Claude 代码新推 /goals 指令：分离执行与评估，避免 AI 代理偷懒说谎

Anthropic 为 Claude Code 推出 /goals 指令，将任务执行与完成判断拆分给两个独立模型，因为让同一个 AI 评判自己的功课，在架构上就是有缺陷的设计。
（前情提要：Claude Code 宣布每周 Token 使用上限增加 50%！为期两个月 Anthropic 抢占开发者生态）
（背景补充：Claude Code 自动执行功能 Routine 上线：排程、API、GitHub 事件三种触发全支持）

你可能遇到过这种情况：AI 完成了代码设计，它回应你任务完成。但几天后你才发现，几个模块根本没有被编译。这不是模型能力不足，而是模型自己决定它「已经做完了」，但实际上它没有。

为了改善这种状况，Anthropic 本周为 Claude Code 新推出 /goals 指令。逻辑很直接：执行任务的模型，和判断任务是否完成的模型，必须是两个不同的角色。同一个模型不能同时扮演这两者，因为它永远是评判自己功课最糟糕的评审。

你如何让 Claude 持续工作直到任务完成？Claude Code 通过几种方式帮助实现，其中之一是我们最近上线 /goal。pic.twitter.com/QtVPmwoKct

— ClaudeDevs (@ClaudeDevs) 2026年5月13日

AI 代理为何会「提前收工」

AI 编码代理的工作是一个循环：读取文件、执行命令、修改代码，然后判断任务是否完成。问题就在最后这一步。

执行过程中积累的上下文：已完成的步骤、尝试过的方法、走过的错误……让模型对自身进度产生偏差。它倾向把「我做了很多」等同于「我做完了」。这个问题在企业环境中代价昂贵：代码迁移或测试修复若在终态前停止，往往要几天后才被发现。

目前产业也有一些方案。OpenAI 让代理模型自行决定何时停止，允许开发者自行接入外部评估器。Google ADK 支持通过 LoopAgent 实现独立评估，LangGraph 也支持类似模式，但这些方案有共同点：批评节点（critic node）和终止逻辑需要开发者自己设计，平台不提供预设。

一个指令、两个模型

/goals 的核心设计是把「执行」和「评估」正式拆成两个角色。开发者输入目标条件，例如：

/goal test/auth 目录下的所有测试都通过，并且 lint 检查结果为干净

每当代理尝试结束工作，评估模型就接手核查。评估模型预设使用 Claude Haiku（Anthropic 旗下较轻量的模型）。选择小模型的原因很简单：评估者只需要做一个二元判断，条件满足或条件未满足，不需要大模型的推理能力。

当条件未满足，代理继续执行；当条件满足，评估模型将结果记录到对话记录并清除目标。整个流程在 Claude Code 内部完成，不需要额外的第三方可观察性平台或自定义日志系统。

Anthropic 文件指出，有效的目标条件通常需要三个要素：可衡量的终态（测试结果、构建退出码、特定文件数量）；明确的验证方式（例如「npm test 退出码为 0」）；以及过程中不得变动的限制（例如「不得修改其他测试文件」）。