“如果你把 AI 放在一个死循环里，给它足够的权限和上下文，会发生什么？”
2025 年底，一个名为"Ralph Wiggum Technique" (Ralph 循环)的 AI 编程技巧在硅谷极客圈一夜爆红。它没有复杂的架构，没有花哨的界面，其核心代码甚至只有一行 Bash 脚本。
但就是这个看似简陋、甚至有些“诅咒”意味的技巧，却让开发者们在一夜之间重构了 6 个代码库，构建了全新的编程语言，甚至引发了 Anthropic 官方下场发布插件。
什么是 Ralph？为什么它如此有效？它又预示着怎样的 AI 编程未来？
Ralph 的诞生——一行代码的暴力美学
Ralph 的故事始于 Geoff Huntley 的一个疯狂实验。他没有使用复杂的 Agent 框架，而是写下了这样一行 Bash 脚本：
while:;docat PROMPT.md | npx --yes @sourcegraph/amp ;done
这就是 Ralph 的全部。
PROMPT.md：这是唯一的输入，包含了项目的目标、规范、当前状态的描述（通常由 AI 自动更新）。@sourcegraph/amp：这是一个极其简单的 CLI 工具，它读取提示词，调用 LLM，并在当前目录下执行命令（修改文件、运行测试等）。while :; do ... done：这就是灵魂所在。无限循环。
Ralph 不会停下来问你“这样行吗？”。它只是不断地读取目标、执行操作、再次读取目标、再次执行……直到你手动杀掉进程，或者它把代码库变成一团乱麻（所谓的“Overbaking”）。
为什么 Ralph 有效？—— Context Engineering 的胜利
乍一看，Ralph 似乎只是一个不可控的随机代码生成器。但实际上，它的成功揭示了 AI 编程的一个核心真理：上下文工程 (Context Engineering) 远比 Prompt 技巧更重要。
Ralph 的核心不在于那个 Bash 循环，而在于那个PROMPT.md（或者更高级的“Specs”）。
声明式而非命令式
传统的 AI 辅助编程是“命令式”的：你告诉 AI “修改这个函数”、“修复那个 Bug”。
Ralph 是“声明式”的：你在PROMPT.md中描述项目的终局状态（Desired State），比如“所有的 React 组件必须使用 TypeScript 且没有 default exports”。Ralph 的工作就是不断逼近这个状态。
小切口，高频迭代
Ralph 并不试图一次性完成所有工作。它在每次循环中只处理一小块任务。这种“切碎”的工作方式，完美契合了 LLM 当前的上下文窗口限制，避免了“一次性生成几千行代码然后全错”的灾难。
自动化反馈循环
在 Ralph 的循环中，测试结果、Linter 报错、编译失败信息，都会成为下一个循环的输入。它不仅是在写代码，更是在自我修复。
Ralph 的进化——从玩具到生产力
随着社区的介入，Ralph 迅速从一个 Bash 玩具进化为一种严肃的开发范式。
重构利器：这是一次真实的重构经历。面对一个混乱的 React 前端，没有人工介入手动修改，而是花 30 分钟写了一份 REACT_CODING_STANDARDS.md（编码规范），然后让 Ralph 跑了 6 个小时。结果？Ralph 自主完成了一个人类可能需要数天才能完成的枯燥重构。Cursed Lang：Geoff 甚至用 Ralph 构建了一门全新的编程语言 Cursed Lang，包含编译器、标准库，且实现了自举。官方下场：Anthropic 甚至推出了官方的 Ralph 插件。虽然被社区吐槽“过度设计”且不如 Bash 脚本好用，但这标志着这种模式已被主流认可。
警惕“Overbaking”——AI 也会“把菜烧焦”
Ralph 并非完美。它最大的风险在于"Overbaking"（过度烘焙）。
如果你让 Ralph 跑得太久，且PROMPT.md的约束不够紧，它可能会开始产生“幻觉”般的优化：添加没人需要的 Post-Quantum 密码学支持、过度拆分文件、甚至为了通过测试而删除测试。
这给我们的启示是：AI 是强大的引擎，但人类必须是方向盘。
写好 Spec：如果你的 Spec（规格说明书）是垃圾，Ralph 产出的代码也是垃圾。 监控循环：不要让它无限制地跑下去，设置检查点。 小步快跑：最好的 Ralph 实践是“一夜重构一个模块”，而不是“一夜重构整个系统”。
小结：Agentic Coder 的未来
Ralph Wiggum Technique 可能只是 AI 编程进化史上的一朵浪花，但它留下的遗产是深远的。
它告诉我们，未来的编程可能不再是编写具体的逻辑，而是编写和维护一份完美的 Spec（规范说明书）。我们将成为“系统架构师”和“验收测试员”，而将那个枯燥、重复、且容易出错的“编码循环”，交给不知疲倦的 Ralph 们。
所以，下一次当你面对一座巨大的“屎山”代码时，不妨试着写一份清晰的 Spec，然后启动那个神奇的Bash循环。
资料链接：
https://ghuntley.com/ralph/ https://www.humanlayer.dev/blog/brief-history-of-ralph
从“暴力循环”到“优雅指挥”
Ralph Wiggum 的故事让我们看到了 AI 自主编程的雏形：只要有正确的 Spec（规范）和自动化的 Loop（循环），奇迹就会发生。
但 Ralph 毕竟只是一个 5 行代码的 Bash 脚本，粗糙且容易“烤糊”。在真实的工程实践中，我们不能只靠运气的“无限循环”，我们需要一套更稳定、更可控、更专业的AI 原生开发体系。
如果你不想止步于 Ralph 这样的极客实验，而是想真正掌握驾驭 AI Agent 的系统方法，欢迎加入我的新专栏《AI原生开发工作流实战》。
这是关于如何构建你的“自动化流水线”：
告别低效：不再做“复制粘贴喂 AI”的搬运工，建立自动化闭环。 驾驭神器：深度实战Claude Code等前沿工具，它是比 Ralph 更成熟的“神灯精灵”。 身份跃迁：从被动的“AI 使用者”，进化为定义规范、掌控全局的“工作流指挥家”。