发帖
雷达卡
我们平时用AI写代码，本质上还是一个对话模式。你让它写一个功能，写完了，你检查一下，然后说这里改改那里调调，反反复复，全程得有人盯着。
今天介绍一个挺火超过17000星的，自主循环AI智能体Ralph。
你只需要给它一份需求清单，它自己就能写代码，跑测试，测试通过了就自动提交，然后接着干下一个活。
开源地址：https://github.com/snarktank/ralph
其实Ralph的核心技术逻辑并不复杂。每次循环开始的时候，它会启动一个全新的AI实例，就像给程序员清空了桌面重新开始一天的工作。
然后它会去任务清单里找还没完成的那条，按优先级最高的来做。做完之后跑一遍测试，测试通过就提交代码，然后在清单上打个勾，顺便把这次学到的东西记在一个小本子上，留给下次循环用。
就这么不停地循环，直到所有任务都标记为完成，或者达到了你设的最大循环次数。
这中间有一个特别聪明的设计。每次循环都是全新的AI实例，上下文是干净的，不会出现聊着聊着就忘了前面在说什么的情况。
因为Ralph有三个地方可以记住之前发生过的事：git提交记录、一个叫progress.txt的笔记本文件，还有一个记录任务完成状态的JSON文件。
相当于每次派一个新的人来接手，但前一个人已经把所有关键信息都写在文档里了，所以新来的人不用从头摸起，直接就能上手。
咱们再唠唠Ralph比较强的几个功能。第一是那个PRD驱动的模式。 你不需要一句一句告诉AI该写什么代码。
你只需要写一份产品需求文档，把它转成Ralph能读懂的格式，然后扔给它就行了。
这跟我们平时做软件开发的流程是完全一致的，只不过执行者从人类程序员变成了AI。
而且还自带技能，可以帮你生成PRD，也可以帮你把PRD转成它需要的JSON格式，整个链路都是打通的。
对任务的要求也挺细致的，这个我觉得是Ralph能跑起来的关键。Ralph的设计哲学是每个任务必须足够小，小到能在一个AI上下文窗口内完成。
比如给数据库加一列、在页面上加一个组件、修改一个接口的逻辑。如果任务太大，比如直接让AI搭整个后台管理系统，它大概率会半路跑偏，写出一堆半成品代码。
这其实跟人类团队管理项目是一样的道理，大任务要拆小，一步步来，不能一口吃成胖子。
自动化检查是持续自动跑任务的关键。每做完一个任务，Ralph会自动跑类型检查和测试。
只有全部通过了才会提交代码并标记完成。要是没通过呢，它不会强行提交，也不会假装什么都没发生过。
还会把这个教训记下来，下次循环就能避免同样的坑。这个机制让我觉得很安心，至少它不会在你不注意的时候悄悄往代码库里塞一堆有bug的东西。
支持的AI工具比较灵活，默认用的是Amp。也可以选择Claude Code来驱动整个AI循环。
你手里哪个方便就用哪个，不用额外去买什么新的东西。并且可以通过Claude Code的插件市场安装，这一点对于不太喜欢折腾命令行的朋友来说很友好。
虽然Ralph的自动化功能很强，不过有两个坑需要注意一下。
第一个，任务拆分真的特别重要。如果你偷懒把一个大需求当成一个任务扔进去，AI大概率会在做到一半的时候上下文用完，然后产出一段质量不太行的代码。
所以PRD写得越细越好，每个任务都要小而明确。这跟写用户故事其实是一样的道理。
第二个，成本问题。因为它每次循环都要启动一个全新的AI实例，所以token的消耗是实打实的。
如果你的项目需求很多、循环次数很高，那费用不会太低。不过话说回来，比起请一个人类开发者来干这些活，这个成本还是划算的。
如果你是独立开发者或小团队，平时需要要做很多重复的功能开发，可以试试Ralph。
想系统掌握AI核心技能、获取行业认可资质？
CAIE注册人工智能工程师认证
助你拓宽职业赛道，成为AI领域持证实力派
企业、高校及渠道合作
请联系微信：FYLlaoshi
京公网安备 11010802022788号
