Ralph Loop 到底是什么？一种自主 AI 编码技巧详解

什么是 Ralph Loop？

Ralph loop——常被称为 "Ralph Wiggum" 技巧——是循环工程里被复用得最多的模式之一。这个思路出自开发者 Geoffrey Huntley，简单到近乎朴素：把编码智能体放进一个 shell 循环里，给它一份可读取的状态文件，然后让它每一轮都从零重新开始，直到任务完成。

不需要编排框架，不需要持续的对话上下文，也不需要复杂的智能体记忆系统。就是一个循环、一份规格文件，加上每一轮都重新开始。

它是如何工作的

一条 Ralph loop 由三个部分组成：

1. 磁盘上的状态文件——通常是任务列表、需求规格或进度记录（例如 prd.json、progress.md 这类文件）。这是智能体在各轮之间唯一的"记忆"，不依赖任何对话线程。
2. 重新启动，而不是接着聊。 每一轮都会启动一个全新的智能体会话：读取状态文件，挑出下一个范围明确的任务，实现它，运行项目真实的测试/lint/构建命令，提交代码，并在退出前更新状态文件。
3. 一个持续重启它的 shell 循环。 进程一退出，循环就重新启动——新的会话，同一份状态文件，处理下一项任务。

"每次都是干净上下文"正是这套方法的关键所在。智能体的会话跑得越久，越容易积累"上下文腐化"——过时的错误判断、陈旧的假设、无关的历史信息，都会悄悄拖累产出质量。Ralph 的做法是干脆不让任何一个会话跑得足够久到腐化：每一轮只啃下一个任务，记录下发生了什么，然后干净地重新开始。

Ralph 与常规提示词对话的区别

一次普通的编码智能体会话本质上是一场对话：你输入，它响应，你纠正它，在同一个持续的上下文窗口里来回进行。Ralph loop 把这场对话替换成了一份"契约"——一份你和智能体都会读写的状态文件——再交给一个"很笨"的 shell 循环去做"继续下去"这件本该由人手动完成的事。

这套交易只有在状态文件里的任务本身范围明确的前提下才成立。如果任务写得含糊或者过大，每一轮全新上下文都会对任务边界做出不同的猜测，这也是 Ralph loop 在实践中最常见的翻车方式。

一条你今天就能跑的 Ralph Loop

MCP.so 上的 Ralph Story Executor 就是这套技巧的直接实现：它从 .ralph/prd.json 文件里读取尚未完成的故事（story），每一轮只实现一个、范围尽量小，用项目的测试/lint/构建命令作为背压校验，用与该故事对应的提交信息提交代码，并在下一轮开始前把学到的经验记录到 .ralph/progress.md。只有当文件里所有故事都标记为完成，它才会退出。

与之紧密相关的 Guardrails Learning Loop，在同一个 .ralph/ 目录里多加了一份状态：当同一种检查连续两次以同样方式失败，循环会把它写成一条固定规则记录到 .ralph/guardrails.md 里，此后每一轮——即便是全新上下文——也都会自动遵守这条规则。

相关的其他模式

Ralph 并不是唯一值得了解的命名循环模式：

• Reflexion 式循环保留的不是长期计划，而是短期的"反思"——智能体在每次尝试失败后写下哪里出了问题，下一轮重试前先读取它。参见 Reflexion Debug Loop。
• MCP.so 循环工作流目录里的大多数其他循环并不会在各轮之间重启上下文——它们是配有检查命令和退出条件的、范围明确的单条提示词，属于循环工程谱系里更简单的一端。而 Ralph 适用的场景，是任务大到一条提示词装不下、又重复到不值得人工盯守的时候。

如果你还不熟悉循环工程这个更大的概念，可以先读《什么是 Loop Engineering》，了解每一条循环——包括 Ralph——共同的四要素结构。