Como deixar Claude Code e Codex a trabalhar durante a noite com /goal em 2026

Pode encontrar informações sobre como trabalhar com Ailoot na documentação.

O que é o /goal e porque surgiu em 2026?#

O cenário que todos conhecíamos antes de abril de 2026: dou uma tarefa ao Claude — «migra o projeto de Pydantic v1 para v2». Começa, para após 30 segundos, vejo o que fez, escrevo «continua», dá o passo seguinte, para e eu volto a escrever «continua». Numa migração de grandes dimensões, isso significa 200–300 instruções manuais para continuar, e acabo a tomar conta do agente em vez de escrever outro código em paralelo.

A análise da OpenAI concluiu que o problema não era a «estupidez» do modelo, mas a arquitetura do ciclo. O modelo não sabia quando devia parar, por isso travava em cada turno. Se lhe dermos um critério de conclusão, ele decide por si próprio.

Foi assim que surgiu o /goal — um mecanismo integrado no harness, não no modelo.

A observação foi feita na conferência Code with Claude, em Londres, nos dias 19 e 20 de maio de 2026. Descreve o que aconteceu durante o mês seguinte ao lançamento do /goal nas duas ferramentas.

Como configurar o modo Goal no Claude Code?#

Um exemplo mínimo da documentação oficial da Anthropic:

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

Este comando inicia o agente em segundo plano com um objetivo. O Claude encontra os PR, compara-os com o CHANGELOG.md, acrescenta as linhas em falta e para quando o critério estiver cumprido.

No modo interativo, basta escrever /goal seguido da condição:

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

O que o Claude faz a seguir:

• Após cada turno, um modelo rápido separado (Haiku, por predefinição) recebe a condição atual e o histórico da conversa
• Este modelo responde «sim» ou «não», com uma justificação breve
• Se a resposta for «não», o Claude inicia automaticamente outro turno sem lhe devolver o controlo
• Se a resposta for «sim», o objetivo é limpo e o controlo volta para si

Limites rigorosos de que só se apercebe quando os encontra:

• O /goal só funciona em diretórios de trabalho para os quais aceitou o diálogo de confiança. Se estiver num computador novo e o Claude ainda não tiver memorizado esse diretório, o comando falhará
• Em ambientes empresariais com disableAllHooks ou allowManagedHooksOnly, o comando não está disponível
• A condição pode ter até 4 000 caracteres
• Só pode haver um objetivo ativo por sessão. Um novo /goal repõe o anterior
• Com --resume, a condição é preservada, mas os contadores de turnos, tempo e tokens são repostos

Comandos de controlo:

• /goal sem argumento — mostra o estado atual
• /goal clear (ou stop, off, reset, none, cancel) — limpa o objetivo

Segundo a Anthropic, o custo do avaliador é «normalmente insignificante em comparação com o custo do turno principal». O Haiku avalia o critério e o texto da conversa sem recorrer a ferramentas, pelo que a verificação é barata; a parte dispendiosa são os turnos do modelo principal.

Como configurar o /goal no Codex CLI?#

O comando é igual ao do Claude:

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

O Codex oferece mais controlos de objetivos:

A principal diferença em relação ao Claude é que o próprio Codex verifica se está «concluído», em vez de recorrer a um modelo separado. Após cada turno, o Codex insere automaticamente no contexto o modelo continuation.md do repositório openai/codex. Uma tradução literal:

«Continua a trabalhar para alcançar o objetivo ativo da thread. Não repitas trabalho já concluído. Escolhe a próxima ação concreta para avançar em direção ao objetivo. Só assinala o objetivo como alcançado quando uma auditoria demonstrar que foi efetivamente cumprido e que não resta trabalho necessário.»

Quando os tokens se aproximam do limite, é inserido um segundo modelo — budget_limit.md:

«O objetivo atingiu o limite de tokens. Não comeces trabalho substancial novo. Termina este turno o mais depressa possível: resume o progresso útil, identifica o trabalho restante e os bloqueios e deixa ao utilizador um próximo passo claro.»

A lógica é a mesma: «não mintas sobre o que fizeste». Só se deve continuar se o objetivo ainda não tiver sido realmente cumprido. Ao atingir o limite, é preciso parar e descrever com honestidade o que falta.

Ao contrário do Claude, o Codex associa o objetivo à thread, não à sessão. Por exemplo, pode fechar o terminal à noite e abri-lo de novo de manhã, e o /goal resume retoma o mesmo objetivo com os mesmos factos em memória. Isto é útil para execuções divididas em etapas segundo o seu próprio horário.

Em que difere o /goal no Claude Code do /goal no Codex?#

Esta é a diferença mais frequentemente ignorada nas comparações, por isso vamos analisá-la em pormenor.

A diferença conceptual é que o Claude trata o ciclo como um contrato de qualidade (um avaliador externo), enquanto o Codex o trata como um mecanismo de execução (o agente gere-se a si próprio).

Na prática, isto significa que, se quiser um critério de conclusão imparcial, deve escolher o Claude. Se quiser que o agente possa verificar ficheiros e registos durante a avaliação, escolha o Codex.

Saiba mais sobre as ferramentas no guia Codex vs Claude Code.

Exemplo real: migração de Pydantic v1 para v2 em 31 horas#

A tarefa foi definida da seguinte forma: «migra de Pydantic v1 para v2, todos os testes pytest têm de passar e o mypy strict tem de indicar zero erros».

O que aconteceu:

• Sessão 1 (8 horas) — o Codex analisou os imports, reescreveu as declarações BaseModel e configurou o mypy
• Sessão 2 (10 horas) — reescreveu os validadores e fez falhar cerca de 200 testes
• Sessão 3 (7 horas) — corrigiu os testes e encontrou dependências circulares
• Sessão 4 (6 horas) — resolveu os erros de mypy e as regressões restantes

Custo dos tokens:

«Tempo total no relógio: cerca de 31 horas em quatro sessões. Custo total dos tokens do Codex às tarifas do gpt-5.3-codex: cerca de $44.»

O custo deve-se sobretudo aos tokens de saída do gpt-5.3-codex, à tarifa de $14 por milhão. Isto significa que 31 horas de trabalho autónomo custam aproximadamente o mesmo que várias semanas de subscrição do ChatGPT Plus.

O que o agente não fez por iniciativa própria:

• Não escreveu documentação da migração para a equipa (o Codex não percebeu que isso fazia parte da «migração»)
• Não atualizou os ficheiros de configuração para publicar com a nova versão de Pydantic
• Não detetou uma regressão de produção, que só foi identificada no dia seguinte

Por outras palavras, o /goal fez 95% do trabalho; os restantes 5% continuam a ter de ser feitos manualmente. Isso é normal na geração atual e não é motivo para deixar de o utilizar.

14 horas durante a noite num controlador para macOS#

Os tipos de tarefas em que esta abordagem oferece os maiores ganhos:

• Trabalho de baixo nível em que uma iteração e uma verificação demoram minutos (compilação, execução de testes)
• Migrações com critérios formais claros (tipos, testes, lint)
• Benchmarks e otimizações com resultados mensuráveis
• Documentação e changelogs com uma estrutura clara

O Claude /goal faz o mesmo igualmente bem, mas o Codex é escolhido com maior frequência para controladores porque verifica ficheiros e registos por si próprio, em vez de depender de um avaliador externo.

Quanto custa e como evitar gastar todos os tokens durante a noite?#

Números de relatos públicos:

O essencial é perceber o seguinte: nem o Claude Code nem o Codex oferece um limite rígido para «parar de gastar ao chegar a $N». Há três medidas de proteção:

1. Limites da subscrição — Pro, Max ou Enterprise. No plano Max da Anthropic ($100 por mês), uma execução noturna de 14 horas cabe na quota semanal e ainda sobra margem
2. Limite de texto na condição — escreva diretamente no /goal: «ou para após 20 turnos». O avaliador do Claude lê esta condição e encerra o objetivo
3. Limite de tokens no Codex — mecanismo integrado que insere budget_limit.md quando os tokens se esgotam

O que aumenta a fatura durante a noite:

• Um critério vago como «torna-o mais conveniente» — o agente nunca vai parar, porque o avaliador não sabe o que significa «melhor»
• Acesso a APIs externas sem stubs — cada nova tentativa custa tokens
• Contexto longo — após 6.7M tokens, inicia-se a compactação do contexto e perde-se alguma memória

Saiba mais sobre como poupar custos nos guias para onde vão os tokens do Claude Code e como não esgotar os seus limites.

Quando NÃO executar o /goal: 5 situações#

A documentação da OpenAI diz explicitamente o que NÃO fazer:

1. Alterações de uma linha — executar o /goal para mudar o nome de uma variável custa mais do que fazê-lo manualmente
2. Objetivos vagos — «melhora o desempenho», «torna o código mais limpo», «torna-o mais conveniente». O avaliador não dispõe de critérios, por isso o agente ficará num ciclo sem fim
3. Bases de dados de produção com dados de utilizadores — o agente pode estragar uma migração, e restaurar uma cópia de segurança custa mais do que qualquer poupança
4. Alterações de segurança — autenticação, encriptação, processamento de pagamentos. Uma pessoa tem de rever cada commit neste caso
5. APIs externas sem stubs — cada falha de rede custa tokens e está fora do seu controlo

Os fluxos de segurança exigem aprovação manual, e dependências externas pouco claras podem interromper uma execução a meio.

O que fazer se o agente ficar preso?#

Como detetar rapidamente um ciclo:

• O agente altera os mesmos ficheiros durante 3 ou mais turnos e repõe-nos no estado anterior
• Surgem repetidamente no registo erros aos quais já respondeu
• A condição parece-lhe cumprida, mas o agente indica «não cumprida»
• O consumo de tokens por turno está a aumentar, mas não há progresso no código

O que fazer a seguir:

• No Claude Code: /goal clear e, em seguida, torne a condição mais específica
• No Codex: /goal pause, inspecione a thread atual, edite a condição com /goal edit e depois use /goal resume
• Em ambos: confirme que o critério pode realmente ser verificado (um comando devolve o código de saída 0 ou produz um resultado específico)

Muitas vezes, a causa do ciclo é a própria tarefa, não o agente. A condição «todos os testes passam» pressupõe que os testes podem passar. Se existir um problema arquitetónico profundo no código, o agente continuará a dar voltas em torno do sintoma.

Critérios de conclusão: disciplina na definição de tarefas para o /goal#

A OpenAI enuncia esta regra claramente no seu Codex Cookbook oficial:

Modelos de critérios que funcionam na prática:

A combinação usada no exemplo inclui testes, mypy e lint. Se uma única verificação continuar a falhar, o objetivo não é encerrado. O avaliador não tem como fazer batota.

Exemplos a evitar:

• «O código está melhor»
• «A facilidade de utilização melhorou»
• «O desempenho melhorou»
• «A documentação está completa»

A diferença entre «funciona» e «não funciona» está na possibilidade de verificação. Se não for possível verificar um critério com um comando, não é possível verificá-lo de todo. É também a isto que a OpenAI chama «coerência de longo horizonte»: um agente pode pensar durante muito tempo, mas não consegue decidir por si próprio o que é «suficientemente bom».

Pode experimentar a ideia de «um prompt — um resultado» num projeto real: defina o /goal, formule um critério, execute-o e analise o que correu mal.

Conheça o Ailoot.