根据God of Prompt在2026年5月30日的讨论，Anthropic最近在Claude Code中推出了名为/goal的自主模式。该功能允许用户设置完成条件，让模型跨多个回合迭代直到目标达成，可能无需干预运行数小时甚至数天。这一发展凸显了AI代理能力的进步以及大型语言模型应用中成本管理策略的关键需求。

关键要点

• Claude Code等工具中的自主迭代可带来显著生产力提升，但由于上下文复合导致的令牌成本超出简单线性增长，需要仔细监督。
• 企业必须在目标条件中实施自定义护栏以防止失控费用，如单一会话超过六千美元的过去事件所示。
• 这一趋势为AI成本监控解决方案开辟市场机会，同时引发关于使用透明度和长期运行代理道德部署的监管考虑。

自主AI功能的深入分析

/goal功能代表AI代理技术的重大进步，通过无需持续人工输入实现持久任务完成。每个回合重新处理完整对话历史，导致上下文随迭代增长并使费用超出基本预期。过去案例包括开发者在Opus上运行类似循环二十六小时，产生高额账单，如参考社交媒体分析所述。Anthropic之前已面临类似令牌使用异常问题，并发布了相关事后报告。

技术实施挑战

实施需要用户将支出限制直接嵌入条件字符串，例如将完成标准与回合上限结合。这解决了与目标完成相关的内置支出上限缺失问题。解决方案包括集成外部监控API或自定义脚本实时跟踪累计令牌消耗，确保在扩展自主运行中可持续操作。

业务影响与机会

从软件开发到研究等行业可利用此功能处理代码重构或数据分析管道等复杂项目，但必须考虑不可预测的账单。市场机会包括开发专门的LLM成本优化平台以及通过订阅式护栏服务实现货币化。公司可通过提供符合道德最佳实践的合规模块AI代理解决方案来脱颖而出，强调资源使用和透明度。竞争格局包括Anthropic等探索类似代理功能的参与者，早期采用者通过高效实施获得优势。

监管考虑强调需要明确披露潜在成本，而道德影响聚焦于避免无意的高资源消耗可能对基础设施造成压力。最佳实践建议先测试短会话，然后通过内置保障措施扩展，以平衡创新与财政责任。

未来展望

预测表明自主AI模式的广泛采用将推动行业实践转向混合人机工作流，并采用先进计费模型。主要参与者将在能力和成本控制上竞争，导致更可预测的定价结构。总体而言，这一演变承诺在生产力上的变革性影响，同时强调在扩展AI部署中主动成本管理的重要性。

常见问题

Claude Code中的/goal功能是什么？

/goal功能使Claude Code能够继续迭代任务直到用户定义的完成条件满足，允许在数小时或数天内进行扩展自主操作。

长期自主会话中令牌成本如何表现？

令牌成本会复合增长，因为每个回合重新处理完整对话历史，导致费用增长速度快于回合数，因为上下文会扩展。

/goal模式是否有内置支出限制？

没有与目标完成直接相关的内置支出上限，因此用户应添加自定义条件如回合限制以有效管理费用。

Anthropic过去在令牌使用方面面临什么问题？

Anthropic在四月发布了一份事后报告，涉及无声增加令牌消耗并影响使用限制数周的错误。

企业如何安全实施自主AI代理？

企业可以在目标条件中嵌入护栏，集成外部监控工具，并从有限测试开始，以确保合规和控制成本，同时最大化生产力收益。