用途：Ralph Wiggum 是一种自主 AI 开发技术，核心是循环反复向 AI 代理投喂同一提示，让代理在任务上迭代直至完成。适用于从零构建项目、迭代定义明确的任务。
主要能力：以文件而非上下文保存状态，目录 .ralph/ 下含 state.md（当前迭代、任务、完成标准）、guardrails.md（从失败中积累的护栏）、context-log.md（已载入上下文）、failures.md（失败模式）、progress.md（已完成内容）。迭代循环为：读取状态文件、检查护栏、执行任务、更新进度文件、git 提交检查点、评估完成标准，未完成则进入下一轮，卡住则建议重开上下文。护栏以“Sign”形式记录触发条件、指令与添加原因，并注入后续迭代。
使用方式：在项目根目录创建 RALPH_TASK.md，包含 task、completion_criteria、max_iterations 等字段及需求与约束，然后对 Cursor 说“Start a Ralph loop on this task”。进度可查看 .ralph/progress.md。该技能通过 Cursor hooks 集成：beforeSubmitPrompt 注入护栏与上下文感知，beforeReadFile 跟踪上下文分配，afterFileEdit 更新进度，stop 评估完成并触发下一轮或重开。
限制与注意：Ralph 会犯错，属预期行为，需通过添加护栏逐步调优；上下文无法释放，只能开新会话，混合关注点会导致自回归失败，不应把上下文推到极限。重复同一错误 3 次以上、上下文接近上限或出现循环失败时，应重开新会话。完成标准需明确，目标应增量拆分。官方未提供收费、价格或平台支持信息。