📌 项目地址：snarktank/ralph | ⭐ 19,736 颗星 | 🔧 TypeScript | 📜 MIT
为什么需要Ralph：AI编码工具的上下文窗口撑不住长任务
我试过用Claude Code写一个完整的用户认证系统。前5轮对话很顺，接口定义、数据库设计都定了。到第10轮，它开始用我没说过的类名，忽略之前约好的错误码格式。重启会话，重新讲一遍需求，折腾半小时。不重启，它继续在错误的方向上写代码。
这不是某个AI工具的问题。单次AI会话的上下文窗口是固定的，窗口满了，最早的信息就被挤出模型视野。Ralph不试图延长窗口长度——它换了一个思路：不用一个对话做完整件事，而是把大任务拆成小任务，每个小任务用全新的会话独立完成。
Ralph是一个shell脚本，GitHub上19736个star。它的核心机制不是增强AI，而是增加一个调度层，让AI工具做完一项后提交结果退场，换下一个干净实例上来自进程重复。
接力机制：用文件状态代替AI记忆
Ralph的工作循环：
- 读取
prd.json，里面存着拆好的用户故事列表。 - 启动AI编码工具的新实例，分配当前未完成的用户故事。
- AI执行任务、提交代码到git、写入进度到
progress.txt，然后退出。 - Ralph检测进度文件，如果列表未完成，启动下一个新实例。
每个AI实例都是零上下文启动。项目的状态不靠AI记住，靠三个持久化文件：
- prd.json：定义要做什么任务。
- progress.txt：记录当前完成到哪一步。
- git历史：保存每次任务改了什么代码。
途中电脑关机、AI崩溃、你离开处理其他事——重新运行Ralph，它读取进度文件，从断点继续执行。这不是对话续传，是任务接力。
对于过长任务，README建议在Amp中开启自动移交功能。修改 ~/.config/amp/settings.json，添加配置：
{
"amp.experimental.autoHandoff": { "context": 90 }
}上下文占用到90%自动触发新实例接手。
工作流的核心步骤：写一份机器可读的PRD
Ralph的工作流要求你先准备结构化的需求文档。它提供了两个内置技能来完成这件事。
第一步：生成PRD的Markdown文档。
在AI工具中加载prd技能并输入功能描述：
Load the prd skill and create a PRD for [your feature description]技能会问你一系列问题，最终输出一份分层级的Markdown文件，保存在 tasks/prd-[功能名].md。这一步的目的是把模糊需求拆成用户故事、验收条件、技术约束。
第二步：将Markdown转为JSON格式。
Markdown文件对人类可读，但Ralph脚本需要机器可读的结构。用第二个技能执行转换：
Load the ralph skill and convert tasks/prd-[feature-name].md to prd.json输出 prd.json 包含一组结构化的用户故事，每条故事就是一次Ralph循环的迭代单元。
这个流程迫使你在动手编码之前完成需求拆解。PRD写得不清晰，AI在循环中就会输出错误内容。写一份合格的PRD是整个工作流中最费时的步骤，但它能节省后续调试的时间。
三种安装方式
方式1：复制到项目内。
# 在项目根目录执行
mkdir -p scripts/ralph
cp /path/to/ralph/ralph.sh scripts/ralph/
# 根据使用的AI工具选择prompt模板
cp /path/to/ralph/prompt.md scripts/ralph/prompt.md # 用Amp
# 或
cp /path/to/ralph/CLAUDE.md scripts/ralph/CLAUDE.md # 用Claude Code
chmod +x scripts/ralph/ralph.sh每个项目重复一次。
方式2：全局安装技能。
将 skills/prd 和 skills/ralph 两个目录复制到全局技能配置即可。Amp和Claude Code的安装路径不同：
# Amp
cp -r skills/prd ~/.config/amp/skills/
cp -r skills/ralph ~/.config/amp/skills/
# Claude Code（手动安装）
cp -r skills/prd ~/.claude/skills/
cp -r skills/ralph ~/.claude/skills/全局安装后任何项目都能使用 /prd 和 /ralph 技能。
方式3：Claude Code Marketplace。
将Ralph marketplace添加到Claude Code：
/plugin marketplace add snarktank/ralph然后安装技能：
/plugin install ralph-skills@ralph-marketplace安装完成后，直接对Claude说“create a prd”或“convert this prd”，技能会自动触发。
运行循环
./scripts/ralph/ralph.sh脚本启动后，读取 prd.json，找到当前未完成的第一条用户故事，启动AI工具执行任务，完成后更新进度，如果列表未完成，重复循环。
实用判断与建议
这个方案有明显的适用约束。
它的收益在于：你不需要全程盯着AI执行的进度。脚本在你后台运行，偶尔检查一下进度文件即可。某次任务卡住了，修正后重新执行，进度不会丢失。
它的代价是：前期需求拆解的工作量很大。每条用户故事要拆得够细，边界清晰，验收条件明确。如果不习惯这种工作方式，Ralph会带来冗余感。
对于已经在用AI编码工具且项目周期超过单次会话上下文窗口的开发者，Ralph是一个值得尝试的调度层。它不改变AI的推理能力，它处理的是AI工具在高自由度编码时的稳定性问题。19736个star表明，很多开发者遇到了同样的问题，并认可这个解决方案的有效性。