执行目标要让AI能打分
你给AI下指令，最怕说那种“你看着办”的话。比如你跟AI说“把我的代码弄好点”，它就懵了。什么叫好点？少几行？跑快一点？还是注释写得像诗？
这种指令下去，AI只有两种死法。第一种，它干几分钟就放弃，跟你说“我觉得差不多了”，但你打开代码一看，就改了个变量名。第二种更惨，它永远不睡觉，一直改一直改，改到天荒地老，最后把能跑的程序改崩了。
所以定目标的核心就一条：让AI能给自己打分。比如你说“把某个文件里的代码运行时间减少20%，而且不能搞挂现有的单元测试和集成测试”。AI一听就懂了，它的脑子里就有个进度条。跑一次测试，看看时间少了多少，没到20%就接着干，到了就收工。
这就像你让一个小孩去收拾房间。你说“把房间收拾干净”，他能把玩具塞到床底下就算完事。但你说“把地上的乐高全部放进蓝色箱子，把书全部竖着摆到第二层架子上，用时不超过15分钟”，他就知道干到什么程度能去看动画片。
有一次我自己搞一个论文改格式的活。ICML的格式要求写在一个LaTeX文件里，两百多条规则，什么页边距、字号、参考文献顺序，密密麻麻。AI根本没法对着这个打分。我就让Codex先把这些规则抽出来，做成一个检查清单，Markdown格式的，每一条前面有个方框。
然后我跟AI说：“你照着这个清单改，改完一条勾一条，论文的技术内容一个字都不许动。”AI就一条一条对着干，每勾掉一条就知道自己前进了一小步。两百条勾完，任务完成。这个方法妙在，原来模模糊糊的“改好格式”变成了一个可以数数的事。
测试要快得像泡面
AI干活的时候，需要反复测试自己的改动有没有用。你让它测试一次要花三天，那它一天也干不了几个活。你让它一分钟就能测完，它就能在一个小时里试六十种方案。
这就像你想学做菜。你要是每次炒完都得等烤箱预热半小时才能尝味道，那你一晚上也就练两三次。但你要是用微波炉高火两分钟就能出一盘，你一小时能试三十种调料组合。
我搞蛋白质结构模型优化的时候，全量训练一次要好几天。我就换了个小数据集，数据量不大但采样很全，跑一次只要几分钟。这样AI试错的速度从几天变成了几分钟，一天能跑上百次实验，最后找到的方案比原来好不少。
所以思路就是：找一切办法把测试这一步压缩到最短。减数据量、用小模型、只测关键模块，怎么快怎么来。测试快，AI就能在死之前多试很多条路。
给AI配三本笔记本让它的脑子不炸
AI连续干几天几夜，就算Codex有压缩上下文的能力，它的脑子也会乱。前面想过的东西后面就忘了，中间绕过弯它自己都不记得。
解决办法特别土但特别有用：让它往文件里写笔记。我一般给AI开三个Markdown文件。
第一个叫PLAN.md，是大纲。AI一开始想好大概分几步走，先干这个再干那个，写下来。你也往里塞点想法，比如“我觉得可以先试试改学习率”，引导一下方向。
第二个叫EXPERIMENTS.md，是实验记录。AI每试一个方案，就记一条：标题、试了什么、结果怎么样。这个文件最值钱，因为你和AI都能翻回去看之前踩过哪些坑。
第三个叫EXPERIMENT_NOTES.md，是草稿本。按时间顺序记AI的实时想法，比如“我试了改第二层的参数，好像没啥用，等一下再试试第四层”。这个主要给你看，你瞅一眼就知道AI的思路偏没偏。
有了这三个文件，AI就不用把所有东西硬记在脑子里。它需要的时候翻一下EXPERIMENTS.md，就知道“哦，之前试过A方案不行，那这次试B”。你需要的时候翻一下，就知道这家伙有没有在瞎改。
有一次我让AI优化一个排序算法，它自己在EXPERIMENTS.md里列了十几条记录。从“冒泡改快排，提升50%”到“并行分块，提升到80%但内存爆了”，清清楚楚。我一看就知道它试过什么路，死在哪，接下来该往哪边拐。
总结就是把三招串起来
所以玩转Codex的/goal模式，就三件事。
第一，目标要能打分。别说“变好”，要说“变快20%”或者“勾完两百条清单”。AI不懂模糊美学，它只懂数字和复选框。
第二，测试要快。把全量数据砍成小样，把几天跑完的训练缩到几分钟。AI试错的速度决定了它活干得漂不漂亮。
第三，给AI三个文件当外挂脑子。PLAN.md管方向，EXPERIMENTS.md管历史，EXPERIMENT_NOTES.md管碎碎念。有了这些，AI就能连着干几天不乱套。
这三样东西摆好，你就可以去睡觉了。AI会在你梦里继续跑测试、改代码、记笔记。早上起来你打开EXPERIMENTS.md一看，十几条记录躺着，最后一条写着“目标达成，收工”。
然后你就端着咖啡说一句：这家伙，比实习生靠谱。