OpenAI 最近在 Codex 里推出了 Go 功能，可以让 coding agent 围绕一个目标持续工作数小时，甚至一整晚。
这类功能其实是在解决一个很核心的问题：
现在的模型已经可以完成很多 well-scoped ticket，但一旦任务变复杂，比如大型迁移、重构、测试修复、实验优化，agent 很容易提前说“我完成了”，但实际上并没有真正完成。
这期视频会系统拆解：
Codex Go / Hermes Persistent Goals 是什么
它和 rough loop 的区别
为什么 LLM judge stop condition 很关键
什么任务适合用 Go
如何写一个好的 goal prompt
为什么 “definition of done” 比 prompt 本身更重要
Goal Buddy 这类工具怎么帮你准备长任务
为什么更长期的 SEO / GEO / Ads 优化，需要 Mission，而不是单纯 for loop
核心结论：
Go 很适合复杂的 coding work，比如代码迁移、大型重构、自动测试修复、prompt eval 优化。
但如果目标是持续几周甚至几个月的增长任务，就需要一个带有状态、历史、调度和 human-in-the-loop 的 Mission 系统。
如果你正在使用 Codex、Claude Code、OpenCode、OpenClaw 或者其他 coding agent，这期会非常有帮助。
