2026-04-16
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。
登录/注册后继续阅读
立即登录/注册 >