不过，

最近想明白一个点：Agent 做长任务。难点不是模型不会干活，而是模型说“完成了”，不代表任务真的完成了。

使用者痛点：很多人把模型的“完成”当成任务结束。却忽略了后续验证和状态追踪，导致项目进度被误判。

你告诉它测试不通过不能停，它还是可能停。你告诉它所有需求完成后才能结束，它还是可能做一半就开始。

问题不只是 prompt 不够好，而是缺一个外部的完成判定和继续调度程序。

AI Coding 正在从 Chatbot、Vibe Coding、Spec Coding，走到 Agentic Engineering。前面几步主要解决“怎么让 AI 写代码”，后面真正要解决的是“怎么让程序管理 AI 把任务做完”。

说到Spec，先把任务拆清楚

Spec / OpenSpec 解决的是：要做什么？做到什么算完成，

比如“实现登录功能”，就不能只写一句话。它需要拆成需求说明、任务拆解、验收标准、测试用例、依赖关系和变更范围。

这一步很关键。没有 Spec，Agent 就会边做边猜。说起来，猜得准的时候看起来很聪明，猜偏的时候就会改出一堆你没要的东西。

但 Spec 只是任务说明书。它能告诉模型做什么不能保证模型一直做下去。

至于一句话。Spec 负责拆清楚，不负责跑到底。

从ReAct来看，模型只是在跑一轮

ReAct 是模型的一轮执行方式：Thought → Action → Observation → Final Answer。

它可以思考、调工具、看结果、改代码、跑测试。也正是因为有了 ReAct，模型才从“回答问题”变成了“进入工程现场做事”。

但问题在 Final Answer。

Final Answer 只是模型认为这一轮可以结束了不代表任务真的完成。老实说，它可能测试没跑全，看到部分通过就收尾；也可能遇到复杂错误后开始把问题留给人；还可能因为 token、工具轮次、上下文限制而停止。话说回来，

ReAct 解决的是：这一轮怎么做。

说到它不解决，没做完怎么办。

Ralph的观点是。在外面套一个 loop

使用者痛点：当 Agent 停止时没有可靠机制去确认是否真正完成，从而导致工作中断或重复劳动。

Ralph 的思路很简单：既然模型会停，那就在外面反复把它叫起来。

读取 tasks.json / prd.json
读取 progress.md 和 git history
启动 fresh agent 做小任务
跑测试更新状态
未完成则进入下一轮

Ralph 的价值在于，它把“模型停止输出”和“任务完成”分开了。在普通 ReAct 里一旦 Agent 输出 “Done”，事情通常就结束。但 Ralph 里Agent 输出 “Done” 并不算数，还要看任务状态、测试结果、git 变更和 progress.

优点与局限

• 优点：稳健性高。可继续进行长周期项目
• 局限：中断恢复粗糙；progress.md 易被污染；预算管理有限，状态真实性依赖模型判断
• Pain Point："上一轮 Agent 写了一句‘这个测试可以忽略’，下一轮 Agent 可能真的信了"

Codex Goal：更好的方式是 runtime 原生管理目标

跑到哪一步，用了多少 token/时间，模型停了吗要不要继续，中断后如何 pause/resume，预算不足时如何收尾。还有何时认为 complete.

主要功能拆解

• 注入目标 + 资源记账 + 状态转移 + 持续调度 + 完成审计

优势归纳

• 完整性高：The runtime 本身知道目标生命周期，并可根据预算/状态决定是否继续或 handoff.

• 中断友好：No longer an accident;just a state change .

• 预算透明化：Aware of token usage,remaining budget。and decide to continue or halt.

• 最终审计权归程序而非单个 Model 输出：Makes sure objective satisfied,acceptance criteria met,tests passed,evidence gared.

Ralph 和 Goal 怎么选？

1. Simpler path：外部 loop 用文件/git/日志驱动持续迭代，但缺少完整治理能力。适合 MVP 快速验证场景，但容易出现状态丢失与预算不足等风险。
2. Larger vision：runtime 原生托管整个生命周期。更加稳健，但实现门槛相对较高，需要额外投入资源设计与维护状态机等主要组件。最终能提供最完善的治理与审计能力，对长期大规模项目更具可持续性和可靠性。

推荐路线

• 先实现 Ralph‑style 循环，用文件+git+测试命令+日志驱动迭代；再补充状态机+预算管理+pause/resume+completion audit 等功能；最终慢慢演进为 Codex Goal Runtime，实现完整托管与审计能力。

最终

• 至于四层拆解思路，1️⃣ Spec 拆清楚；2️⃣ ReAct 跑一轮；3️⃣ Ralph 停止后拉起；话说回来，4️⃣ Goal 管理继续/暂停/恢复/预算/审计。
• Agent 长任务不应仅靠长上下文，也不能仅靠一句 Prompt。Ralph 能快速落地，Codex Goal 才是更正确、更成熟的架构方向。关键一句话的观点是，**Model 可以停，但程序不能把停当作完成**。