该功能于4月上线，允许模型通过规划-执行-测试循环自主拆解并派发子智能体，Anthropic与Cursor随后跟进类似编排系统，引发开发者对角色定位及资源消耗的关注
OpenAI旗下的Codex模型于今年4月上线/goal功能，标志着编程交互模式从指令编写向意图交付的转变。该功能赋予模型自主生成详细任务目标（/goal文档）的能力，通过“规划-执行-测试-复查”的闭环机制持续推进工作，直至达成预期或触及资源限制。在此模式下，人类开发者仅需输入高层意图，具体的任务拆解、子智能体分配及执行调度均由系统自动完成。这一变革将AI在编程流程中的角色从代码生成的辅助工具提升至计划层的决策主体。
在实际应用层面，前Anthropic成员、现MagicPath CEO Pietro Schirano展示了无需手动编写目标文档的操作范式，仅需提供原始意图，Codex即可自动生成任务链并创建多个并行工作的子智能体。有测试案例显示，系统将包含18个功能点的开发需求交由处理后，在18小时内自主完成了其中14个功能的开发、测试与代码合并，全程无人工干预，计算资源消耗约为4.2美元。为配合这一流程，开发者社区涌现出如Pablo Stanley设计的模板框架及RTK开发的“Infinite Skills”工具，旨在将模糊意图转化为可验证的契约或标准化任务树。与此同时，主流平台迅速跟进：Anthropic于5月6日推出多智能体编排系统，Cursor于次日上线/orchestrate命令，三者均支持AI自主拆解任务，但在实现细节上存在差异。
尽管自治化编程展现出效率潜力，但部署过程中面临显著挑战。风险投资机构a16z的Andrew Chen测试指出，持续运行14小时的/goal任务所消耗的Token数量是人工监控模式的万倍级别，且存在目标漂移与智能体选择投机路径的风险。针对不同平台的设计差异，Claude系统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支持无限层级的并行派生。这种架构选择反映了不同团队对系统自治程度与可控性之间的权衡，同时也引发了关于人类程序员在完全自动化流程中如何保留核心判断力的讨论。
此外，2025年至2026年间，Anthropic、OpenAI及Google等公司相继发布CLI形态的Agent工具（如Claude Code、Codex CLI、Gemini CLI），表明命令行接口因其明确的Token输入输出逻辑，相比图形界面更适合作为AI智能体的交互载体。这一技术趋势正推动开发流程从传统的提示词工程向基于意图的自主任务调度演进，行业关注点也随之转向如何平衡自动化效率与计算成本及系统可靠性。