为什么你的代理在几分钟后停止工作？OpenAI工程师：它需要一个记分板和外部存储器

根据东查贝丁的监测，Codex的/goal模式允许代理连续循环，直到任务完成，但这放大了模糊人类提示的缺陷。OpenAI工程师Chris Hayduk指出，从内部实际经验来看，像“优化代码”这样的模糊指令可能导致模型过早放弃，因为不知道终点在哪里，或者陷入盲目的修改循环。为了确保代理能稳定工作数天甚至更长时间，他总结了三条纪律：

• 消除定性术语，用检查清单替代：模型无法评估“更好”的标准，但可以理解“在不失败测试的情况下减少20%的时间”。面对格式化论文等定性任务时，他甚至直接提供了一个包含200个格式要求的Markdown检查清单，将抽象任务残酷地转化为定量任务——“完成所有复选框即为完成。”
• 将验证时间缩短到几分钟：代理需要通过测试验证操作。不要让它在大型生产环境中运行数小时，而应提供一个样本数据集和轻量级框架，使反馈循环尽可能短。
• 创建三个文件作为“外部大脑”：即使有较大的上下文窗口，运行几天后也会失去记忆。他建议直接在本地创建三个Markdown文件：PLAN.md（宏观计划）、EXPERIMENTS.md（实验及结果记录）和EXPERIMENT_NOTES.md（实时思考草稿），强制模型将试错过程写入硬盘。