Anthropic 為 Claude Code 推出 /goals 指令，將任務執行與完成判斷分拆給兩個獨立模型，因為讓同一個 AI 評判自己的功課，在架構上就是有缺陷的設計。
（前情提要：Claude Code 宣布每週 Token 使用上限增加 50%！為期兩個月 Anthropic 搶佔開發者生態）
（背景補充：Claude Code 自動執行功能 Routines 上線：排程、API、GitHub 事件三種觸發全支援）
你可能有碰到過這種狀況：AI 完成了程式碼設計，它回應你任務完成。但幾天後你才發現，幾個模組根本沒被編譯。這不是模型能力不足，而是模型自己決定它「已經做完了」，但實際上它沒有。
為了改善這種狀況，Anthropic 本週為 Claude Code 新推出 /goals 指令。邏輯很直接：執行任務的模型，和判斷任務是否完成的模型，必須是兩個不同的角色。同一個模型不能同時扮演這兩者，因為它永遠是評判自己功課最糟糕的評審。
AI 代理為何會「提早收工」
AI 編碼代理的工作是一個迴圈：讀取檔案、執行命令、修改程式碼，然後判斷任務是否完成。問題就在最後這一步。
執行過程中積累的上下文：已完成的步驟、嘗試過的方法、走過的錯誤…讓模型對自身進度產生偏差。它傾向把「我做了很多」等同於「我做完了」。這個問題在企業環境中代價昂貴：程式碼遷移或測試修復若在終態前停止，往往要幾天後才被發現。
目前產業也有一些方案。OpenAI 讓代理模型自行決定何時停止，允許開發者自行接入外部評估器。Google ADK 支援透過 LoopAgent 實現獨立評估，LangGraph 也支援類似模式，但這些方案有共同點：批評節點（critic node）和終止邏輯需要開發者自己設計，平台不提供預設。
一個指令、兩個模型
/goals 的核心設計是把「執行」和「評估」正式拆成兩個角色。開發者輸入目標條件，例如：
/goal test/auth 目錄下的所有測試都通過，並且 lint 檢查結果為乾淨
每當代理嘗試結束工作，評估模型就接手核查。評估模型預設使用 Claude Haiku（Anthropic 旗下較輕量的模型）。選擇小模型的原因很簡單：評估者只需要做一個二元判斷，條件滿足或條件未滿足，不需要大模型的推理能力。
當條件未滿足，代理繼續執行；當條件滿足，評估模型將結果記錄到對話記錄並清除目標。整個流程在 Claude Code 內部完成，不需要額外的第三方可觀察性平台或自訂日誌系統。
Anthropic 檔案指出，有效的目標條件通常需要三個要素：可衡量的終態（測試結果、建置退出碼、特定檔案數量）；明確的驗證方式（例如「npm test 退出碼為 0」）；以及過程中不得變動的限制（例如「不得修改其他測試檔案」）。
📍相關報導📍
Claude Code 桌面版大更新：多工並行、拖拉布局、三種顯示模式+新快捷鍵，為開發者而生
Anthropic 訂閱 Claude Code 封殺龍蝦 OpenClaw！往後第三方工具僅能付費額度
鞭打 Claude code 加速的 badclaude 開源專案，被 Anthropic 寄侵權通知信了
Anthropic AI 經濟指數萬字報告：自動化交易工作流頻率翻倍，Claude 正從工具變生活助理
頂級 AI 模型走向分化：ChatGPT to C，Claude to B
