最近，一個澳洲的養羊大叔用 5 行程式碼捅破 AI 編程天花板的故事,徹底火出圈了。
2025 年底，在鏟羊糞的間隙，Geoffrey Huntley 寫出了下面這個僅含 5 行程式碼的 Bash 腳本。
while :; do cat PROMPT.md | claude-code ; done
當時的他可能永遠不會想到，短短一個月內，這幾行程式碼會掀起一股技術狂潮，直接顛覆了今日的矽谷！
可以說，此前爆火的 Claude Code，和這幾天紅透半邊天的 Claude Cowork，都和這五行程式碼，有著千絲萬縷的聯繫。
甚至一位工程師預言：2026，將是整個矽谷套殼 Ralph Wiggum 的一年！
五行程式碼的玄機
這五行程式碼，究竟是什麼意思？
用人話來說就是：「請完成這個任務，測試沒通過，就別想出來。你可以自己看報錯，自己寫程式碼，自己重試。想試多少次就試多少次，只要不報錯，就往死裡改，不許下班！」
AI 真信了。
這個無限循環的虐待式命令，讓 AI 真的寫出了程式碼，根本不需要人類插手。
因此，放羊大叔給這段循環起名為 Ralph Wiggum，就是《辛普森家庭》中那個永遠不懈、無比樂觀的小男孩。
不同於傳統的「追求一次寫對」，Ralph Loop 的核心思維，就是預設你第一次寫不對。
但只要寫不對，編譯器就會報錯，測試就會失敗。而這個報錯訊息，就是最寶貴的財富，它精準地告訴了 AI 哪裡錯了。
因此，AI 才能大徹大悟。
現在，Rlpha Wiggum 已經從動畫片中的人物名，成為 AI 領域最有影響力的名字之一。
甚至可以說，Ralph-Wiggum 讓如今的 AI 大模型，非常接近 AGI 了。
Claude Code 之父盛讚：我不用寫程式碼了
為什麼說，Ralph-Wiggum 循環對 Claude Code 和 Cowork 有奠基性的作用？
故事要從 2025 年底說起。
當時，注意到了這五行程式碼的神奇作用後，Anthropic 的 Claude Code 負責人 Boris Cherny 將 Geoffrey Huntley 的五行腳本正式收編，推出了官方 Ralph-Wiggum 外掛。
從此，Claude Code 有如神助。
在 Claude Code 中，只要有下列一句話命令：
/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 就能實現：
- 持續迭代 – 反覆嘗試，即使遇到失敗
- 自參考學習 – 基於測試結果和前次程式碼改進
- 直至完成 – 不斷循環直到滿足所有要求
- 輸出完成承諾 – 當任務完成時輸出指定的完成標誌
在 25 年底，Boris Cherny 的這個分享，直接讓開發者圈大地震。
他親口承認：過去三十天內，自己對 Claude Code 專案的貢獻，100% 都是由 Claude Code 自己完成的！
Boris 回憶說，在過去的三十天裡，他提交了 259 個 PR——497 次提交，新增了 40,000 行程式碼，刪除了 38,000 行程式碼。每一行程式碼都是由 Claude Code + Opus 4.5 編寫的。
那時，Claude 已經可以持續執行幾分鐘、幾小時甚至幾天。可以說，軟體工程正在劇變，我們已經一腳踏入編碼的新時代。
為什麼 Claude 可以持續執行好幾天？Boris 解釋道，當它停止時，可以使用一個停止鉤子來「戳」它，讓它繼續執行。
而這個鉤子的幕後功臣，就是 Ralph-Wiggum！
具體參見這個連結：https://github.com/anthropics/claude-plugins-official/tree/main/plugins/ralph-wiggum
因為這個消息實在太過炸裂，開發者們的消息都快把 Boris 的私訊擠爆了。因此兩天後，Boris 分享出了自己的獨家秘方。
在第 12 部分，Boris 提到，對於執行時間特別長的任務，他通常會採用以下幾種方式，其中一種，就是使用 ralph-wiggum 外掛。
(a) 在任務完成後，提示 Claude 使用一個背景 agent 來校驗自己的工作；
(b) 使用 agent 的 Stop hook，用更確定、可控的方式來完成校驗；
(c) 或者使用 ralph-wiggum 外掛
也就是說，才誕生短短一個月，這 5 行程式碼就孕育了今天的 Claude Cowork 大爆炸！
最接近 AGI？Ralph-Wiggum 震動整個矽谷
同時，Ralph-Wiggum 這種持續迭代、不斷循環的設計，也讓其他開發者們屢創神蹟。
在 Y Combinator 黑客松中，有人用它一夜生成了 6 個完整程式碼儲存庫；有人用 297 美元的 API 成本，就完成一個 5 萬美元的合約。
甚至三個月內，有人完全使用該方法，直接開發出一門名為 cursed 的程式語言！
YouTube 上，介紹 Ralpha 循環的影片已經泛濫了。
開發者教育者 Matt Pocock 最近詳細講解了 Ralph 為什麼「那麼強」。
編程智慧體的終極夢想，是你早上醒來時，程式碼已經寫好了。
你的 AI 智慧體悄悄幹了一整晚，幫你清完 backlog，而且寫出來的程式碼還能直接跑。
在他看來，Ralph 外掛已經非常接近這個夢想：「這是我用過最強的 AI 編程工具，能讓長時間執行的智慧體真正交付可用程式碼。」
區塊鏈代幣創建平台 Tally 的執行長和創辦人，Dennison Bertram 發布貼文直呼：
沒開玩笑，這可能是我所見過的最接近 AGI 的東西：
這個提示與 Claude 絕對是一頭野獸。
自動播客商業智慧提取和品牌偵測工具 Podscan 的創辦人和執行長，Arvid Kahl 則稱新方法開創了未來，效果出色：
正如芝加哥企業家 Hunter Hammonds 所言：百萬機會就在眼前，但你沒準備好。
AI 工程師、連續創業者 Ian Nutall 則稱，「2026 是套殼 Ralph Wiggum 的一年」。
失敗本身，就是有價值的資料
說到底，Ralph 技術本質上非常簡單：一段 Bash 循環。
但官方外掛對這個簡單原理做了更巧妙的實現：
不是在對話外部執行腳本，而是直接在 Claude 對話內植入 Stop Hook。
你給 Claude 指定一個任務，以及一個「完成標誌」。
Claude 完成任務後嘗試退出——
如果沒偵測到完成標誌，Stop Hook 會攔截退出，並把同一個提示詞再次送入系統。
於是形成一個「自我回饋閉環」：
Claude 每輪都能看到自己的上輪輸出、錯誤日誌或 Git 歷史，然後再嘗試修正問題。
開發者教育者 Matt Pocock 把這種轉變形容為 AI 編程的「範式轉變」：
從瀑布式開發 (Waterfall)，進化到真正意義上的 AI 敏捷開發 (Agile)。
你不再需要預設一大堆脆弱的執行步驟，而是：
- AI 自主「認領一張任務卡片」
- 完成後再自己找下一張
- 持續循環，直到任務全部搞定
初版 Ralph 的真正力量，不僅僅是「循環」本身，而是那種天真執著的反覆試錯。
最關鍵的一點是：Ralph 不會被保護，不會被「清理」錯誤輸出。
它會直接面混亂，承認失敗。
這背後是一種極端但有效的哲學：如果你讓模型不斷面對自己的失敗、不設安全網，它最終會在壓力中「夢到」正確答案，只為跳出死循環。
Huntley 的版本強調暴力迭代、不擇手段；而 Anthropic 的版本則建立在更溫和的原則之上：失敗本身就是有價值的資料。
這一點在官方文件中寫得很清楚：
外掛透過一個特殊機制 Stop Hook 實現自回饋控制——攔截 AI 退出終端的行為，並判斷是否真正完成任務。
外掛執行機制如下：
- 攔截退出：當 Claude 認為自己完成任務並準備退出時，外掛攔截這一動作
- 驗證完成標誌：偵測是否輸出了設定的 <promise> (如「通過所有測試」)
- 注入回饋：若未完成，外掛將錯誤格式化為結構化資料物件，重新送入 AI 模型繼續嘗試
但 Anthropic 的官方 Ralph Wiggum 外掛讓 Geoffrey Huntley 的合作者 Dex 感到失望：
- 沒加 –dangerously-skip-permissions 就容易崩
- Hook 安裝位置奇怪、State 追蹤檔案難找
- 邏輯複雜，刪除錯誤檔案甚至會導致整個 repo 失控
更重要的是，它搞錯了 Ralph 的本質：Ralph 不該「永遠跑下去」，而該「把任務切碎，開獨立視窗慢慢啃」。
所以，他還是選擇了那 5 行 Bash。
Ralph Wiggum 興，軟體開發亡
整個開發者圈現在才剛剛意識到 AI 的力量。
最近，Ralph Wiggum 才火了。
但大多數人還沒意識到：Ralph，只是個起點。
真正的 AI 高階使用者，已經掌握了遠比 Ralph 更複雜的技術。
而且，他們不只是做點小玩意兒——他們在用這些技術，複製整個公司，只需幾個小時。
Michael Arnaldi 從 11 歲起就開始編程，最初是為了破解遊戲。
此後，從核心層級開發到 TypeScript 的最高抽象層，他幾乎寫過所有層級的程式碼，現在是 Effectful Technologies 的創辦人兼執行長。
他曾經認為，編程是人生的全部。但現在，過去的一切徹底結束了。
大部分軟體開發者，甚至還沒意識到這場巨變的本質。
他們沉迷於模型之爭：Claude 好還是 GPT 強？Gemini 有沒有追上？開源模型能不能競爭？說白了：他們完全搞錯了重點。
關鍵在於「流程」，不是「模型」。模型只是流程中的一環。
就像傳統軟體開發：並非所有程式設計師都需要頂級水準，但只要流程成熟，普通開發者也能做出好產品。
在 AI 編程中也是一樣：
一個中等模型 + 優秀流程，遠遠強於一個頂級模型 + 混亂流程。
這是個令人不安的事實：真正先進的做法並未公開。
高階使用者之所以不分享，是因為這些技術過於強大，顛覆性太大。我們終將走向公開，但現在還沒到時候。
Ralph 確實是個好起點，但它有局限。
接下來兩年，你會開始聽到更多關於 Lean、TLA+、Agentic Infrastructure 的討論。
從編程智慧體到智慧編程基礎設施，整個軟體開發產業將迎來一次深層轉型。
他舉了兩個例子：
- 他用 2 小時，用 Ralph 搞一個現代版 Bloomberg 終端簡化版；
- 他的一個法律專業的朋友，幾乎 0 編程經驗，靠和 Claude Code 聊天完成了 GDPR 合規偵測工具。
為了用事實說話，他決定開源一個 Accountability 的會計系統：
- 支援跨公司、跨幣種、符合美國 GAAP 標準的會計系統，
- 正常開發團隊得花好幾個月。
而他打算用閒暇時間「Ralph 出來」，關鍵在於：故意不使用任何「黑科技」或私藏技巧。
就用公開的、基礎的技術，正確應用而已。
但別誤會：「軟體開發已死」，不等於「軟體工程已死」。
工程師不再是「寫程式碼的人」，而是「建構能寫程式碼的系統」的人。
他們設計技術路線、建構工具……
他們可以在幾分鐘內掌握新工具——最慢幾個小時。
這意味著：我們過去 40 年累積的最佳實踐，很多已經過時。
團隊結構、開發流程、技術堆疊選型，全都得重構。
個體，正在變得前所未有地強大。
一個人 = 過去一整個團隊。
軟體開發已死，工程正在重生，AI 將重構一切。
歡迎來到新時代。
