基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

本文已收录到 AI编程一站式导航 。本文链接：[03.9 2026 年最佳 AI 编码工具完全指南]( code.ai80.vip/ai-tool-gui… 2026 年最佳 AI 编码工具完全指南) 强烈推荐：AI编程巴士网站： 稳定纯净的ClaudeCode套餐供应 ； Claude Code 联合创始人 Boris Cherny 最近晒了组数据，挺炸裂的：30 天提交 259 个 PR，每行代码都是 Claude + Opus 4.5 写的；47 天里有 46 天在用，最长一个 session 跑了 1 天 18 小时。 他分享了 13 条心得，今天单聊第 12 条—— “长时间运行的任务，用ralph-wiggum插件。” 这不只是个插件。搞懂它背后的原理，你对 AI Agent 的认知会上一个台阶。 一、先说说什么是拉尔夫循环 最近这个概念挺火。简单讲，就是你给 Agent 一个任务，Agent 跑了很多轮之后觉得"我做完了"想退出——这时候拉尔夫会拦截这个退出，把同样的 prompt 再喂一遍。 关键是：Agent 之前的上下文还在（有的持久化到文件里，有的直接复用上下文），之前改过的代码也保留着。于是 Agent 从上次停下的地方继续干活。 这个场景你可以这么理解：实习生觉得自己做完了就停了，老板甩着鞭子说"没完呢，继续"，一直干到老板满意为止。 本质上，这是通过多轮迭代来解决一个老问题：LLM 上下文窗口有限，导致 Agent 难以很好地完成长任务。 效果有多夸张？流传最广的案例是，有个老哥靠这个机制"鞭打"Agent，跑了一个 3 个月的循环，直接干出了一门完整的编程语言（后面会详细聊）。 二、理解一组概念：Context Rot vs In-Context Learning 用 Ralph 跑长任务，上下文窗口是核心战场。随着对话变长，上下文不断增加。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。