大家好，我是何三，独立开发者
近 2 万 Star 的一个项目，GitHub 上最近炸了。叫 Ralph，一个让你写完需求文档就去睡觉、AI 自己写到天亮的东西。
你可能会说，这不就是 Cursor 吗？不就是 Copilot 吗？不不不，完全不是一回事。
Cursor 和 Copilot 是"你敲键盘，它帮你补"。Ralph 是你下班了，它替你加班。
Ralph 到底干了什么
Ralph 的核心思路特别简单粗暴：写一份 PRD（产品需求文档），然后跑一个脚本，AI 就会自动循环执行——读需求、写代码、跑测试、提交，一直循环到所有需求全部完成。
你可以这么理解：Claude Code 和 Amp 这些 AI 编程工具，本质上是单次对话。你问一句，它写一段。你要写一个完整功能，得来回对话十几次。
Ralph 把这个过程自动化了。
一个 shell 脚本，不断启动全新的 AI 实例，每次只做一件事。做完就提交，然后读下一个任务，继续做。中间不需要你参与任何事。
说人话就是：你给它一份待办清单，它自己一条一条地干活，干完一条划掉一条，直到全部干完才停。
说实话，这个东西刚出来的时候我也觉得有点离谱——但想想看，这不就是每一个产品经理梦寐以求的吗？需求写好，第二天早上起来代码就写完了。
不过别高兴太早，也有坑。后面聊。
核心原理：每次都是"全新大脑"
Ralph 最聪明的地方，是它每次迭代都用一个全新的 AI 实例。
这个设计，怎么说呢，就是那种——你乍一看觉得"这不是浪费吗"，细想才发现"卧槽这才是正确的"。
传统 AI 编程助手的问题是上下文越聊越长，到后面就开始"忘事"、胡编乱造。Ralph 直接把这个痛点干掉了：每次都是一个全新的上下文窗口，干干净净，没有历史包袱。
那记忆怎么办？三个东西接力：
- Git 历史：每次提交的代码就是"记忆"，下一个 AI 实例会看到完整的项目代码
- progress.txt：一个追加写入的学习笔记，记录了前面迭代踩过的坑
- prd.json：任务清单，哪个完成了、哪个没完成，一目了然
跟人类团队协作其实是一个逻辑——你入职一个项目，不需要知道前面每个程序员每天吃了什么，你只需要看代码、看文档、看 Jira 上的任务状态就行了。Ralph 把这三个东西做好了，AI 的"入职"就足够高效。
这里要插一句题外话——去年看到 Devin 发布的时候我就觉得"AI 独立程序员"的概念迟早会落地，但 Devin 的问题是你得租它的服务，封闭生态。Ralph 这个方案开源、免费，你用自己的 Claude Code 或 Amp 就能跑，这才是真正能大规模普及的路径。Devin 像是给大公司做的外包 AI，Ralph 才是给独立开发者的"深夜加班替身"。
怎么用
前置条件很简单：装一个 AI 编程工具（Amp 或 Claude Code），然后有 jq 命令行工具。
安装就一行命令拷贝文件：
# 从你的项目根目录执行
mkdir -p scripts/ralph
cp /path/to/ralph/ralph.sh scripts/ralph/
cp /path/to/ralph/prompt.md scripts/ralph/prompt.md
chmod +x scripts/ralph/ralph.sh
然后三步走：
第一步，写 PRD。用自带的 skill 生成需求文档：
Load the prd skill and create a PRD for [你的功能描述]
第二步，把 PRD 转成 JSON 格式：
Load the ralph skill and convert tasks/prd-xxx.md to prd.json
第三步，跑：
# 用 Amp（默认）
./scripts/ralph/ralph.sh
# 用 Claude Code
./scripts/ralph/ralph.sh --tool claude
# 指定最大迭代次数
./scripts/ralph/ralph.sh 20
然后就等着吧。你可以去睡觉了。
不过有个坑我得说清楚：PRD 里每个任务不能太大。
比如"搭建整个用户认证系统"这种——太大了，AI 在一个上下文窗口里根本写不完，写到一半就崩了。正确做法是拆成小任务：建个数据库表、写个注册接口、加个登录页面，一个一个来。
说白了，AI 程序员现在就像一个很聪明但健忘的新人。你不能给他派一个大活儿让他自己搞定，得给他拆成一个个明确的小任务，每完成一个就验收一个。
这点我在自己的项目上试过。拆得够细的话，效果确实惊人；拆得太粗的话，写出来的代码基本上是半成品。
关键文件一览
| 文件 | 干啥的 |
|---|---|
ralph.sh |
主循环脚本，启动 AI 实例 |
prompt.md / CLAUDE.md |
给 AI 的提示词模板 |
prd.json |
任务清单，带完成状态 |
progress.txt |
迭代间共享的学习笔记 |
AGENTS.md |
代码规范和踩坑记录，自动更新 |
AGENTS.md 这个东西挺有意思的。每次迭代结束，Ralph 会把学到的东西写进去——比如"这个项目用 X 库做 Y"、"改 Z 的时候别忘了同步更新 W"。下一个 AI 实例启动时自动读取，等于把前人经验传承下去了。
为什么这么设计？别问我，问作者去。但我觉得这个思路确实聪明——它把"团队知识积累"这个人类协作中最难自动化的部分，用一个简单的文本文件解决了。
同类工具链与延伸阅读
如果你对 AI 编程这个方向感兴趣，我还写过几篇相关的：
- Claude Code 是 Ralph 底层依赖的 AI 编程工具，Anthropic 出的，命令行里的 AI 程序员，如果你还没用过，强烈建议先装一个试试
- Amp（ampcode.com）是另一个选择，Ralph 默认用它，支持自动上下文交接，适合大任务
- Cursor 是目前最火的 AI IDE，但它是"辅助编程"思路，跟 Ralph 的"自主编程"思路不一样
总结
Ralph 不是什么魔法，它本质上是把 AI 编程的"手动循环"变成了"自动循环"。
核心价值就两个：一是不用人盯着，写完需求就下班；二是上下文隔离，每次迭代都是全新大脑，不容易出乱码。
但前提是：你的 PRD 得写得够细、任务拆得够小。要是连需求都写不清楚，AI 也没法替你变魔术。
独立开发者可以拿它来做一些重复性的 CRUD 开发，把时间省出来做更重要的产品决策。大团队的话，拿来跑一些内部工具的开发也挺合适。
反正闲着也是闲着，装一个跑跑看又不会亏。
本文使用 MGO 编辑并发布
关注"何三笔记"，回复"mgo" 免费下载使用
