų autonominis režimas

Informacijos apie darbą su Ailoot rasite dokumentacijoje.

Kas yra /goal ir kodėl ji atsirado 2026 m.?#

Iki 2026 m. balandžio visi gyvenome taip: duodu Claude užduotį „perkelk projektą iš Pydantic v1 į v2“. Jis pradeda, po 30 sekundžių sustoja, pažiūriu, ką padarė, parašau „tęsk“, jis žengia kitą žingsnį, sustoja ir aš vėl rašau „tęsk“. Didelė migracija reiškia 200–300 rankinių „tęsk“, todėl iš esmės prižiūriu agentą, užuot tuo pat metu rašęs kitą kodą.

OpenAI analizė parodė, kad problema buvo ne modelio „kvailumas“, o ciklo architektūra. Modelis nežinojo, kada sustoti, todėl stabdydavo kiekviename darbo etape. Nurodykite jam kriterijų „atlikta“, ir jis pats nuspręs.

Taip atsirado /goal — į vykdymo aplinką, o ne į modelį integruotas mechanizmas.

Ši pastaba nuskambėjo konferencijoje „Code with Claude“, vykusioje Londone 2026 m. gegužės 19–20 d. Ji apibūdina tai, kas iš tiesų vyko mėnesį po /goal paleidimo abiejuose įrankiuose.

Kaip nustatyti „Goal“ režimą Claude Code?#

Minimalus pavyzdys iš oficialios „Anthropic“ dokumentacijos:

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

Ši komanda paleidžia agentą fone su vienu tikslu. Claude randa PR, sutikrina juos su CHANGELOG.md, įrašo trūkstamas eilutes ir sustoja, kai kriterijus įvykdomas.

Interaktyviuoju režimu tiesiog įveskite /goal ir po jo sąlygą:

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

Ką Claude daro toliau:

• Po kiekvieno darbo etapo atskiras greitas modelis (pagal numatytąją nuostatą „Haiku“) gauna dabartinį kriterijų ir pokalbio istoriją
• Šis modelis trumpai paaiškinęs atsako „taip“ arba „ne“
• Jei atsakymas „ne“, Claude automatiškai pereina į kitą darbo etapą, negrąžindamas jums valdymo
• Jei atsakymas „taip“, tikslas pašalinamas ir valdymas grąžinamas jums

Griežti apribojimai, apie kuriuos sužinosite tik su jais susidūrę:

• /goal veikia tik tuose darbiniuose kataloguose, kuriuose patvirtintas pasitikėjimo dialogas. Jei naudojate naują kompiuterį ir Claude dar neįsiminė to katalogo, komanda neveiks
• Įmonės aplinkoje, kurioje nustatyta disableAllHooks arba allowManagedHooksOnly, komanda nepasiekiama
• Kriterijus gali būti iki 4 000 ženklų
• Vienoje sesijoje gali būti aktyvus tik vienas tikslas. Nauja /goal komanda iš naujo nustato ankstesnį tikslą
• Naudojant --resume, sąlyga išsaugoma, bet darbo etapų, laiko ir tokenų skaitikliai nustatomi iš naujo

Valdymo komandos:

• /goal be argumento — rodyti dabartinę būseną
• /goal clear (arba stop, off, reset, none, cancel) — pašalinti tikslą

Pasak „Anthropic“, vertintojo išlaidos „paprastai yra nereikšmingos, palyginti su pagrindinio darbo etapo kaina“. „Haiku“ vertina kriterijų ir pokalbio tekstą, bet nekviečia įrankių, todėl patikra pigi; daugiausia kainuoja pagrindinio modelio darbo etapai.

Kaip nustatyti /goal Codex CLI?#

Komanda atrodo taip pat kaip Claude:

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

Codex siūlo daugiau tikslo valdymo parinkčių:

Pagrindinis skirtumas nuo Claude — ar darbas „atliktas“, tikrina pats Codex, o ne atskiras modelis. Po kiekvieno darbo etapo Codex automatiškai į kontekstą įterpia continuation.md šabloną iš openai/codex saugyklos. Pažodinis vertimas:

„Toliau siek aktyvaus gijos tikslo. Nekartok jau atlikto darbo. Pasirink kitą konkretų veiksmą, padėsiantį siekti tikslo. Pažymėk tikslą kaip pasiektą tik tada, kai patikra parodo, kad jis iš tiesų įvykdytas ir nebeliko jokių privalomų darbų.“

Kai tokenai artėja prie ribos, įterpiamas antras šablonas — budget_limit.md:

„Pasiektas tikslo tokenų limitas. Nepradėk svarbių naujų darbų. Kuo greičiau užbaik šį darbo etapą: apibendrink naudingą pažangą, nurodyk likusius darbus ir kliūtis, o naudotojui pateik aiškų kitą žingsnį.“

Logika tokia pati: „nemeluok apie tai, ką padarei“. „Continuation“ reikalauja tęsti tik tuo atveju, jei tikslas iš tiesų dar nepasiektas. „Budget_limit“ reikalauja sustoti, bet sąžiningai nurodyti, kas liko.

Kitaip nei Claude, Codex tikslą susieja su gija, o ne su sesija. Pavyzdžiui, terminalą galima vakare uždaryti, o ryte vėl atidaryti; tuomet /goal resume pratęsia tą patį tikslą ir išsaugo tuos pačius atmintyje esančius faktus. Tai naudinga, kai vykdymą skaidote į dalis pagal savo tvarkaraštį.

Kuo skiriasi /goal Claude Code ir /goal Codex?#

Tai dažniausiai lyginant nepastebimas skirtumas, todėl panagrinėkime jį išsamiau.

Esminis skirtumas tas, kad Claude ciklą laiko kokybės sutartimi (išorinis vertintojas), o Codex — vykdymo mechanizmu (agentas valdo pats save).

Praktiškai tai reiškia: jei norite, kad „atlikta“ kriterijų vertintų nešališkai, rinkitės Claude. Jei norite, kad vertindamas agentas galėtų tikrinti failus ir žurnalus, rinkitės Codex.

Daugiau apie pačius įrankius skaitykite Codex ir Claude Code palyginimo vadove.

Tikras pavyzdys: perkėlimas iš Pydantic v1 į v2 per 31 valandą#

Užduotis suformuluota taip: „perkelk iš Pydantic v1 į v2, visi pytest testai turi būti sėkmingi, o mypy strict neturi pranešti apie klaidas“.

Kas nutiko:

• 1 sesija (8 valandos) — Codex išanalizavo importus, perrašė BaseModel deklaracijas ir nustatė mypy
• 2 sesija (10 valandų) — perrašė validavimo funkcijas ir sugadino maždaug 200 testų
• 3 sesija (7 valandos) — pataisė testus ir aptiko ciklines priklausomybes
• 4 sesija (6 valandos) — išsprendė likusias mypy klaidas ir regresijas

Tokenų kaina:

„Bendras laikas: maždaug 31 valanda per keturias sesijas. Bendra Codex tokenų kaina pagal gpt-5.3-codex tarifus: maždaug $44.“

Didžiausią kainos dalį sudaro gpt-5.3-codex išvesties tokenai, kurių milijonas kainuoja 14 $. Tai reiškia, kad 31 valanda autonominio darbo kainuoja maždaug tiek, kiek kelios savaitės ChatGPT Plus prenumeratos.

Ko agentas pats nepadarė:

• Nepateikė komandai migracijos dokumentacijos (Codex nesuprato, kad tai yra „migracijos“ dalis)
• Neatnaujino konfigūracijos failų, reikalingų publikuoti su nauja Pydantic versija
• Nepastebėjo vienos gamybinės regresijos, kuri buvo aptikta tik po dienos

Kitaip tariant, /goal atliko 95 % darbo; likusius 5 % vis tiek reikia atlikti rankiniu būdu. Dabartinės kartos įrankiams tai įprasta ir nėra priežastis jų nenaudoti.

14 valandų per naktį dirbant su macOS tvarkykle#

Užduotys, kurioms šis metodas naudingiausias:

• Žemo lygio darbas, kurio iteracija ir patikra trunka kelias minutes (kompiliavimas, testų vykdymas)
• Migracijos su aiškiais formaliais kriterijais (tipai, testai, lint)
• Etaloniniai bandymai ir optimizavimas, kurių rezultatai išmatuojami
• Aiškios struktūros dokumentacija ir pakeitimų žurnalai

Claude /goal tai atlieka taip pat gerai, tačiau tvarkyklėms dažniau pasirenkamas Codex, nes jis pats tikrina failus ir žurnalus, o ne pasikliauja išoriniu teisėju.

Kiek tai kainuoja ir kaip išvengti tokenų eikvojimo per naktį?#

Viešai paskelbti skaičiai:

Svarbiausia suprasti: nei Claude Code, nei Codex nenustato griežtos ribos „nustok išleidęs $N“. Yra trys apsaugos priemonės:

1. Prenumeratos limitai — Pro, Max arba Enterprise. Naudojant Anthropic Max planą (100 $ per mėnesį), 14 valandų naktinis darbas telpa į savaitės limitą ir dar lieka atsargos
2. Teksto limitas sąlygoje — tiesiogiai komandoje /goal įrašykite „arba sustok po 20 darbo etapų“. Claude teisėjas tai perskaitys ir uždarys tikslą
3. Codex tokenų limitas — įtaisytas mechanizmas, kuris pritrūkus tokenų įterpia budget_limit.md

Kas per naktį padidina sąskaitą:

• Neapibrėžtas kriterijus, pavyzdžiui, „padaryk patogiau“ — agentas niekada nesustos, nes vertintojas nežino, ką reiškia „geriau“
• Prieiga prie išorinių API be stubs — kiekvienas pakartojimas kainuoja tokenų
• Ilgas kontekstas — panaudojus 6,7M tokenų, kontekstas sutraukiamas ir dalis atminties prarandama

Daugiau apie išlaidų mažinimą skaitykite vadovuose kur dingsta Claude Code tokenai ir kaip neišnaudoti savo limitų.

Kada NEpaleisti /goal: 5 situacijos#

OpenAI dokumentacijoje aiškiai nurodoma, ko NEDARYTI:

1. Vienos eilutės pakeitimai — paleisti /goal kintamajam pervadinti kainuoja daugiau nei tai padaryti rankiniu būdu
2. Neapibrėžti tikslai — „pagerink našumą“, „padaryk kodą švaresnį“, „padaryk patogiau“. Vertintojas neturi kriterijaus, todėl agentas suksis be galo
3. Gamybinės duomenų bazės su naudotojų duomenimis — agentas gali sugadinti migraciją, o atkūrimas iš atsarginės kopijos kainuoja daugiau nei bet koks sutaupymas
4. Saugumo pakeitimai — autentifikavimas, šifravimas, mokėjimų apdorojimas. Kiekvieną tokį commit turi patikrinti žmogus
5. Išoriniai API be stubs — kiekvienas tinklo sutrikimas kainuoja tokenų ir nuo jūsų nepriklauso

Ką daryti, jei agentas įstringa?#

Kaip greitai atpažinti ciklą:

• Agentas 3 ar daugiau darbo etapų keičia tuos pačius failus, o paskui grąžina juos į ankstesnę būseną
• Žurnale kartojasi klaidos, į kurias agentas jau buvo sureagavęs
• Jums atrodo, kad kriterijus įvykdytas, bet agentas sako „neįvykdyta“
• Tokenų naudojimas vienam darbo etapui didėja, tačiau kodo pažangos nėra

Ką daryti toliau:

• Claude Code: /goal clear, tada patikslinkite sąlygą
• Codex: /goal pause, patikrinkite dabartinę giją, pakeiskite sąlygą naudodami /goal edit, tada įveskite /goal resume
• Abiejuose įrankiuose: patikrinkite, ar kriterijų tikrai galima patikrinti (komanda grąžina exit 0 arba pateikia konkretų rezultatą)

Dažnai ciklą sukelia pati užduotis, o ne agentas. Sąlyga „visi testai sėkmingi“ daro prielaidą, kad testai išvis gali būti sėkmingi. Jei kode yra gili architektūrinė problema, agentas nuolat suksis aplink jos požymį.

„Atlikta“ kriterijai: darbo disciplina naudojant /goal#

OpenAI šią taisyklę aiškiai pateikia oficialiame Codex Cookbook:

Veikiantys kriterijų šablonai:

Derinio eilutėje naudojami testai, mypy ir lint. Jei bent viena patikra vis dar nesėkminga, tikslas neuždaromas. Vertintojas neturi galimybės sukčiauti.

Netinkami pavyzdžiai:

• „Kodas geresnis“
• „Naudojimo patogumas pagerėjo“
• „Našumas pagerėjo“
• „Dokumentacija išsami“

Skirtumas tarp „veikia“ ir „neveikia“ — galimybė patikrinti. Jei kriterijaus negalima patikrinti komanda, jo apskritai negalima patikrinti. Tai ir turi omenyje OpenAI sakydama „nuoseklumas ilgoje perspektyvoje“: agentas gali ilgai mąstyti, tačiau pats nenusprendžia, kas laikoma „pakankamai gerai“.

Idėją „vienas raginimas — vienas rezultatas“ galite išbandyti realiame projekte: nustatykite /goal, suformuluokite kriterijų, paleiskite ir išanalizuokite, kas nepavyko.

Susipažinkite su Ailoot.