Ralph Loop：AI Agent 的持续迭代范式
- 作者：Bougie
- 创建于：2026-05-07
# 前言
在使用 AI 辅助编程时，你是否遇到过这样的问题：AI 写了一半代码就停了，或者修复了一个 Bug 却忽略了其他问题？这并非 AI 能力不足，而是 传统 open-loop 系统 的固有缺陷。
今天要介绍的 Ralph Loop（Ralph Wiggum Loop），是一种专为 AI Agent 设计的 closed-loop 持续迭代模式，让 AI 能够像人类一样持续自我修正，直到任务真正完成。
# 传统 AI 辅助的问题
传统模式是 open-loop（开环）系统：
- 人类编写 prompt
- AI 生成响应
- 人类检查结果
- 有问题则回到第 1 步
问题在于：每个循环都需要人类参与，效率低下，且容易出现 "AI 觉得完成了但实际没有" 的情况。
# Ralph Loop 核心原理
Ralph Loop 的核心是一个简单的 bash 循环：
while :; do cat PROMPT.md | claude-code --continue done
但关键不在于循环本身，而在于 三大核心机制：
# 1. 清晰任务 + 完pletion Criteria
任务必须包含可验证的完成标准：
实现用户认证模块。完成标准：JWT 登录正常、测试全部通过、README 已更新。完成后输出：COMPLETE
# 2. Stop Hook（停止拦截器）
当 AI 试图提前退出时，hook 机制拦截它，强制继续执行，直到真正的完成条件满足。
# 3. External State（外部状态）
每次迭代，AI 都能看到：
- 文件系统的实际变化
- Git 提交历史
- 测试运行结果
AI 通过真实状态而非对话记忆来判断进度。
# Ralph Loop 工作流程
# Ralph Loop vs ReAct
Ralph Loop 被认为是 ReAct 范式的进化：
| 特性 | ReAct | Ralph Loop |
|---|---|---|
| 反馈来源 | 推理过程中的内部状态 | 外部真实状态（文件/Git） |
| 迭代控制 | 单一 prompt-response | 循环 + Stop Hook |
| 人类干预 | 每个循环需要 | 仅在真正完成时 |
| 自主性 | 中等 | 高 |
# 实际使用示例
安装 Ralph Loop 插件：
/plugin install ralph-wiggum@claude-plugins-official
运行任务：
/ralph-loop "实现一个 TODO 应用。完成标准：CRUD 功能完整、有单元测试、README 详细。完成后输出：COMPLETE" --max-iterations 15
--max-iterations 是一个安全阀，防止无限循环。
# Ralph Loop 解决了什么？
- "半途而废" 问题：AI 不会在任务未完成时提前退出
- 自我修正能力：通过外部状态，AI 能看到自己的错误并修正
- 减少人类干预：从 "每个循环都要人盯着" 变成 "定义好目标，等结果"
- 可验证的完成：通过 Completion Promise 确保真正完成
# 总结
Ralph Loop 的核心洞察是：让 AI 通过外部状态（而非对话上下文）来驱动自我迭代。这将传统的 "人控循环" 变成了 "AI 自主闭环"，大幅提升了 AI Agent 的可靠性。
如果你也受够了 AI "半途而废" 的困扰，不妨试试 Ralph Loop。
参考：Claude Code 插件生态 ralph-wiggum@claude-plugins-official