澳洲放羊大叔引爆AI编程革命，Claude Code急推goal模式，不干完不许停·2026年05月13日 19:42牧羊大叔三行bash促三大AI实现AI任务闭环功能 【导读】澳洲牧羊大叔随手写的三行bash，11天内被OpenAI、Anthropic和Hermes集体收编了。 一觉醒来，Claude Code又更新！ 为了让Claude 持续工作直到任务完成，Claude Code最近推出的新功能：/goal 。 你只要设定条件，Claude不完成任务它绝不罢休！ 用过AI编程工具的人都懂，这到底多重要！ 你给Agent下了一个任务，它跑了三个回合，改了两个文件，突然停下来问你「接下来需要我做什么？」 不是，bug你这还没修完呢啊！ Agent越来越聪明，写代码越来越快，但「从头到尾把一件事干完」这件事，到2026年初都没有一家能做到。 然后，一位来自澳大利亚的牧羊大叔Geoffrey Huntley，用三行bash解决了。 while :; do cat PROMPT.md | claude-code --continue done 他把它命名为Ralph Loop，致敬《辛普森一家》里那个永远搞不清状况但从不放弃的小孩Ralph Wiggum。  逻辑极其粗暴，无限循环，反复把同一个prompt喂给Agent。进度写在文件系统和Git历史里，上下文满了就开新实例，读文件接着干。 原始，不优雅，但十分有效。 有效到OpenAI看见了，Nous Research看见了，Anthropic也看见了。 11天，三家顶级AI实验室，不约而同地把这三行bash写进了官方产品。 这一刻，所有人都明白了一件事—— 通用人工智能的临门一脚，可能不是更聪明的模型，而是「把事做完」的模型。 换句话说，AI编程的核心战场正在从「生成代码」转向「闭环交付」。 11天，三条线，同一个终点 4月30日，OpenAI的Codex率先上线/goal。 Greg Brockman在X上只丢了一句，「Codex现已内置Ralph loop++」。 一周后，Hermes Agent跟上。又过4天，Claude Code也上了。 11天。三家。同一个命令。同一个功能。 但实现路径，差了十万八千里。 Codex「不忘事」，Hermes「不烂尾」，Claude Code「不自欺」。 Codex：把目标存成一条数据库记录 OpenAI是三家里最先出手的，方案也最简洁。 在Codex里，/goal是一个持久化的工作流对象，存在本地的app-server状态层里。 关掉终端、合上笔记本、甚至重启系统，目标都不会丢。下次打开Codex，自动接上。 模型通过结构化的update_goal工具汇报进度状态，token预算耗尽时触发「软着陆」而非硬停。 有人用这个功能连续跑了14个小时，中间暂停5小时去睡觉，回来Codex从断点续跑，把一个设备驱动项目做完了。 工程化，干净，但克制。 Hermes Agent：一个人干不完，那就上一个团队 Hermes Agent的野心最大。 在这里，/goal只是冰山一角。真正的重头戏是多智能体看板系统，Hermes把「让AI把活干完」从单Agent问题升级成了团队协作问题。 看板的底层是本地SQLite，持久化存储，跨重启不丢。 你在上面创建一个任务卡片，Hermes会直接把它拆成多个子任务，分配给不同的Agent worker。每个worker是一个独立的OS进程，有自己的身份、模型配置和工作目录。 看板和/goal是两套互补的系统。/goal管的是单个Agent的目标锁定（Ralph loop），看板管的是多个Agent之间的任务调度。一个纵向深入，一个横向铺开。 最后，是五层防烂尾机制。 第一层，心跳检测。每个worker定期向看板报到，证明自己还活着。 第二层，僵尸回收。worker超时没响应？系统自动判定死亡，回收它手上的任务重新分配。macOS上还有专门的达尔文僵尸检测逻辑。 第三层，退出拦截。worker没完成任务就退出了？系统自动把它标记为blocked，不让它再接新活，防止「摸鱼型Agent」反复领任务又不做。 第四层，幻觉拦截。这是最狠的一层。AI说「我做完了」不算数，系统会验证它实际产出的代码是否真的落盘了。Agent说自己创建了一个文件但实际上没有？抓住，回滚，重来。 第五层，重试预算。每个任务有独立的max_retries，最多重试N次，超过就上报人类。绝对不会无限循环到死机。 Claude Code：做事的人和验收的人，不能是同一个 Anthropic是三家里最后出手的，但方案最巧妙。 本质上，Claude Code的/goal是一个session级别的Stop Hook。 你设定一个完成条件（比如「test/auth目录下所有测试通过且lint无报错」），Claude就开始干活。 关键设计在验收环节。每干完一轮，系统不让Claude自己判断「我做完了没有」。 它把对话记录和你的完成条件一起发给一个独立的小模型（默认是Haiku），让这个小模型来裁判。 小模型如果觉得没完成，就需要返回一个具体理由（比如「test_login.py还有2个failure」）。然后这个理由会被注入Claude下一轮的上下文，指导它接着干。 如果小模型认为完成了，目标就会自动清除，任务结束。 值得一提的是，这个裁判模型不调用任何工具，不读文件，不跑命令。它只看Claude在对话里产出的内容。 所以，你的完成条件必须是Claude在对话中能证明的东西。 它最长支持4000字符，因此你可以写得很细。 甚至，还可以在条件里加约束，比如「不修改其他测试文件」「20轮内完成否则停止」等等。 决赛进行时：工作流入口 把视角拉远一步。  Claude Code背后站着Anthropic，Codex背后站着OpenAI，Hermes Agent接入了两边的模型，同时也是DeepSeek V4等模型的主力分发渠道。 三条路径，恰好覆盖了ASI决赛的三个生态入口。 而他们争的，也是同一样东西——工作流。 谁的Agent先让开发者养成「设完目标就走开」的习惯，谁就锁死了工作流入口。 因为习惯一旦形成，迁移成本是指数级的。 你不会轻易离开一个已经跑通了看板调度、断点续传、checkpoint回滚的Agent基础设施。 一个看似很小的/goal命令，背后卡的是整条Agent工作流的护城河。 参考资料：  https://code.claude.com/docs/en/goal  https://github.com/NousResearch/hermes-agent/releases/tag/v2026.5.7  https://github.com/anthropics/claude-code/releases/tag/v2.1.139  https://developers.openai.com/codex/changelog  本文来自微信公众号“”，编辑：好困 KingZH ，36氪经授权发布。 该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。