一个澳大利亚牧羊人写的三行bash脚本，11天内被OpenAI、Anthropic和Hermes同时抄进官方产品。这事听起来像段子，但背后藏着一个被所有人忽视的真相：AI编程的瓶颈从来不是代码生成，而是"把事做完"。

Geoffrey Huntley，这位牧羊大叔，给循环起了个名字——Ralph Loop，致敬《辛普森一家》里那个永远搞不清状况但从不放弃的小孩。代码粗暴到可笑：无限循环，反复把同一个prompt喂给Agent，进度丢进文件系统和Git历史，上下文满了就重启实例接着干。原始，丑陋，管用。

打开网易新闻 查看精彩图片

管用到什么程度？OpenAI的Greg Brockman在X上甩了一句"Codex现已内置Ralph loop++"，一周后Hermes Agent跟进，再过4天Claude Code也上了。11天，三家顶级实验室，同一个终点，三种完全不同的解法。

Codex：关机睡觉，醒来继续

OpenAI的方案最简洁。/goal是一个持久化的工作流对象，存在本地app-server状态层。关终端、合笔记本、重启系统，目标都在。模型通过结构化的update_goal工具汇报进度，token耗尽时"软着陆"而非硬停。

有人实测：连续跑14小时，中间暂停5小时睡觉，回来Codex从断点续跑，干完了一个设备驱动项目。工程化，干净，克制。

Hermes Agent：一个人干不完，上一整个团队

Hermes的野心最大。/goal只是冰山一角，重头戏是多智能体看板系统——把"让AI把活干完"从单Agent问题升级成团队协作问题。

看板底层是本地SQLite，持久化存储，跨重启不丢。创建任务卡片，系统自动拆分子任务，分配给不同Agent worker。每个worker是独立OS进程，有自己的身份、模型配置和工作目录。

五层防烂尾机制：

1. 心跳检测：worker定期向看板报到，证明活着。

2. 僵尸回收：超时无响应？判定死亡，任务重新分配。macOS还有专门的达尔文僵尸检测逻辑。

3. 退出拦截：没完成任务就退出？标记blocked，禁止再接新活，防止"摸鱼型Agent"反复领任务不做。

4. 幻觉拦截：AI说"我做完了"不算数，系统验证代码是否真的落盘。Agent声称创建了文件但实际没有？抓住，回滚，重来。

5. 重试预算：每个任务有独立max_retries，超上限上报人类，绝不无限循环到死机。

Claude Code：做事的人和验收的人，不能是同一个

Anthropic最后出手，方案最刁钻。/goal本质是一个session级别的Stop Hook：设定完成条件，Claude开始干活，但关键在验收环节。

每轮结束，系统不让Claude自己判断"我做完了没有"。对话记录和完成条件一起发给独立小模型（默认Haiku），由它来裁判。没完成？返回具体理由（如"test_login.py还有2个failure"），注入下一轮上下文指导继续干。完成了？目标自动清除，任务结束。

裁判模型不调用工具、不读文件、不跑命令，只看Claude在对话里产出的内容。所以完成条件必须是Claude能证明的东西，最长4000字符，可以写得很细——"不修改其他测试文件""20轮内完成否则停止"等约束都能塞进去。

他们争的不是功能，是习惯

把视角拉远。Claude Code背后是Anthropic，Codex背后是OpenAI，Hermes Agent接两边模型，也是DeepSeek V4等模型的主力分发渠道。三条路径，恰好覆盖ASI决赛的三个生态入口。

而他们争的是同一样东西：工作流入口。谁的Agent先让开发者养成"设完目标就走开"的习惯，谁就锁死了这条护城河。习惯一旦形成，迁移成本指数级上升——你不会轻易离开一个跑通了看板调度、断点续传、checkpoint回滚的Agent基础设施。

一个看似很小的/goal命令，卡的是整条Agent工作流的命门。牧羊大叔的三行代码，戳破了皇帝的新衣：通用人工智能的临门一脚，可能不是更聪明的模型，而是"把事做完"的模型。