Technischer Kontext
Ich würde das nicht als 'kleines Update' bezeichnen. In Codex CLI 0.128.0 ist ein experimentelles Feature namens /goal versteckt, und das hat sofort mein Ingenieursinteresse geweckt: Das ist nicht mehr nur ein Dialog mit einem Modell, sondern der Anfang einer echten KI-Automatisierung innerhalb eines Code-Agenten.
In der Praxis muss man auf 0.128.0 aktualisieren und das Feature separat über codex features enable goals aktivieren. In einigen Builds wird es auch über die config.toml aktiviert, indem man das Flag features.goals = true setzt. Wenn das Feature nicht erscheint, liegt das Problem normalerweise nicht bei Ihnen, sondern daran, dass es sich noch in der experimentellen Phase befindet.
Nach der Aktivierung erscheint der Befehl /goal. Ich betrachte ihn als eine 'langlebige Aufgabe': keine einmalige Aufforderung, sondern ein Ziel, das Codex über mehrere Runden verfolgt, bis es erreicht ist, ein Limit erreicht oder Sie es pausieren.
Und das ähnelt stark dem Ralph-Loop-Ansatz, über den viele gesprochen haben: Der Agent behält eine Absicht bei, setzt seine Arbeit fort und bricht nicht nach jeder neuen Nachricht zusammen. Für die KI-Integration in Entwicklungsprozesse ist das weitaus wichtiger als ein weiterer kosmetischer Befehl.
Den Diskussionen nach zu urteilen, gibt es in der Nähe noch eine Reihe weiterer experimenteller Features: artifact, chronicle, code_mode, memories, multi_agent_v2, plugin_hooks, remote_control, runtime_metrics, unified_exec und andere. Eine vollständige offizielle Liste habe ich in der regulären Dokumentation noch nicht gesehen, aber die Richtung ist bereits unverkennbar.
Am meisten haben mich drei Dinge fasziniert: goals, memories und multi_agent_v2. Wenn sie gut zusammenarbeiten, wird Codex beginnen, lange Ingenieursaufgaben nicht wie ein einzelner, müder Assistent zu verwalten, sondern wie ein System mit Zustand, Teilaufgaben und Rollenverteilung.
Auswirkungen auf Geschäft und Automatisierung
Für Teams bedeutet das eine einfache Sache: Ein Teil der Aufgaben kann nicht nur 'für eine einzelne Antwort', sondern 'zur Erledigung bis zum Ergebnis' delegiert werden. Migrationen, Refactoring, Abbau technischer Schulden, Vorbereitung von PRs, Durchlaufen von Dateien, Abgleich von Konfigurationen – all das rückt näher an die autonome Ausführung.
Gewinnen werden diejenigen, die bereits in Begriffen der KI-Architektur denken und nicht in Begriffen wie 'geben Sie uns noch einen Chat'. Verlieren werden diejenigen, die das Feature ohne Kontrolle über Budget, Zugriffsrechte und Protokollierung implementieren, denn ein Agent mit einem Ziel und ein Agent ohne Einschränkungen sind zwei sehr unterschiedliche Biester.
Bei Nahornyi AI Lab lösen wir genau solche Probleme für unsere Kunden: Wir aktivieren nicht nur ein experimentelles Flag, sondern schaffen eine sichere Umgebung, in der die Automatisierung mit KI wirklich Stunden spart, anstatt neue Risiken zu schaffen. Wenn Sie schon lange Code-Reviews, Migrationen oder interne Entwicklungs-Workflows automatisieren wollten, können wir das gemeinsam analysieren und eine KI-Lösungsentwicklung erstellen, die auf Ihren Prozess zugeschnitten ist, nicht auf eine schicke Demo.