Ralph 就是一个让 AI "自己干活直到做完"的循环机制,特别适合复杂的编程任务,解放人力。这里介绍具体怎么搭建和使用 Ralph 循环。
你需要准备以下内容:
| 工具 | 用途 |
|---|---|
| Claude Code | Anthropic 的 AI 编程助手 CLI |
| Docker Desktop | 提供隔离的沙盒环境 |
| Anthropic API Key | 调用 Claude API |
Step 1: 安装 Claude Code
# 安装 Claude Code CLI
npm install -g @anthropic-ai/claude-code
Step 2: 初始化项目
mkdir my-ralph-project
cd my-ralph-project
claude init
Step 3: 添加插件市场
claude plugins add-marketplace
Step 4: 安装 Ralph Wiggum 插件
claude plugins install ralph-wiggum
Step 5: 配置 Stop Hook
在 .claude/hooks/ 目录下创建 stop-hook.json:
{
"hook_type": "stop",
"decision": "block",
"conditions": {
"check_tests": true,
"check_type_errors": true,
"check_git_changes": true
},
"max_iterations": 20,
"prompt": "任务未完成,请继续迭代修复问题"
}
Step 1: 创建项目结构
my-ralph-project/
├── .claude/
│ ├── hooks/
│ │ └── stop-hook.sh
│ ├── skills/
│ │ └── ralph-loop.json
│ └── config.json
├── prd/
│ └── requirements.json
└── workspace/
Step 2: 配置核心文件
config.json - 核心配置
{
"max_iterations": 15,
"auto_commit": true,
"run_tests_after_each_iteration": true,
"stop_conditions": {
"all_tests_pass": true,
"no_type_errors": true,
"prd_completed": true
}
}
skills/ralph-loop.json - 技能定义
{
"name": "ralph-loop",
"description": "自主迭代循环实现 PRD 任务",
"trigger": "when_task_incomplete",
"actions": [
"analyze_current_state",
"identify_blockers",
"fix_issues",
"run_tests",
"commit_if_passing"
]
}
hooks/stop-hook.sh - Stop Hook 脚本
#!/bin/bash
# 检查测试是否通过
TESTS_PASS=$(npm test 2>&1 | grep -c "passed")
# 检查是否有类型错误
TYPE_ERRORS=$(npx tsc --noEmit 2>&1 | grep -c "error")
# 检查 PRD 是否完成
PRD_COMPLETE=$(node check-prd.js)
if [ "$TESTS_PASS" -eq 0 ] || [ "$TYPE_ERRORS" -gt 0 ] || [ "$PRD_COMPLETE" = "false" ]; then
echo "BLOCK: 任务未完成,继续迭代"
exit 1
else
echo "ALLOW: 任务已完成"
exit 0
fi
Step 3: 准备 PRD 文件
prd/requirements.json
{
"project_name": "My Feature",
"tasks": [
{
"id": 1,
"description": "创建用户登录页面",
"criteria": ["表单验证正常", "API 调用成功", "错误处理完善"],
"status": "pending"
},
{
"id": 2,
"description": "实现用户注册功能",
"criteria": ["邮箱验证", "密码强度检查", "重复密码确认"],
"status": "pending"
}
]
}
# 方法一:插件方式
claude run --skill ralph-loop --prd ./prd/requirements.json
# 方法二:Docker 隔离环境
docker run -it \
-v $(pwd):/workspace \
-e ANTHROPIC_API_KEY=$ANTHROPIC_API_KEY \
claude-ralph:latest
# 查看当前迭代次数
cat .ralph/iteration_count
# 查看任务完成状态
cat .ralph/task_status.json
# 查看日志
tail -f .ralph/loop.log
{
"stop_conditions": {
"all_tests_pass": {
"enabled": true,
"command": "npm test",
"success_pattern": "all tests passed"
},
"no_lint_errors": {
"enabled": true,
"command": "npm run lint",
"success_pattern": "no problems"
},
"coverage_threshold": {
"enabled": true,
"threshold": 80
}
}
}
{
"after_each_iteration": [
"run_tests",
"run_linter",
"code_review",
"commit_if_passing"
],
"code_review_prompt": "审查代码质量、安全性、性能问题"
}
{
"cost_limits": {
"max_tokens_per_iteration": 50000,
"max_total_cost": 50,
"alert_at_cost": 30
}
}
┌─────────────────────────────────────────────┐
│ 1. Claude 读取 PRD 任务列表 │
└─────────────────┬───────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ 2. 选择下一个待完成任务 │
└─────────────────┬───────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ 3. 实现代码、编写测试 │
└─────────────────┬───────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ 4. 运行测试套件 │
└─────────────────┬───────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ 5. Stop Hook 检查是否完成 │
│ • 测试通过? │
│ • 无类型错误? │
│ • PRD 要求满足? │
└─────────────────┬───────────────────────────┘
↓
┌───────┴───────┐
↓ ↓
未完成 完成
↓ ↓
返回步骤 2 结束循环
| 建议 | 说明 |
|---|---|
| PRD 要清晰 | 任务描述具体、可验证,避免模糊需求 |
| 设置最大迭代 | 防止无限循环消耗过多成本 |
| 使用 Docker | 隔离环境,避免污染本地系统 |
| 定期检查 | 每 10 轮查看一次进度和日志 |
| 成本监控 | 设置预算警报,避免超支 |

7 个月前
Ralph Loop 是一种让 AI 自主迭代的机制,主要用于解决 AI 编程助手"半途而废"的问题。

2 年前
通义灵码是阿里云出品的一款基于通义大模型的智能编码辅助工具。

3 天前
曾鸣教授新书《智能:AI时代的商业、组织与战略的本质》核心观点围绕“AI重构商业底层逻辑”展开。

12 天前
Artium AI 于 2026 年 7 月 29 日正式宣布加入 OpenAI 合作伙伴网络,并升级为 OpenAI 高级合作伙伴(OpenAI Advanced Partner)。 Artium AI 将与 OpenAI 深度合作,基于 OpenAI 的技术栈与 API,为企业客户打造、部署和扩展定制化的智能体 AI(Agentic AI)方案,实现日常任务自动化。 AI产业发展阶段的变化以及咨询公司在其中的新定位,核心要点如下: 事件背景: 美国智能体AI软件咨询公司Artium AI宣布成为OpenAI高级合作伙伴,为企业打造定制化智能体AI方案。 行业现状转变: 过去两年AI领域的竞争集中在“大模型能力”上,但企业发现拥有GPT并不等于具备AI能力,真正缺乏的是如何让AI融入业务流程。 咨询公司角色升级: 未来的AI咨询公司不再仅仅提供战略建议或报告,而是要直接帮企业设计连接系统并执行任务的“AI员工”,交付一支数字化员工团队。 软件行业的重新定义: 传统软件是固定流程,而进入智能体时代后,软件变成了动态能力。企业的需求从“买哪个系统”转变为“能不能让AI帮我完成这件事”。 最终结论: AI产业的竞争正从“大模型战争”转向“企业智能化重构战争”。未来最有价值的公司可能不是卖工具的,而是能帮助企业理解自身流程、将AI转化为真实生产力的公司。

18 天前
AI并非效率工具,而是商业决策的核心伙伴。

21 天前
Chief AI Officer(Chief Artificial Intelligence Officer),首席人工智能官。

25 天前
“如果技术不存在,就无从监管。” 黄仁勋进一步强调,如果AI产业无法蓬勃发展,“那就没什么可监管的了”。

25 天前
很多人以为 AI 时代的终局是“无人工厂”。黄仁勋在柏林给的版本,温柔得多,也更德国:电子不取代原子;它让原子被理解得更深。