最近，一个澳洲的养羊大叔用 5 行程式码捅破 AI 编程天花板的故事,彻底火出圈了。
2025 年底，在铲羊粪的间隙，Geoffrey Huntley 写出了下面这个仅含 5 行程式码的 Bash 脚本。
while :; do cat PROMPT.md | claude-code ; done
当时的他可能永远不会想到，短短一个月内，这几行程式码会掀起一股技术狂潮，直接颠覆了今日的矽谷！
可以说，此前爆火的 Claude Code，和这几天红透半边天的 Claude Cowork，都和这五行程式码，有著千丝万缕的联系。
甚至一位工程师预言：2026，将是整个矽谷套壳 Ralph Wiggum 的一年！
五行程式码的玄机
这五行程式码，究竟是什么意思？
用人话来说就是：「请完成这个任务，测试没通过，就别想出来。你可以自己看报错，自己写程式码，自己重试。想试多少次就试多少次，只要不报错，就往死里改，不许下班！」
AI 真信了。
这个无限循环的虐待式命令，让 AI 真的写出了程式码，根本不需要人类插手。
因此，放羊大叔给这段循环起名为 Ralph Wiggum，就是《辛普森家庭》中那个永远不懈、无比乐观的小男孩。
不同于传统的「追求一次写对」，Ralph Loop 的核心思维，就是预设你第一次写不对。
但只要写不对，编译器就会报错，测试就会失败。而这个报错讯息，就是最宝贵的财富，它精准地告诉了 AI 哪里错了。
因此，AI 才能大彻大悟。
现在，Rlpha Wiggum 已经从动画片中的人物名，成为 AI 领域最有影响力的名字之一。
甚至可以说，Ralph-Wiggum 让如今的 AI 大模型，非常接近 AGI 了。
Claude Code 之父盛赞：我不用写程式码了
为什么说，Ralph-Wiggum 循环对 Claude Code 和 Cowork 有奠基性的作用？
故事要从 2025 年底说起。
当时，注意到了这五行程式码的神奇作用后，Anthropic 的 Claude Code 负责人 Boris Cherny 将 Geoffrey Huntley 的五行脚本正式收编，推出了官方 Ralph-Wiggum 外挂。
从此，Claude Code 有如神助。
在 Claude Code 中，只要有下列一句话命令：
/ralph-loop “Build a REST API for todos. Requirements: CRUD operations, input validation, tests. Output <promise>COMPLETE</promise> when done.” –completion-promise “COMPLETE” –max-iterations 50
Claude 就能实现：
- 持续迭代 – 反复尝试，即使遇到失败
- 自参考学习 – 基于测试结果和前次程式码改进
- 直至完成 – 不断循环直到满足所有要求
- 输出完成承诺 – 当任务完成时输出指定的完成标志
在 25 年底，Boris Cherny 的这个分享，直接让开发者圈大地震。
他亲口承认：过去三十天内，自己对 Claude Code 专案的贡献，100% 都是由 Claude Code 自己完成的！
Boris 回忆说，在过去的三十天里，他提交了 259 个 PR——497 次提交，新增了 40,000 行程式码，删除了 38,000 行程式码。每一行程式码都是由 Claude Code + Opus 4.5 编写的。
那时，Claude 已经可以持续执行几分钟、几小时甚至几天。可以说，软体工程正在剧变，我们已经一脚踏入编码的新时代。
为什么 Claude 可以持续执行好几天？Boris 解释道，当它停止时，可以使用一个停止钩子来「戳」它，让它继续执行。
而这个钩子的幕后功臣，就是 Ralph-Wiggum！
具体参见这个连结：https://github.com/anthropics/claude-plugins-official/tree/main/plugins/ralph-wiggum
因为这个消息实在太过炸裂，开发者们的消息都快把 Boris 的私讯挤爆了。因此两天后，Boris 分享出了自己的独家秘方。
在第 12 部分，Boris 提到，对于执行时间特别长的任务，他通常会采用以下几种方式，其中一种，就是使用 ralph-wiggum 外挂。
(a) 在任务完成后，提示 Claude 使用一个背景 agent 来校验自己的工作；
(b) 使用 agent 的 Stop hook，用更确定、可控的方式来完成校验；
(c) 或者使用 ralph-wiggum 外挂
也就是说，才诞生短短一个月，这 5 行程式码就孕育了今天的 Claude Cowork 大爆炸！
最接近 AGI？Ralph-Wiggum 震动整个矽谷
同时，Ralph-Wiggum 这种持续迭代、不断循环的设计，也让其他开发者们屡创神迹。
在 Y Combinator 黑客松中，有人用它一夜生成了 6 个完整程式码储存库；有人用 297 美元的 API 成本，就完成一个 5 万美元的合约。
甚至三个月内，有人完全使用该方法，直接开发出一门名为 cursed 的程式语言！
YouTube 上，介绍 Ralpha 循环的影片已经泛滥了。
开发者教育者 Matt Pocock 最近详细讲解了 Ralph 为什么「那么强」。
编程智慧体的终极梦想，是你早上醒来时，程式码已经写好了。
你的 AI 智慧体悄悄干了一整晚，帮你清完 backlog，而且写出来的程式码还能直接跑。
在他看来，Ralph 外挂已经非常接近这个梦想：「这是我用过最强的 AI 编程工具，能让长时间执行的智慧体真正交付可用程式码。」
区块链代币创建平台 Tally 的执行长和创办人，Dennison Bertram 发布贴文直呼：
没开玩笑，这可能是我所见过的最接近 AGI 的东西：
这个提示与 Claude 绝对是一头野兽。
自动播客商业智慧提取和品牌侦测工具 Podscan 的创办人和执行长，Arvid Kahl 则称新方法开创了未来，效果出色：
正如芝加哥企业家 Hunter Hammonds 所言：百万机会就在眼前，但你没准备好。
AI 工程师、连续创业者 Ian Nutall 则称，「2026 是套壳 Ralph Wiggum 的一年」。
失败本身，就是有价值的资料
说到底，Ralph 技术本质上非常简单：一段 Bash 循环。
但官方外挂对这个简单原理做了更巧妙的实现：
不是在对话外部执行脚本，而是直接在 Claude 对话内植入 Stop Hook。
你给 Claude 指定一个任务，以及一个「完成标志」。
Claude 完成任务后尝试退出——
如果没侦测到完成标志，Stop Hook 会拦截退出，并把同一个提示词再次送入系统。
于是形成一个「自我回馈闭环」：
Claude 每轮都能看到自己的上轮输出、错误日志或 Git 历史，然后再尝试修正问题。
开发者教育者 Matt Pocock 把这种转变形容为 AI 编程的「范式转变」：
从瀑布式开发 (Waterfall)，进化到真正意义上的 AI 敏捷开发 (Agile)。
你不再需要预设一大堆脆弱的执行步骤，而是：
- AI 自主「认领一张任务卡片」
- 完成后再自己找下一张
- 持续循环，直到任务全部搞定
初版 Ralph 的真正力量，不仅仅是「循环」本身，而是那种天真执著的反复试错。
最关键的一点是：Ralph 不会被保护，不会被「清理」错误输出。
它会直接面混乱，承认失败。
这背后是一种极端但有效的哲学：如果你让模型不断面对自己的失败、不设安全网，它最终会在压力中「梦到」正确答案，只为跳出死循环。
Huntley 的版本强调暴力迭代、不择手段；而 Anthropic 的版本则建立在更温和的原则之上：失败本身就是有价值的资料。
这一点在官方文件中写得很清楚：
外挂透过一个特殊机制 Stop Hook 实现自回馈控制——拦截 AI 退出终端的行为，并判断是否真正完成任务。
外挂执行机制如下：
- 拦截退出：当 Claude 认为自己完成任务并准备退出时，外挂拦截这一动作
- 验证完成标志：侦测是否输出了设定的 <promise> (如「通过所有测试」)
- 注入回馈：若未完成，外挂将错误格式化为结构化资料物件，重新送入 AI 模型继续尝试
但 Anthropic 的官方 Ralph Wiggum 外挂让 Geoffrey Huntley 的合作者 Dex 感到失望：
- 没加 –dangerously-skip-permissions 就容易崩
- Hook 安装位置奇怪、State 追踪档案难找
- 逻辑复杂，删除错误档案甚至会导致整个 repo 失控
更重要的是，它搞错了 Ralph 的本质：Ralph 不该「永远跑下去」，而该「把任务切碎，开独立视窗慢慢啃」。
所以，他还是选择了那 5 行 Bash。
Ralph Wiggum 兴，软体开发亡
整个开发者圈现在才刚刚意识到 AI 的力量。
最近，Ralph Wiggum 才火了。
但大多数人还没意识到：Ralph，只是个起点。
真正的 AI 高阶使用者，已经掌握了远比 Ralph 更复杂的技术。
而且，他们不只是做点小玩意儿——他们在用这些技术，复制整个公司，只需几个小时。
Michael Arnaldi 从 11 岁起就开始编程，最初是为了破解游戏。
此后，从核心层级开发到 TypeScript 的最高抽象层，他几乎写过所有层级的程式码，现在是 Effectful Technologies 的创办人兼执行长。
他曾经认为，编程是人生的全部。但现在，过去的一切彻底结束了。
大部分软体开发者，甚至还没意识到这场巨变的本质。
他们沉迷于模型之争：Claude 好还是 GPT 强？Gemini 有没有追上？开源模型能不能竞争？说白了：他们完全搞错了重点。
关键在于「流程」，不是「模型」。模型只是流程中的一环。
就像传统软体开发：并非所有程式设计师都需要顶级水准，但只要流程成熟，普通开发者也能做出好产品。
在 AI 编程中也是一样：
一个中等模型 + 优秀流程，远远强于一个顶级模型 + 混乱流程。
这是个令人不安的事实：真正先进的做法并未公开。
高阶使用者之所以不分享，是因为这些技术过于强大，颠覆性太大。我们终将走向公开，但现在还没到时候。
Ralph 确实是个好起点，但它有局限。
接下来两年，你会开始听到更多关于 Lean、TLA+、Agentic Infrastructure 的讨论。
从编程智慧体到智慧编程基础设施，整个软体开发产业将迎来一次深层转型。
他举了两个例子：
- 他用 2 小时，用 Ralph 搞一个现代版 Bloomberg 终端简化版；
- 他的一个法律专业的朋友，几乎 0 编程经验，靠和 Claude Code 聊天完成了 GDPR 合规侦测工具。
为了用事实说话，他决定开源一个 Accountability 的会计系统：
- 支援跨公司、跨币种、符合美国 GAAP 标准的会计系统，
- 正常开发团队得花好几个月。
而他打算用闲暇时间「Ralph 出来」，关键在于：故意不使用任何「黑科技」或私藏技巧。
就用公开的、基础的技术，正确应用而已。
但别误会：「软体开发已死」，不等于「软体工程已死」。
工程师不再是「写程式码的人」，而是「建构能写程式码的系统」的人。
他们设计技术路线、建构工具……
他们可以在几分钟内掌握新工具——最慢几个小时。
这意味著：我们过去 40 年累积的最佳实践，很多已经过时。
团队结构、开发流程、技术堆叠选型，全都得重构。
个体，正在变得前所未有地强大。
一个人 = 过去一整个团队。
软体开发已死，工程正在重生，AI 将重构一切。
欢迎来到新时代。
