开发者 Flavio Copes 让 Codex 在 Goal 模式下照着重造一遍 PocketBase，两套技术栈，连续跑了超过 24 小时，产出的两个原型都相当能看，却仍然需要大量手工返工。他的结论是：与其把这笔预算押在一次长跑上，不如换成十个能逐个审阅的小任务。本文拆解这个判断背后的可观测性逻辑，Plan 模式与 Goal 模式的真实分工，为什么「静默失败」比「写错代码」更贵，长会话里的子 agent 究竟在解决什么问题，以及在生产服务器磁盘只剩 1% 的时候，他为什么宁可自己一条一条敲命令。