Ralph Loop拉尔夫循环：用循环试错跑赢多智能体的AI编程新范式

文章正文

当AI Agent越来越强，人和它之间到底是什么关系？一位AI架构师（B站UP主"胖总"）开启了「人与Agent」系列，第一期就抛出了一个反直觉的观点：一个看似愚蠢的循环机制，正在跑赢大量精心设计的多智能体架构。

这个机制叫做 Ralph Loop（拉尔夫循环），得名于《辛普森一家》里那个永远学不会拼自己名字的蠢萌小男孩 Ralph Wiggum。它由工程师 Jeffrey Huntley 在2025年初提出并命名，正在席卷AI编程圈。Huntley的设计哲学根植于控制论中的「反馈回路」思想，与Unix哲学高度契合：每个程序只做一件事，通过管道和文件传递状态——而非依赖复杂的内部状态机。

Ralph Loop的核心逻辑：一行代码揭示全部真相

Ralph Loop 的核心代码写出来只有一行 Bash，翻译成人话就是：反复把同一个 Prompt 文件喂给 AI 编程智能体，直到任务完成为止。

没有花哨的多智能体编排，没有 LangGraph，没有状态机，没有 RAG 检索增强。整个流程就是：读 Prompt → 干活 → 退出 → 再读 Prompt → 再干活 → 再退出。

背景补充： LangGraph是LangChain团队推出的有状态多智能体编排框架，允许开发者用图结构定义Agent之间的协作流程，支持循环、条件分支和持久化状态。RAG（检索增强生成）则是一种将外部知识库实时注入LLM上下文的技术。这些工具代表了AI工程的「重型基础设施」路线——通过精密的架构设计来弥补单个LLM的局限性。Ralph Loop的出现恰恰是对这一路线的反叛：它用文件I/O替代了复杂的状态管理，用循环替代了编排图。

每一轮智能体的上下文都是全新的——它不记得上一轮干过什么。它的记忆不在模型脑子里，而在文件系统和 Git 的历史里。

这就是名字的由来：像 Ralph Wiggum 一样，每天早上醒来都是新的一天，永远新鲜，永远在第一次尝试，永远不会被昨天的失败拖累。

听起来很蠢？但请先按住怀疑，看看它的三个关键设计。

设计一：Prompt.md是外置大脑，不是模型本身

在 Ralph Loop 的世界里，工程师的精力不花在调模型或调框架上，而是花在写好那个 Prompt 文件。这个文件每一轮都被重新读取，所以你可以在智能体运行过程中实时修改它——不用重启。任务定义、验收标准、卡住了怎么办，全写在这一个文件里。

如果把它和安德烈·卡帕西（Andrej Karpathy）在2025年初发布的 Auto Research 并排来看，你会发现这是同一个AI编程范式的两种表达。

背景补充： Andrej Karpathy是前特斯拉AI总监、OpenAI联合创始人，现为独立研究员，以深度学习教育内容著称（其「Neural Networks: Zero to Hero」系列课程影响了数十万工程师）。他在2025年初公开的Auto Research实验展示了一种「过夜科学家」范式：让AI Agent在无人监督的情况下自主运行数百次实验，研究员只需在次日审阅结果。这一范式的核心洞见是：在算力足够便宜的条件下，系统性的穷举探索往往比人类的直觉判断更可靠。

卡帕西做了什么？他给 AI Agent 一个真实但很小的 LLM 训练环境，让它自己通宵跑实验：改一行代码、训练五分钟、看指标有没有涨——好就留下，坏就丢掉，继续下一轮。第二天早上醒来，桌上是50个实验日志和一个比昨天更好的模型。

关键在于，卡帕西自己说：在这个系统里，研究员不再碰 Python 文件，他碰的是 Program.md。 他把目标、约束、评判标准写进去，Agent 读它、改代码、跑实验、回报结果。

这和 Ralph Loop 的 prompt.md 是同一件事。工程师的工作正在从"写代码"撤退到"写元代码"——写那份描述任务和判断标准的 Markdown 文件。

卡帕西将这个范式抽象为三个原语：

• 一个可编辑资产：Agent 被允许动的那个文件
• 一个标量衡量：一个数字说明这个改动到底好不好
• 一个定时循环：让每次尝试可以对比

所以 Prompt.md 不只是 Prompt，它是大脑的外置硬盘，是组织的宪法，是这个范式里唯一长寿的东西。模型会更新，Agent 会"失忆"，但你那份 Markdown 在 Git 里安静地一版一版越来越聪明。

设计二：一组外部文件如何分工沉淀经验

Ralph Loop 的精髓不是 Agent 本身，而是它身后那一组安静、长寿的文件。这组文件分工清晰：

第一类：项目说明书（agents.md）

放在项目根目录，回答：这个项目怎么 Build、怎么测、用什么命令、有什么硬约束。

有意思的是，agents.md 不是 Ralph Loop 发明的文件，它是 AI 编程工具圈的通用约定——这一约定在2024-2025年间自发形成，类似于早期互联网时代的robots.txt或README.md。Cursor、Claude Code、GitHub Copilot Workspace等主流AI编程工具在启动时都会自动检测并读取项目根目录下的此类文件，将其作为项目级别的系统提示注入上下文。这一约定的形成，本质上是在将工程师的隐性知识（项目约定、禁忌操作、环境配置）显式化、文档化，使其对AI工具可读可用。

Huntley 对这份文件有一条严厉的纪律：

"A bloated agents.md pollutes every future loop's context.