近日，编程领域迎来一场新变革：开发者开始将任务规划权交给AI模型，人类仅需提供初始意图，后续从目标制定到子任务拆解，均由AI自主完成。这一趋势在Codex、Cursor、Claude等主流编程工具中集中显现，引发开发者社区对“人类在编程流程中角色定位”的激烈讨论。
这一模式的核心在于Codex今年4月上线的“/goal”功能。该功能允许模型通过“规划-执行-测试-复查”的循环自主推进任务，每轮完成后会对照目标自我评估是否需要继续。开发者需确保目标描述具体到模型可判断完成程度，例如“实现用户登录功能”需明确包含密码加密、错误提示等细节，而非模糊的“优化登录流程”。
技术社区迅速涌现出配套工具链。开发者Pablo Stanley将这一流程模板化，用户只需输入“构建[某事物]+功能+风格”的简单指令，Codex即可自动生成完整任务树并孵化子智能体。另一位开发者RTK则将目标优化过程封装为开源工具“Infinite Skills”，该工具会通过交互式提问将模糊意图转化为可验证的契约，再输入/goal模式执行。
主流编程工具纷纷跟进类似功能：Anthropic于5月6日推出多智能体编排系统，Cursor在次日上线“/orchestrate”命令，三者均支持AI自主拆解任务并派生子智能体。不过各平台在实现细节上存在差异——Claude限制每个协调器最多派生20个子智能体且仅允许单层派生，而Codex则支持无限层级的并行派生，这种设计差异反映了不同团队对“自治程度”的权衡考量。
尽管技术前景广阔，但实际部署仍面临挑战。风险投资机构a16z的Andrew Chen测试发现，持续运行14小时的/goal任务消耗的token量是人工监控模式的万倍级别。OpenAI官方建议开发者在目标描述中设置token预算上限，并优先完成项目雏形后再启用自治模式。社区讨论中频繁提及“目标漂移”问题：当任务链条过长时，子智能体可能偏离初始意图，例如过度优化非核心功能而忽视关键路径。
在Reddit的Codex专区，开发者主要将/goal功能用于长任务对齐、验收标准生成等场景，多数实践仍需人工定期检查。有用户调侃称：“如果递归派生继续深化，Codex的首要目标可能变成让人类退出开发流程。”这种担忧折射出技术变革带来的角色焦虑——当代码生成、任务规划甚至意图优化都由AI完成时，程序员的核心价值将转向何处？目前，主流工具仍通过限制派生层级、增加人工确认节点等方式保持“可控自治”，但完全自主的多智能体系统或许已不再遥远。
