Claude Code 两大杀器：agents 智能体视图 + /goal 目标模式，AI 编程进入「放手」时代

你开了 5 个 Claude Code 终端窗口，一个在重构后端接口，一个在写单测，一个在修 CSS，一个在帮你查 bug，还有一个……你已经忘了它在干什么了。

Alt+Tab 切来切去，脑子比 CPU 还忙。

这就是 2026 年 AI 编程的真实现状：AI 干活越来越猛，但你管 AI 越来越累。

就好比你是一个项目经理，手底下有 5 个能力超强的工程师，但他们各自在不同的房间里干活，你得挨个跑过去看进度、给反馈、催任务。

累的不是干活，是管人。

5 月 11 日，Claude Code 一口气解决了两个问题

Anthropic 在 5 月 11 日同时发布了两个重磅功能：

一个解决"管理"问题，一个解决"自主性"问题。

组合起来，效果是乘法——你可以同时放出多个 Agent，每个都有明确目标，你只需要在总控台上看进度。

这才是 AI 编程该有的样子。

claude agents：终于有人给 AI 会话做了个"任务管理器"

痛点：你的 AI 会话，比你的浏览器标签页还乱

用 Claude Code 干过大活的人都知道，一个复杂项目下来，你可能会开出十几个会话——

• 3 个在跑不同模块的重构
• 2 个在写测试
• 1 个在帮你查一个诡异的 bug
• 还有几个你暂时挂起了，等着后续回来接着聊

但问题是：你根本没地方统一看这些会话的状态。

哪些跑完了？哪些还在等你回复？哪些卡住了？全靠脑子记。

这就像你开了 30 个浏览器标签页，然后浏览器没有标签栏——你得一个个点进去才知道里面是什么。

agents 视图：一张表看清所有会话

Claude agents 智能体视图

在终端里输入 claude agents，你会看到一个列表，把你所有的 Claude Code 会话聚合在一起：

claude agents 命令

这个列表按状态分类：

关键能力：

• 统一视图：不用再在多个终端窗口之间来回切换
• 状态一目了然：哪个要你关注、哪个在自动跑，清清楚楚
• 快速恢复：用 /resume 命令，一键跳回任何一个会话继续工作

配合 --json，脚本自动化来了

5 月 19 日，Anthropic 又加了一手：

claude agents --json

把会话列表导出成 JSON。这意味着什么？

你可以写脚本来自动管理你的 AI 工作流了。

举个例子，你可以写一个简单的监控脚本：

监控脚本示例

或者在 CI/CD 里用来追踪 AI 辅助任务的完成情况。

从"手动管 AI"到"脚本管 AI"，这是质的飞跃。

/goal：设定目标，放手让 AI 跑

痛点：AI 很强，但你得一直"喂"它

传统的 AI 编程交互模式是这样的：

你：帮我实现用户登录功能 AI：好的，我先创建路由文件...（做完了） 你：继续 AI：现在写数据库模型...（做完了） 你：继续 AI：接下来写中间件...（做完了） 你：继续......

你变成了一台"回车机器"。

AI 明明知道下一步该干什么，但它每走一步都要停下来等你点头。就像一个完全有能力独立做菜的厨师，切完葱非要问你"现在可以切姜了吗？"

/goal 的玩法

/goal 命令让你设定一个"完成条件"，Claude 会跨多个回合自主工作，直到条件满足：

/goal 命令示例

设定之后，Claude 会：

1. 自动分解任务——把大目标拆成若干步骤
2. 逐步执行——每一步完成后自动进入下一步
3. 持续验证——跑测试、检查结果，直到满足完成条件
4. 实时报告——浮层显示已用时间、回合数、Token 消耗

/goal 目标模式执行过程

你不用再当"回车侠"了。 设好目标，去倒杯咖啡，回来看结果。

浮层信息：透明的执行仪表盘

/goal 运行时，屏幕上会有一个浮层实时显示：

这三个数字非常重要——它让你对 AI 的"自主工作"有完全的可见性。

不是"黑盒放飞"，而是"透明自驾"。

你随时可以看到 AI 在什么阶段、花了多少资源。如果觉得方向不对，随时可以中断并调整。

组合技：agents + /goal = 并行自主编程

单独用哪个都不错，但真正的杀招是组合使用。

实战场景：同时推进三个模块

假设你在做一个项目，需要同时推进：

1. 后端 API 重构
2. 前端组件库升级
3. 数据库迁移脚本

传统方式：串行，一个个来，至少要大半天。

agents + /goal 方式：

三个终端并行设定 /goal

然后：

总控台一览全局

三个 Agent 并行工作，你在总控台上看进度。这才是 AI 编程的正确打开方式。

效率对比

使用建议：几个实战经验

经过一周多的深度使用，分享几个实战心得：

1. /goal 的目标描述要"可验证"

好目标 vs 坏目标

好的目标 = 做什么 + 怎么验证 + 完成标准。 Claude 越清楚"什么叫完成"，它的自主决策质量越高。

2. 复杂任务先 /goal 拆解，再 /goal 执行

对于特别大的任务，可以分两步：

两步走策略

3. 用 agents --json 做"完成通知"

完成通知脚本

我的看法：AI 编程正在从"对话"走向"委托"

回顾一下 AI 编程工具的演进：

每一代的核心变化，都是人类参与度的下降和AI 自主性的上升。

agents + /goal 的组合，标志着我们正式进入"委托编程"时代——你不再是 AI 的"驾驶员"，而是"调度员"。

你的核心能力从"写代码"变成了"定义问题"和"验收结果"。

这对程序员意味着什么？意味着那些擅长拆解问题、定义目标、设计验收标准的人，效率会呈指数级增长。而那些只会一行行写代码的人——AI 已经比你快了。

— 完 —