Ralph Wiggum 自动化循环:让 Claude Code 像 Ralph 一样傻乎乎跑完整个项目

你有没有过这种感觉：给 Claude Code 写了个大活儿，让它自主跑完，结果它要么跑飞了无限循环，要么 5 个回合就提前下班交差？要么根本停不下来，要么什么都不干。这就是 Geoffrey Huntley 在 ghuntley.com/ralph 那篇神帖里挖出的真问题——「AI 自己干活」这件事，最难的不是让它动起来，而是让它在正确的时间停下来。

于是他以《辛普森家庭》里那个永远天真的 Ralph Wiggum 命名了这个技术：让 LLM 像 Ralph 一样傻乎乎地、反复地、坚定地干活，直到真的完成为止。而 frankbria 的 Ralph Claude Code 是目前最工程化的开源实现，784 个测试 100% 通过，v0.11.5 持续迭代中。

这玩意儿的黑科技到底在哪？

最核心的设计叫双条件退出 gate——Claude 必须既给出 “STATUS: COMPLETE” 之类的完成指标，又显式回答 “EXIT_SIGNAL: true”，才能真正退出。光满足一条都不行。这一个约束就干掉 90% 的「提前跑路」和「假装搞定」。

然后是限流 + 断路器这套老牌防护：默认 100 calls/小时重置，跑过 5 小时 API 限额自动 sleep 检测，连续报错自动熔断，日志 10MB 轮转保留。再加上响应分析器做语义理解 + 两阶段错误过滤，连 Claude 编的「假成功」都骗不过它。

最有意思的是它复用了 Geoffrey 的设计——Session continuity 模式用 --resume 接着干，但严格避免「session hijacking」（新会话被旧 context 带歪）。换句话说，你可以放心地挂着 tmux 离开工位，让它自己跑，回来接着看流式输出。

哪些场景适合「放养」Ralph？

苏棠实测下来，这三类活儿最适合：

• 长尾 PR 重构：让 Ralph 拿着 GitHub issue 自己拆、自己改、自己跑测试、自己提 PR，import 流程就是 ralph-import --github-issue 123
• PRD → 代码全流程：用 ralph-import 把需求文档喂进去，它会拆成任务流逐步实现，PRD 写作 + PRD 评审 skill 一并用上，效果拔群
• 批量小工具开发：让 Ralph 跨 N 个目录并行写 30 个 boilerplate，tmux 里看着它一个个交付

测试覆盖 784/784，CI/CD 用 GitHub Actions 跑通；macOS / Linux 都覆盖了，Windows WSL 也能装。

装起来巨简单

一行装好（项目内 bash install.sh，或者从 README 拉全局脚本），然后 ralph-enable 进项目做 5 阶段向导：自动识别 TypeScript / Python / Rust / Go，自动选 Next.js / FastAPI / Django，最后生成 .ralphrc 配置和 .ralph/ 子目录。完事儿 ralph 一键启动。常用参数：--live（实时流输出）、--backup（自动 git 备份）、--dry-run（先跑一遍摸底）、--notify（macOS / Linux 桌面通知）、--rollback（随时回滚）。

最骚的是它自动从 GitHub Issues 导入任务：标签、标题、负责人、里程碑都能筛，first/interactive/priority 选单全有，开 --dry-run 还能预览不真跑。

说真的，「让 AI 自主干活」这个赛道里，Ralph 这种「名字像段子、代码像工程」的工具，才是真·效率黑科技。Geoffrey 把它叫 Ralph Wiggum 不是开玩笑——它就是要你放心地「像 Ralph 一样傻乎乎地让它一直转下去」，背后那 784 个测试和双条件退出 gate 才是真正严肃的工程。

👉 GitHub 仓库（持续活跃版）：https://github.com/frankbria/ralph-claude-code

不想自己折腾的话，还有一份讲 Ralph 技术原理和 Geoffrey Huntley 原始思路的神帖：https://ghuntley.com/ralph/

GitHub: https://github.com/frankbria/ralph-claude-code