news 2026/5/23 7:03:33

从 Codex `/goal` 到 MateClaw Persistent Goal：AI 员工为什么需要“长期目标状态”

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
从 Codex `/goal` 到 MateClaw Persistent Goal：AI 员工为什么需要“长期目标状态”

OpenAI Codex CLI 官方 Slash Commands 文档里，/goal的用途是“set, pause, resume, view, or clear a task goal”，也就是给 Codex 一个在较大任务运行期间持续跟踪的 persistent target。这个功能很小，但方向很大：AI Agent 不应该只回答当前这句话，而应该能在多轮里记住自己到底要完成什么。

1./goal背后的变化：从“问一句”到“交付一个目标”

过去我们使用 AI coding agent，大多是这样的：

帮我改这个文件 帮我解释这个函数 帮我修这个测试 帮我生成一个 PR 描述

这类任务通常是一轮或几轮对话就能完成。真正麻烦的是另一类任务：

把这个项目迁移到新框架，并保持测试通过 修复这个跨模块 bug，直到 CI 变绿 完成部署、健康检查、回滚预案和文档更新 调研资料、整理结论、生成报告，再补齐引用

这些任务不是“回答问题”，而是“持续推进”。它们需要：

  • 一个清晰目标；
  • 可验证的完成条件；
  • 中途状态；
  • 预算和停止规则；
  • 进度评估；
  • 必要时自动继续；
  • 完成后留下记录。

Codex/goal把这个方向说清楚了。官方文档将/goal列为 Codex CLI 内置 Slash Command，用来设置、暂停、恢复、查看或清除任务目标；用法包括/goal <objective>创建目标、/goal查看当前目标、/goal pause/resume/clear控制目标状态。官方文档还强调，Codex 会把 goal attached 到 active thread，让任务运行时持续跟踪它。

换句话说，/goal不是普通 prompt，它更像一个“任务契约”。

2. MateClaw 为什么也做 Goal

MateClaw 的核心产品概念是“数字员工”。一个员工不应该只是被动回答消息，它应该知道：

  • 我现在在做什么；
  • 我为什么做这件事；
  • 还差什么；
  • 什么时候算完成；
  • 什么时候应该停下来让用户决定；
  • 这个任务完成后如何沉淀进记忆。

所以 MateClaw 最近一组提交集中在 persistent goal：

  • b8062410 docs: add user guide for the persistent-goal feature
  • e72e3f5c feat(goal,ui): inline set-goal prompt, terminal system-line, sidebar dot
  • 5327b534 fix(goal,ui): wire evaluating halo, followup mark, dedupe system-line icon
  • 08ea126f fix(goal): real evaluator, retry refactor, hardened node + extra edges
  • 8222b6c8 fix(goal): emit goal_evaluated on every GoalEvaluationNode skip path
  • 996a9319 fix(goal,ui): gate inline prompt by real long-task signal; soften copy
  • 07de99cd fix(goal): give reasoning models enough budget for the evaluator JSON

这不是简单加一个“待办事项”。它把目标变成了 conversation 级状态。

3. MateClaw 的 Goal 长什么样

MateClaw 没有把 Goal 做成一个很重的弹窗，也没有让用户切到一个独立页面才能看见状态。

它的产品设计很克制：assistant 头像旁边的一圈光环。

这张本地截图里可以看到几个关键点：

  • 会话中出现了setGoal、addGoalCriterion、completeGoal等工具调用结果；
  • 目标完成后有轻量 system line 提示；
  • 输入框上方有 “这件事要不要设成目标，我帮你跟着？” 的 inline prompt；
  • 目标不是强打扰 banner，而是内嵌到聊天流和头像状态里。

MateClaw 文档里把它描述为：Goal 不是一个新的 tab，也不是 banner，而是员工的一种状态。你只要看到头像旁边的环，就知道这段对话有一个 active goal。

4. 后端：Goal 不是 prompt，而是数据库状态机

MateClaw 的 Goal 后端主要由几部分组成：

模块作用
GoalControllerREST 接口：创建、查询、暂停、恢复、放弃、追加准则、查看事件
GoalManagementTool员工可调用的系统工具：setGoal/addGoalCriterion/completeGoal/getGoalStatus
GoalServiceImpl状态机、预算、事件写入、审计、乐观锁
GoalEvaluationService调 evaluator LLM 输出score/gap/completed
GoalEvaluationNode接在 ReAct / Plan-Execute 的终点后，做每轮目标评估
GoalFollowupService判断是否要注入下一轮 follow-up prompt
mate_agent_goal目标本体表
mate_agent_goal_event目标事件追加日志

这说明 MateClaw 的 Goal 不是把“请记住目标”塞进 system prompt，而是落到了数据库和状态机里。

V120__agent_goal.sql里定义了两张表：

  • mate_agent_goal：保存 title、description、exitCriteria、status、turnBudget、llmCallBudget、进度分数、自动续跑配置等；
  • mate_agent_goal_event：追加记录created、evaluated、followup_injected、completed、exhausted、paused、resumed、abandoned等事件。

还有一个很重要的约束：一个 conversation 同一时刻最多一个 active goal。

MateClaw 没有靠前端判断，而是在 H2 / MySQL 迁移里用 generated column + unique index 保证并发安全。终态目标可以保留历史，但新的 active goal 不会和旧 active goal 冲突。

5. 四个系统工具：员工自己能管理目标

MateClaw 给员工暴露了四个内置工具：

工具作用
setGoal为当前 conversation 创建 persistent goal
addGoalCriterion在不中断目标的情况下追加完成准则
completeGoal显式标记目标完成
getGoalStatus查询当前目标状态、进度、预算和 gap

例如用户可以直接说：

请立刻调用 setGoal 工具，title="部署博客到 fly.io"，turnBudget=10，autoFollowup=true。

这和 Codex/goal <objective>的语义非常接近：用户给出一个长期目标，系统把它绑定到当前会话，并在后续运行中持续追踪。

但 MateClaw 多了一层企业化语义：这个 goal 绑定 conversation、agent、workspace、createdBy，并经过权限校验和审计记录。

6. 每轮回答之后，GoalEvaluationNode 接管

MateClaw 的一个关键设计是：评估发生在 final answer 已经发给用户之后。

也就是说，用户不会因为 evaluator 慢而看不到回答。

执行顺序大致是：

用户请求 → 员工推理 / 计划 / 调工具 → 产生 final answer → 用户先看到回答 → GoalEvaluationNode 读取 active goal + 最近上下文 + final answer → GoalEvaluationService 调 evaluator 输出 JSON → GoalService 写入 progress / gap / event → 决定 completed / exhausted / continue / auto-followup

Evaluator 的输出很克制：

{"score":0.0,"gap":"还缺少部署验证","completed":false}

score >= 0.95或员工调用completeGoal时，目标进入 completed。预算耗尽时进入 exhausted。中间状态写入事件时间线。

7. Auto-followup：不是让模型失控，而是受预算约束地继续

长期任务最怕两种极端：

  • 每一步都要用户催，AI 只是高级问答框；
  • AI 无限自循环，成本和风险不可控。

MateClaw 的 auto-followup 走中间路线。

GoalFollowupService会同时检查：

  • autoFollowupEnabled是否开启；
  • evaluator 是否判断continue；
  • score 是否低于 0.95；
  • follow-up cooldown 是否满足；
  • turnBudget 是否还有空间；
  • agent + eval LLM 调用是否低于总预算的 90%。

满足条件才会注入下一条用户消息：

Continue working on the goal. Still missing: {gap} Take the next concrete step.

这让员工表现得像“自己知道继续做下一步”，但又不会无限跑。

8. UI：低打扰，但状态明确

MateClaw UI 里主要有三个 Goal 组件：

  • GoalAvatarRing.vue：头像光环，显示 active / evaluating / completed / exhausted；
  • GoalSetInlinePrompt.vue：当系统判断这可能是长任务时，轻量询问是否设为目标；
  • GoalSystemLine.vue：目标完成或耗尽时，在消息流里插一条系统线。

它不是用大弹窗抢用户注意力，而是把目标状态藏在工作流本身：

  • active：橙色进度环；
  • evaluating：呼吸光晕；
  • completed：短暂绿色提示；
  • exhausted：红橙提示；
  • auto-followup：消息头像旁标记一个↻。

这点很重要。长期任务的 UI 不应该变成第二个项目管理系统，而应该让用户在聊天流里自然知道“它还在跟”。

9. 子员工不能改父目标：多 Agent 协作里的所有权边界

MateClaw 最近还加入了多层子员工委派树和 nested subagent timeline。Goal 和子员工协作之间有一个明确边界：

child agent 看不到 parent 的四个 goal 工具。

原因很简单：goal 是 parent conversation 的状态。子员工可以执行任务、返回结果，但不能擅自改父会话的目标。

这能避免多 Agent 并发时出现混乱：

  • 子员工 A 认为完成了；
  • 子员工 B 认为还没完成；
  • 子员工 C 擅自改了 exitCriteria；
  • parent 会话不知道谁负责最终状态。

MateClaw 把目标所有权留在 parent，child 是执行体。这是企业级 multi-agent 系统必须有的边界感。

10. 和 Codex/goal的关系：同一个方向，不同落点

Codex/goal更偏开发者 CLI / IDE 里的长期 coding task：

  • 给当前 thread 一个 persistent target；
  • 支持查看、暂停、恢复、清除；
  • 适合长时间编码任务；
  • 和 Codex 的 permissions、sandbox、status、diff、review 等命令一起工作。

MateClaw Persistent Goal 的落点更偏企业 Agent OS：

  • goal 绑定数字员工、会话、工作区和用户；
  • 目标状态进入数据库；
  • 每轮 final answer 后有 evaluator；
  • 有预算、事件、审计；
  • UI 有可见状态；
  • 可以和 ReAct、Plan-and-Execute、多员工委派、Skill、Tool Guard、Channel 结合。

如果说 Codex/goal是给 coding agent 一张“任务契约”，那么 MateClaw Goal 是把这张契约放进企业 Agent 运行时。

11. 为什么这件事值得关注

很多 Agent 产品还停留在：

模型 + 工具调用 = Agent

但真实工作里更需要：

目标 + 状态 + 评估 + 预算 + 续跑 + 留痕 = 可托付的 Agent

这就是/goal和 MateClaw Persistent Goal 共同指向的趋势。

Agent 不只是更会回答，而是开始拥有“持续工作”的状态。

MateClaw 的实现说明，一个企业级 AI 员工至少需要三层能力：

  1. 目标层：知道自己要完成什么；
  2. 执行层：能计划、调工具、委派子员工；
  3. 治理层：能预算、审批、审计、停止、恢复。

Goal 正好把这三层连起来。

结语

Codex/goal让开发者看到一个新的交互范式：不要每轮重复上下文，把目标交给 Agent，让它围绕目标持续推进。

MateClaw 的 Persistent Goal 则把这个思路往企业场景推进了一步：

目标不是提示词，而是员工状态；不是一句话，而是运行时协议；不是靠记忆碰运气，而是靠状态机、评价器、预算和事件日志来承载。

这也是 MateClaw 最近这组 Goal 相关提交真正有价值的地方。

它让数字员工从“会聊天”继续往前走了一步：

开始记得自己到底在完成哪件事。

相关链接

  • OpenAI Codex CLI Slash Commands 官方文档：https://developers.openai.com/codex/cli/slash-commands
  • MateClaw GitHub：https://github.com/matevip/mateclaw
  • MateClaw 官网：https://claw.mate.vip
  • MateClaw 文档：https://claw.mate.vip/docs
  • MateClaw 在线演示：https://claw-demo.mate.vip
版权声明: 本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系邮箱：809451989@qq.com进行投诉反馈，一经查实，立即删除！
网站建设 2026/5/23 6:50:05

广州大学保研与升学深造情况：数据、途径与保送去向

对于有继续深造规划的考生而言&#xff0c;本科阶段能否通过保研或留学实现高质量升学&#xff0c;是志愿填报时的重要考量。本文基于公开的保研数据、学院深造案例和国际联合培养项目信息&#xff0c;对广州大学的升学情况进行梳理。一、总体深造率&#xff1a;超过20%&#x…

作者头像 李华
网站建设 2026/5/23 6:50:00

人员定位系统技术方案：主流定位技术对比与选型到架构方案

在工业互联网与安全生产强制规范驱动下&#xff08;如 AQ 3064.3-2025&#xff09;&#xff0c;人员定位已从 “可选功能” 变为 “必备能力”。传统 RFID 区域定位精度低、Wi‑Fi 误差大、纯 GPS 室内无效&#xff0c;单一技术难以覆盖复杂工业环境。为此&#xff0c;本文详细…

作者头像 李华
网站建设 2026/5/23 6:49:59

元器件选型太难？解锁硬件工程师参数高效对比技巧

做硬件设计十年&#xff0c;选型这件事始终占着研发周期里一块不小的开销。不是说器件本身多难找&#xff0c;而是“比参数—验库存—看替代—画封装”这条流水线&#xff0c;每一步都在吃掉时间。尤其是这两年&#xff0c;一颗普通LDO的备选清单能拉出十几项&#xff0c;数据手…

作者头像 李华
网站建设 2026/5/23 6:44:49

UHF-RFID多普勒运动检测技术解析与应用

1. UHF-RFID运动检测的理论与实践突破 在物流自动化领域&#xff0c;准确判断RFID标签是否真正处于运动状态&#xff08;如传送带上&#xff09;而非静止在附近区域&#xff0c;一直是行业痛点。传统解决方案往往需要增加多个读写器天线或复杂的位置测算系统&#xff0c;成本高…

作者头像 李华
网站建设 2026/5/23 6:43:00

AI 大模型未来技术演进方向与应用发展趋势预判

引言&#xff1a;AI 技术快速迭代&#xff0c;未来已来AI 大模型技术正以超乎想象的速度迭代演进&#xff0c;从参数规模扩张到能力提升、从技术架构创新到应用场景拓展、从成本高企到普惠落地&#xff0c;每一次技术突破都在重塑产业格局、改变商业逻辑、影响生活方式。2026 年…

作者头像 李华