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。
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总结。
所以问题不只是 prompt 不够好，而是缺一个外部的完成判定和继续调度系统。
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"怎么让系统管理 AI 把任务做完"。
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。
这一步很重要。没有 Spec，Agent 就会边做边猜。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。
一句话：Spec 负责拆清楚，不负责跑到底。
ReAct：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。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总结，把问题留给人；还可能因为 token、工具轮次、上下文限制而停止。
所以 ReAct 解决的是：这一轮怎么做。
它不解决：没做完怎么办。
这就是 Ralph 和 Codex Goal 要继续补的洞。
Ralph：在外面套一个 loop
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。
它大概会读取 tasks.json / prd.json，再读 progress.md 和 git history，然后启动一个 fresh agent。这个 agent 只做一个小任务，跑测试，更新状态。如果没完成，就进入下一轮。
Ralph 的价值在于，它把"模型停止输出"和"任务完成"分开了。
普通 ReAct 里，模型说完了，事情通常就结束了。Ralph 里，模型说完了不算数，还要看任务状态、测试结果、git 变更和 progress。
这已经比单轮 ReAct 稳很多。
但 Ralph 的问题也明显。中断恢复比较粗，半完成状态容易丢，progress.md 可能被污染，状态真实性还依赖模型，预算管理也比较粗。
比如上一轮 Agent 写了一句"这个测试可以忽略"，下一轮 Agent 可能真的信了。
所以 Ralph 很适合 MVP，但它不是最终形态。
Codex Goal：更好的方式是 runtime 原生管理目标
Codex Goal 更进一步。它不是在外面套一个脚本，而是让 runtime 原生知道：现在有一个长期目标正在执行。
它要管理当前 goal 是什么，跑到哪一步，用了多少 token / 时间，模型停了要不要继续，中断后怎么 pause / resume，预算不够时怎么收尾，什么时候才能 complete。
所以 Goal 不是简单地"每次把目标注入 prompt"。
更准确地说，Goal 是：注入目标 + 资源记账 + 状态转移 + 继续调度 + 完成审计。
这比 Ralph 高一层。
它和 Ralph 最大的不同，就发生在 runtime 阶段。
Ralph 的 loop 在模型外面。外部脚本读文件、看状态、发现没完成，再拉起下一轮模型。它能续跑，但 runtime 本身并不知道"目标生命周期"这件事。
Codex Goal 则把 goal 放进 runtime。runtime 原生知道目标还在运行，知道它是 paused、blocked、budget_limited 还是 complete，也知道什么时候应该继续调度、什么时候应该停下来做 handoff。
所以 Ralph 更像外部续命，Goal 更像运行时托管。
为什么 Goal 更好？
因为它把很多靠 prompt 自觉的事情，变成了系统能力。
模型停了，不代表任务结束。Goal 可以判断 turn 结束了，但 goal 没 complete，所以继续。
中断也不再是事故，而是状态。中断后可以进入 paused，下次 resume。
预算也不是"最多跑几轮"。Goal 可以知道这个目标用了多少 token，还剩多少预算，是否应该继续，是否应该 handoff。
更关键的是，完成不是模型说了算。模型说完成，不一定算。真正应该看 objective 是否满足、验收标准是否满足、测试是否通过、有没有 evidence。
一句话：完成权不应该交给模型记忆，而应该交给审计。
Ralph 和 Goal 怎么选？
一个更现实的长任务范式是：拆清楚、跑一轮、验硬证据、写状态，没完成就继续。
我的判断是：Ralph 是外部 loop，Goal 是原生 runtime。Goal 肯定更完整，但 Ralph 更容易起步。
如果现在做产品，比较现实的路线是先做 Ralph-style loop，用文件、git、测试命令和日志把循环跑起来；再补状态机、预算管理、pause / resume、completion audit、自动续跑；最后慢慢演进成 Goal Runtime。
这个路线不漂亮，但很工程。
最后总结
这件事可以拆成四层：Spec 拆清楚，ReAct 跑一轮，Ralph 停了再拉起，Goal 把继续、暂停、恢复、预算、完成审计做成 runtime 能力。
Agent 做长任务，不能只靠长上下文，也不能只靠一句 prompt。
Ralph 能快速跑起来。
Codex Goal 才是更正确的架构方向。
最后一句话：模型可以停，但系统不能把停当完成。