Ralph Loop 深度解读:AI Agent 持续迭代循环的来龙去脉
本文是一篇综述与交叉验证性质的解读,视角为”一个社区实践如何长成产品能力”。素材来自四条独立线索:Geoffrey Huntley 的原始博文与哲学续篇、阿里云云原生的中文综述、Anthropic 官方工程博客、以及 Claude Code / ChatGPT 的官方文档,文末附全部出处。除特别标注「」的直引外,行文均为重新组织与个人分析。
整理日期:2026-09-25
一、一个真实的问题:LLM 什么时候算”做完了”?
所有 AI 编程工具的用户都遇到过同一类尴尬:任务做到七八成,模型输出一句”任务完成”,然后停了。具体表现有四种:
- 主观收工:模型在它自己觉得”差不多了”时退出,而不是在客观标准达成时
- 单发脆弱:稍微复杂的任务,一次提示不可能做完,中间全靠人工续命
- 续命昂贵:每次人工重新引导,消耗的都是开发者的注意力
- 断档失忆:会话一旦重启,之前做了什么、为什么这么做,全部清零
把这四种现象抽象一下,根因是同一个:LLM 的自我评估不可信。它判断”完成”的依据是自己的主观感受,而不是一个可以被外部验证的事实。
社区的回应方式粗放到近乎行为艺术——一个 bash 循环:
1 | while :; do |
Geoffrey Huntley 给它起了个名字(借自《辛普森一家》里屡败屡战的角色 Ralph Wiggum),并留下一句著名的定义:“Ralph is a Bash loop”。这个循环能跑通任务的前提只有一条:提示词永远不变,变的是硬盘上的东西——代码被改了、测试跑了、git 历史长了。模型每一轮看到的”世界”都不一样,它实际上是在通过文件系统读自己的工作痕迹,形成自我修正。
这个看似玩笑的方案后来被推到了相当夸张的规模:Huntley 声称用它在 YC 黑客松一夜生成 6 个仓库、以约 $297 的 API 成本交付一份报价 $50k 的合同、历时三个月写出完整的编程语言 “cursed”(数字出自其 README,听听就好,重点是方法本身)。

