摘要本文追踪智能体自主性的完整进化路径。从最初需要人类频繁介入的“Ralph Wiggum Loop”开始看Codex如何逐步获得自我验证、自我评审、处理反馈的能力最终跨越临界点——能够连续工作六小时以上、在人类睡觉时独立完成从任务接取到代码合并的完整闭环。文章详细解析了Ralph Loop的九步循环机制展示了OpenAI实验中智能体能力的渐进式增强并结合RPI方法论和行业实践揭示了“无人在环”的自主开发如何成为可能。这不仅是效率的提升更是对“谁在写代码”这一根本问题的重新定义。引言当AI学会“熬夜加班”想象一下这样的场景周五下班前你给AI智能体分配了一个任务——为应用添加新的支付功能。然后你关掉电脑周末去郊外放松。周一早上回到办公室你发现代码已经写好了通过了所有测试PR已经创建并且通过了其他智能体的评审文档已经更新记录了新功能的使用方法甚至有一个录制好的视频展示了功能演示和验证过程这不是科幻小说。这是OpenAI实验中每天都在发生的场景——Codex智能体经常连续工作六个小时以上很多时候发生在人类睡觉期间。从需要人类频繁介入的“Ralph Wiggum Loop”到能够完全自主驱动功能开发的成熟智能体这条路是如何走通的本文将带你追踪智能体自主性的完整进化路径。一、Ralph Wiggum Loop一切开始的地方1.1 名字的由来Ralph Wiggum是《辛普森一家》中的一个角色——一个头脑简单、经常说些莫名其妙话的小学生 。为什么AI开发社区会用他的名字来命名一种智能体工作模式答案在于这个角色的特质坚持不懈即使逻辑不完美也继续尝试。2025年中期开发者Geoffrey Huntley首次推广了这个概念 。在旧金山的一次小型聚会上他向大家展示了自己的实验让AI智能体反复尝试同一个任务直到满足明确定义的完成条件。他可以“打开直播去睡觉12小时后醒来检查代码” 。1.2 Ralph Loop的核心思想Ralph Wiggum Loop的核心非常简单通过重复循环让智能体持续工作直到任务完成。while 任务未完成: 1. 从任务列表中选取下一个未完成任务 2. 智能体实现该任务 3. 验证变更运行测试、类型检查等 4. 如果验证通过提交代码 5. 更新任务状态记录学习成果 6. 重置智能体上下文重复这个循环有几个关键特征 任务粒度小每个任务都足够小能在一个AI会话中完成验收标准明确每个任务都有清晰的通过/失败标准上下文重置每次迭代都重置智能体的记忆避免上下文污染持续记录每次迭代都记录进展和学习形成记忆1.3 为什么叫“Ralph Wiggum”这个命名其实蕴含着深刻的智慧。传统观念中我们期望AI一次性完美完成任务。但现实是复杂任务往往需要多次尝试。Ralph Wiggum的精神在于即使第一次不完美也要坚持不懈地尝试直到达成目标。正如一位开发者所言“Ralph不是最聪明的孩子但他有一种令人感动的执着——他会一直尝试直到把事情做好。”二、OpenAI实验中的进化路径在OpenAI的五个月实验中智能体的自主性并非一蹴而就而是经历了一个渐进式的进化过程。2.1 第一阶段Ralph Wiggum Loop人类频繁介入实验初期智能体的工作模式就是典型的Ralph Wiggum Loop 工程师描述任务运行智能体智能体尝试实现发起PR人类工程师需要频繁介入提供反馈和指导智能体的自主性有限依赖人类的持续监督这个阶段的进展比预期慢不是因为Codex能力不足而是因为环境定义得不够清晰智能体缺少实现高层目标所需的工具、抽象和内部结构 。OpenAI团队发现当智能体失败时答案几乎从来不是“再试一次”。唯一的推进方式是问自己“到底缺了什么能力怎样把它变得对智能体既清晰可见又可以被强制执行”2.2 第二阶段自我验证能力的建立随着环境逐步完善OpenAI团队开始让Codex获得更多能力 自我验证让Codex能够在本地自审改动运行测试验证修复多智能体评审请求额外的本地和云端智能体进行评审反馈处理回应人类或智能体的反馈在循环中迭代直到所有评审者满意为了实现这些能力OpenAI做了两件关键的事第一让应用对AI可读。他们将Chrome DevTools Protocol接入智能体运行时开发了处理DOM快照、截图和导航的技能。这样Codex可以直接复现bug、验证修复、推理UI行为 。第二让可观测性对AI开放。日志、指标、追踪通过本地可观测性栈暴露给Codex并按worktree隔离。智能体可以直接执行LogQL、PromQL查询于是“确保服务启动在800ms内完成”这样的提示变得真正可执行 。2.3 第三阶段完全自主的临界点随着更多开发循环被直接编码到系统中——测试、验证、评审、反馈处理、恢复——仓库在实验后期跨过了一个有意义的阈值Codex可以端到端地驱动新功能。OpenAI团队经常看到单个Codex运行在单个任务上连续工作六个小时以上很多时候发生在人类睡觉期间 。三、完全自主的工作流十个步骤的闭环当智能体达到完全自主状态时它的工作流程是什么样的OpenAI团队描述了这样一个完整闭环 给定单个提示智能体现可以验证仓库的当前状态检查代码库是否处于可工作状态重现报告的错误如果任务是修复Bug先复现问题录制展示失败的视频记录问题复现过程实现修复生成代码解决问题通过驱动应用程序验证修复运行应用确认问题已解决录制第二个展示解决方案的视频记录修复后的效果打开Pull Request创建PR准备合并回应智能体和人类的反馈处理评审意见检测和修复构建失败如果CI失败自动修复仅在需要判断时升级给人类遇到无法确定的决策才请求人类介入合并更改完成整个开发周期这个流程中人类只在第10步可能介入其他所有步骤都由智能体自主完成。3.1 一个真实案例假设任务是“修复登录按钮点击无响应的问题”智能体首先导航到登录页面通过Chrome DevTools检查控制台错误发现是某个事件监听函数未定义定位到相关代码文件找到函数缺失的原因生成修复代码重新加载页面测试确认按钮可以工作录制修复前后的对比视频创建PR附上视频证据自动运行CI处理可能的合并冲突所有检查通过后合并代码整个过程可能持续几个小时但人类工程师只需要在第二天早上查看结果。四、Ralph Loop的进阶实践除了OpenAI的实验整个行业都在探索如何让Ralph Loop更加可靠、高效。4.1 九步循环的细化Addy Osmani详细拆解了Ralph Loop的九个步骤 从待办列表中选取下一个任务例如从JSON任务文件中实现任务智能体为该特定功能/修复编写或修改代码验证变更运行测试、类型检查或其他质量检查如果检查通过提交代码将变更集成到代码库更新任务状态标记为完成记录学习成果重置智能体上下文为下一个任务清空记忆重复直到所有任务完成或达到停止条件这种“无状态但迭代”的设计是可靠性的关键——它解决了让AI一次性构建整个功能时的上下文溢出问题 。4.2 任务粒度的艺术Ralph Loop成功的关键在于任务粒度。Addy Osmani强调每个任务都应该足够小能在一个AI会话中完成并有明确的通过/失败标准。例如不要写成“构建整个仪表盘”而要写成“添加导航栏包含首页、关于、联系链接”“验收标准当前页面链接高亮显示为蓝色”这种粒度确保了智能体知道每个步骤“完成”是什么样子也减少了智能体偏离轨道的可能性 。4.3 记忆机制的构建Ralph Loop的一个重要特征是每次迭代都重置上下文但这不意味着智能体“失忆”。相反团队通过多种机制实现跨迭代的记忆 Git提交历史每次迭代的代码变更都被提交下一次迭代可以通过git diff查看进度日志progress.txt记录每个周期的尝试和结果任务状态文件prd.json持久化存储每个需求的状态智能体知识库AGENTS.md记录发现的模式和注意事项这四种记忆通道共同构成了智能体的“长期记忆”让它在每次重置后仍能继承之前的经验和教训 。五、RPI方法论从Ralph到更高级的自主在Ralph Loop的基础上Dex Horthy提出了更严格的RPI方法论研究、计划、实施。5.1 RPI的核心思想RPI的核心是在写一行代码之前强制智能体先生成中间设计工件并就架构决策达成一致。研究Research智能体分析问题、探索解决方案、评估选项计划Plan生成设计文档、架构图、实施计划实施Implement按照计划编写代码这种方法避免了智能体“边写边想”导致的混乱确保代码质量。5.2 在复杂代码库中的应用Dex Horthy的团队用这种方法解决了复杂代码库中的难题——不是新项目而是那些混乱的、难以用智能体处理的“棕地项目” 。在一个黑客马拉松中他们用自主循环在一夜之间克隆了六个赞助商产品 。这证明了当方法论正确时智能体的生产力可以达到惊人的水平。5.3 逃离“愚蠢区域”Dex Horthy将传统的一次性提示称为“愚蠢区域”——智能体在缺乏上下文和规划的情况下盲目尝试。RPI方法论帮助智能体逃离这个区域进入更可靠的自主工作状态 。六、行业启示自主性的未来6.1 Thoughtworks的视角Thoughtworks的Birgitta Böckeler在分析OpenAI实验时指出智能体的自主性提升需要三个核心组件的协同 上下文工程持续增强的知识库和动态上下文访问架构约束确定性的自定义Linter和结构测试垃圾回收定期运行的智能体对抗熵和腐烂这三个组件共同构建了一个让智能体可以安全自主运行的环境。6.2 “无人在环”的经济学Ralph Loop的普及背后是残酷的单位经济学 。当AI可以在你睡觉时连续工作六小时当10倍效率提升成为可能传统的人力开发模式在成本上完全无法竞争。但这不意味着工程师被淘汰。相反工程师的价值从“执行”转向了“设计”——设计任务、设计验收标准、设计约束、设计反馈循环 。6.3 从“单次提示”到“持续循环”Addy Osmani指出传统的AI编码是“单次提示”——你让AI写代码你审查你修复问题然后重复。这让人类在每个步骤都参与其中 。Ralph Wiggum彻底改变了这一点让AI在自己的输出上持续工作直到达到定义的目标。开发者定义“完成”的样子通过测试、构建成功标准或完成标记然后让循环运行 。这种转变将工作从“短暂的AI输出持续的人类监督”转变为“更长的自主周期减少的重复干预” 。七、结语临界点之后OpenAI的五个月实验证明当环境足够完善、工具足够强大、约束足够清晰时智能体可以跨越一个临界点——从需要人类频繁介入的Ralph Wiggum Loop进化为能够连续工作六小时以上、端到端驱动功能开发的完全自主智能体。这个临界点的意义不亚于工业革命中自动化生产线的诞生。当机器可以24小时不停运转时生产力实现了飞跃。同样当AI智能体可以在人类睡觉时持续工作软件开发的效率和规模将进入一个新的维度。但这不意味着人类变得多余。恰恰相反人类的工作变得更加重要——只是工作的内容变了。不再是逐行写代码而是设计那个让AI能够自主、可靠、持续工作的“驾驭系统”。正如OpenAI团队所言“Humans steer, agents execute.”人类掌舵智能体执行。当AI学会了“熬夜加班”人类的角色就从“执行者”升维为“驾驭者”。这才是Harness Engineering最深刻的启示。下一篇预告《当AI成为同事Agent-to-Agent协作带来的新挑战》随着智能体自主性的提升它们之间的交互变得越来越频繁。当评审工作从Human-to-Human转向Agent-to-Agent工程协作模式将发生哪些变化又会引入哪些新的复杂性敬请期待。欢迎在评论区分享你的看法你尝试过让AI在你睡觉时工作吗效果如何给大家整理了一些免费白嫖token的网站openclaw用起来!白山智算 https://ai.baishan.com/auth/login?referralCodeIRxQKSvCmf 注册实名:150 元 首次调用300 元合计450 元体验金 约2亿token轨迹流动 https://cloud.siliconflow.cn/i/G4aw22io 1500w token智谱大模型开放平台 链接https://www.bigmodel.cn/invite?icode6nBhIl8EAx9QN2uiQIuLxHHEaazDlIZGj9HxftzTbt4%3D 2000w token火山引擎https://console.volcengine.com/ark/region:arkcnbeijing/openManagement/rewardPlan 500w token/天longcathttps://longcat.chat/platform/usage 5千万token/日智谱 GLM Coding 链接https://www.bigmodel.cn/glm-coding?icZ8T8OK12LU阿里百炼https://www.aliyun.com/product/bailian code plan 首月7.9