抢庄牛牛 看着像弱智, 干活像战神, 这个黄胖子横扫AI编程

编程大神玛特·波科克（Matt Pocock），绰号TypeScript巫师，他在最新的编程课里这样描绘一个器用。

“之前你非论用哪个模子编程皆只可取得半制品，AI只可作念一些杂活。然则这玩意可不一样，你能把通盘待办列表交给它惩处。”

这节课时长4个小时，售价375好意思元，容量是40东说念主，而玛特卖完它只用了半个小时。

温情vibe coding的设施员们，这两天一定被一个挖着鼻孔、相貌寂然、头发疏淡，一只眼睛站岗、另一只眼睛巡视的黄色胖子刷屏了。

这就是Ralph。

简便来说，Ralph是一个Agent插件，劝诱者不错在输入需求后就能当个死字掌柜。

它我方会监督我方运行，通过束缚的测试代码，直至终末跑出透顶合适需求的收场才会住手。

一个真实的使用场景是，在寝息之前翻开Ralph，输入未来的劝诱内容，到了第二天，Ralph就会完成通盘代码，恭候你进行终末审阅。

而你莫得糜费1秒钟在编程上，以致更无谓像使用之前的vibe coding器用那样，守在电脑前，一转一转地帮着听不懂话的AI改代码。

你惟一作念的事情就是睡了个好觉。

自从Ralph被上传到Github以后，不到两周时代就获利了7000颗星星。这个速率相配恐怖，在Github上，即使是头部爆款神志，两周时代也很难碎裂7000颗星。

要知说念，哪怕是DeepSeek的主仓库，在上线后同样的时代里，也才快要8000颗星星。

在线编程教练平台Treehouse的独创东说念主瑞安·卡松（Ryan Carson）更是直言，“通盘东说念主皆在计划Ralph”（Everyone is raving about Ralph）。

01

Ralph这个名字着手于动画《辛普森一家》中的一个扮装，Ralph Wiggum。他的特色就是不太机灵，然则执着不懈。

Ralph的劝诱者叫作念杰弗里·亨特利（Geoffrey Huntley），不外在汉文互联网上，众人更景象叫他的绰号“澳洲放羊大叔”。

因为他并不是真实兴味上的设施员，履行上他是在澳大利亚以放牧为生。何况澳洲放羊大叔从不住屋子里，只住在我方的房车里。

回反正题，Ralph并非一个全新的、孤苦的软件家具，而更像是一种使命玄学或一套可被施行的剧本，旨在让现存的AI编程代理（如Anthropic的Claude Code、Cursor等）在你离开电脑时也能合手续使命。

用澳洲放羊大叔我方的话来说，Ralph的中枢简便到不错详尽为一转代码，但其威力却辞让小觑，就像while true一样。

它的使命经过不错判辨为几个迂回要领。

第一步是任务判辨。它要求劝诱者将一个刚劲的功能需求，拆分红一系列迷漫小、可孤苦完成的原子任务。迂回在于，每个小任务皆必须有明确的、可被机器自动检测的“通过”或“失败”程序。

暗昧的指示，比如“让界面更颜面”，在这里是行欠亨的。任务必须是具体的，举例“添加一个优先级列，其默许值为中等”。

任务清单准备好后，Ralph便初始轮回施行。

在每一轮迭代中，它会从任务列表中采取一个尚未完成的任务。它会读取神志确现时景况，包括git的版块历史、记载使命程度的progress.txt文献，以及包含通盘待处事项的prd.json家具需求文档。

然后，它会调用AI模子来编写竣事该任务所需的代码。

代码编写完成后，经过自动参加测试要津。Ralph会运行预设的测试剧正本考证新代码是否平方使命，以及是否忻悦了任务的验收程序。

若是测试通过，它会自动将此次的代码变更提交到git版块阻挡系统中，并在prd.json里将该任务秀美为完成。此次得胜的教学，连同可能遭受的问题和惩处决策，会被记载在progress.txt中，动作后续迭代的参考。

若是测试失败，它不会停驻来恭候用户骚动，而是会将造作信息记载到errors.log文献中。不才一轮轮回初始时，AI会读取这些造作日记，从中学习，并尝试用不同的方法来惩处并吞个问题，幸免重迭之前的造作。

这种使命形状惩处了现时AI编程器用大批濒临的繁重——高下文窗口规定。

当劝诱者与AI进行万古期的运动对话，念念要去构建一个复杂功能时。跟着代码量的加多和对话轮次的增多，AI会逐淡健忘起始的指示和拘谨。

它可能会初始针锋相对，或者在修改一处代码时意外中窒碍了另一处的功能。最终，劝诱者发现我方像在护理一个操心力欠安的小学生，需要束缚提醒和校阅，遵循大打扣头。

{jz:field.toptypename/}

问题出在职务的限制上。

时常来说，一个功能包含二十个部分，AI试图将通盘细节皆保留在它的短期操心里时，它时常力不从心。

Ralph的政策有点像“少食多餐”。它每次只专注于一个极小的任务，完成后就通过git提交来固化后果，然后清空我方的短期操心（高下文），以一个全新的、干净的景况管待下一个任务。

这意味着，表面上它不错构建无穷复杂的软件，而不会被越来越长的对话历史所困扰。

它不是莫得高下文，而是把操心涟漪成了结构化的文献。

1. git历史成为了AI的长期操心，每一次提交皆是常识的积贮。

2. progress.txt文献记载了已完成的使命和现时景况，是神志程度的活水账。

3. prd.json文献是家具需求文档，明确通盘待完成的任务。

4. AGENTS.md文献是操作指南，记载构建和测试神志的具体方法。

5. errors.log用于下个轮回时幸免不异的造作。

02

诚然前边讲了那么多，但Ralph的中枢计制不错被浓缩为一转简便的Bash剧本：

while :; do cat PROMPT.md | claude-code ; done

这行代码的实质是一个无穷轮回。它束缚地将一个包含指示的教唆文献喂给一个AI代理，让其反复迭代，直到外部条目被忻悦才住手。

这个看似“机诈”的轮回，恰正是Ralph模式的立异地点。

很多AI模子在完成一轮输出后，会合计任务仍是“差未几完成”并自行退出。它们可能会忽略掉测试、构建、建造报错等迂回的收尾要领。

Ralph的机制则吸收了AI的退出信号。举例，在与Claude Code集成时，一个插件会阻碍AI的退出指示。

它会查验使命后果是否忻悦预设的完成条目，在输出中是否包含一个特定的完成秀美。

若是莫得找到这个秀美，插件就不会让AI进程住手，而是强制它参加下一轮迭代。这种机制让通盘劝诱经过脱离了东说念主工的“卡点”，竣事了从编码到测试再到修正的透顶自动化。这是它简略在劝诱者寝息时也无东说念主值守运行的底层基础。

关联词，托管的迂回并非简便地“让AI一直跑下去”，而是“让AI知说念要跑到什么时候为止”。

若是莫得一个明确的、可被机器意会的完成程序，AI我方的迭代轮回就会变成无倡导的资源消耗，最终产出的收场可能依然无法使用。

因此，Ralph模式强调在启动前就界说好明确、可量化、可被机器检测的完成条目。这个条目被编码在职务的验收程序中。

在每一轮轮回的末尾，AI皆会自行查验这些条目。若是条目未忻悦，它就会阻止我方退出，并触发下一轮迭代。这个过程会一直合手续，直到通盘任务的验收程序皆被忻悦，最终的完成秀美出现为止。

这相配于用机器替代了东说念主工来完成“收场验收”这一要津。

这种模式也提供了两种主要的配合形状。一种是“离线Ralph”（AFK Ralph），劝诱者在晚上寝息前设定好任务，然后让它整夜运行。第二天早上醒来，新的功能可能仍是劝诱完成并恭候审阅。这种形状妥当那些需求明确、胜仗了当的任务。

另一种是“手动挡Ralph”（Hands-on Ralph），劝诱者一次只运行一轮轮回。在每一轮收场后，劝诱者会审查AI的提交，并在必要时进行相易和颐养。这种形状更妥当那些复杂的、探索性的功能，劝诱者但愿在过程中保合手更多的阻挡权。

但即等于在手动模式下，由于其结构化的任务和明晰的反映轮回，它时常也比传统的Vibe Coding要高效得多。

03

除了使命模式上的立异，Ralph的另一个显赫特色是其运行老本相对较低。

凭据一些劝诱者的共享，一次包含10轮迭代的典型Ralph运行，其API调用老本纯粹在30好意思元傍边。

有一位劝诱者使用这种模式拜托、审查并测试了一个完竣的应用设施，总糜费不到300好意思元。

而在夙昔，他劝诱同等复杂度的家具，外包老本可能高达50000好意思元。

即使Ralph只可完成90%的使命，劝诱者只需糜费极少时代进行终末的计帐和收尾，也相配于将数天的使命压缩到了几个小时。

这履行上有些反直观，Ralph运行多个轮回，却比其他家具要低廉。

Ralph低老本的原因，与它特有的使命经过干系。

当使用其他AI模子进行长对话时，为了让模子记着半小时前计划过的内容，每一次发送新肯求时，时常需要将之前的一说念聊天记载再行发送给它。

跟着对话变长，每次API调用所消耗的Token数目会呈指数级增长，导致用度急剧上涨。

前文提到，通盘神志的“操心”被存储在git和腹地文献中，而不是不菲的AI模子高下文里。

那么Ralph每次肯求AI时，只需要提供与现时任务干系的最少信息。完成任务后，这个狭小的高下文就被清除。因为高下文很短，是以单次调用的老本相配低。

一些履行案例也印证了这种模式的后劲。在一个创业黑客松活动中，有团队诳骗Ralph在彻夜之间拜托了6个不同的神志原型。澳洲放羊大叔本东说念主，更是据称在不到三个月的时代里，主要通过Ralph构建了一门完竣的编程讲话。

严格兴味来说Ralph莫得竞品，但Codeiu在2025年推出的Cascade不错在工程上竣事和Ralph差未几的效果。

它和Ralph在盘算上是一致的，托管劝诱，直至最终完成复杂编程。然则它莫得Ralph那么简便胜仗，而是以“plan-act-verify”（盘算、施行、考证）这个逻辑来运行。

从代码施行上来讲，Ralph是无穷Bash轮回+单次施行。在第一次运行之前，由于莫得树立logs，是以它就是会出错，然后再到第二个轮回，凭据以前出过的错改正。

而Cascade是先去盘算好通盘经过，再施行，终末考证。

由于经过一初始的编排和盘算，它的编程和考证过程，皆比Ralph的运行时代要少。

但问题就在于，Cascade无法无穷轮回。是以存在一个阈值，一朝神志的复杂程度跳跃这个阈值，Cascade就无法竣事像Ralph那样的托管。

此外，一个围绕Ralph的生态系统也正在快速造成。

Anthropic仍是将Ralph动作其AI编程器用Claude Code的官方插件之一。而前端劝诱平台Vercel的实验室也发布了救济该模式的AI SDK版块。

这些官方和半官方的摄取，标明Ralph模式仍是从一个神志，迟缓演变为一种被行业招供的、惩处履行问题的灵验范式。