Забудьте всё, что вы думали, что знаете об AI-помощниках по кодированию. Плагин Ralph Loop для Claude Code — это не просто ещё один инструмент для разработчиков. Это самый преобразующий прогресс в разработке с помощью AI в этом году. И он решает две главные проблемы, которые преследовали каждый AI-кодинг рабочий процесс до сих пор: ограничения по контексту и постоянное вмешательство человека.
Ralph / Ralph Loop — это подход к непрерывным AI‑циклам разработки, где ИИ многократно выполняет одну и ту же задачу, постепенно улучшая код, пока не будут выполнены все явно заданные критерии готовности. Идея в том, чтобы вместо постоянного «бебиситинга» ассистента запустить автономную петлю, которая крутится десятки итераций, опираясь на файлы проекта, git‑историю и автоматические проверки.
Название «Ralph» отсылает к Ральфу Виггаму из «Симпсонов»: не слишком умный, но очень настойчивый — на этой «тупой настойчивости» и построен подход.
Основная схема работы:
- один раз задаётся промпт с чёткими условиями завершения (например: все тесты зелёные и нужно вывести специальную фразу);
- модель пишет код и тесты, запускает проверки, сохраняет изменения в файлы и в git;
- когда модель «думает», что закончила и пытается завершить работу, специальная логика вместо выхода запускает ту же задачу ещё раз;
- на следующей итерации ИИ видит уже изменённый код, тесты и накопленный прогресс — и продолжает улучшать результат;
- цикл прекращается, только когда:
- модель выводит заранее заданную completion‑фразу (например <promise>DONE</promise>),
- или достигнут лимит итераций.
Есть официальный плагин для Claude Code (Ralph Wiggum Plugin), который реализует этот цикл прямо в IDE, без внешних скриптов. Плагин добавляет команду для запуска цикла и механизм перехвата завершения сессии: когда модель собирается закончить, хук блокирует выход и запускает тот же промпт заново, а файлы и git‑история между итерациями сохраняются, поэтому модель видит свои прошлые изменения и может их улучшать. Цикл продолжается, пока в выводе не появится точная completion‑строка (например COMPLETE) или не исчерпается заданный максимум итераций.
Пример промпта для такого цикла: «Собрать REST API для списка дел с CRUD‑операциями, валидацией входных данных, тестами с покрытием больше 80% и README с описанием API. Когда всё готово, выведи <promise>COMPLETE</promise>». В этом режиме модель сама пишет тесты (часть из них изначально падает), затем дописывает и исправляет код, добивается зелёных тестов и обновляет документацию, повторяя процесс по кругу. Цикл можно остановить специальной командой отмены.
Отдельно существует реализация от snarktank (репозиторий snarktank/ralph), которая запускает агента Amp по циклу до выполнения всех пунктов PRD (product requirements document). Каждый прогон создаёт свежий экземпляр агента с чистым контекстом, а общая память хранится в git‑истории, файле prd.json (список user story и флаг passes) и progress.txt (накопленные инсайты). На каждой итерации Ralph выбирает незавершённую user story, реализует её, запускает тип‑чеки и тесты, коммитит изменения при успехе и помечает story как выполненную, параллельно записывая наблюдения в progress.txt. Цикл повторяется, пока все stories не будут отмечены как выполненные или не будет достигнут лимит итераций.
Варианты установки этой реализации включают копирование скрипта ralph.sh и промпта prompt.md в проект и/или установку набора skills (например, для генерации PRD и конвертации его в JSON) в конфигурацию Amp. Рекомендуется также включить авто‑передачу контекста в настройках Amp, чтобы при переполнении окна контекст корректно «переливался».
Типичный рабочий процесс выглядит так: сначала создаётся PRD (через соответствующий skill), затем он конвертируется в prd.json, после чего запускается скрипт цикла с параметром максимального числа итераций. Далее Ralph автоматически создаёт feature‑ветки, выбирает очередные user story с passes: false, реализует их, гоняет тесты и линтеры, коммитит успешные изменения, помечает story как выполненные, пишет выводы в progress.txt и повторяет всё до закрытия PRD или достижения лимита итераций.
Подход особенно полезен для новых проектов и чистых репозиториев, задач с чёткой автоматической проверкой (тесты, линтеры, type‑check, CI), PRD‑ориентированной разработки (когда есть список user story, разбиваемых на небольшие, помещающиеся в контекст задачи) и долгих задач, которые удобно запускать, например, на ночь. Менее удачен он там, где критичен человеческий вкус (дизайн, UX), для разовых мелких правок и задач с размытыми критериями («сделать хорошо», «как‑то улучшить»).
Хороший промпт для Ralph обычно содержит явные критерии завершения (что именно должно быть сделано и какой текст вывести по окончании), разбивку цели на фазы, встроенный self‑check (сначала падающие тесты, потом код и повторные прогоны до зелёных тестов) и «страховку» в виде максимального числа итераций и инструкции, что делать, если к этому моменту задача не закрыта (записать блокеры, перечислить попытки, предложить альтернативы).