Ralph Wiggum 模式是一种让 AI 编码智能体在自动循环中持续迭代、逐步构建或迁移软件的技巧。其核心形式被描述为一段 Bash 循环：while :; do cat PROMPT.md | opencode ; done，通过反复把同一份提示词喂给智能体，使其多次尝试后收敛出可用方案。
核心原则：每次循环只实现一项任务（One Thing Per Loop）；信任智能体自行判断优先级；接受结果具有不确定性，通过调参纠正；相信足够多次迭代后能达到最终一致；以主上下文窗口调度子智能体完成高开销工作。
推荐目录结构包含 PROMPT.md（主提示）、AGENT.md（构建/测试运行说明）、fix_plan.md（按优先级排列的剩余任务）、specs/、src/、examples/ 和 .agent/（长期计划与待办草稿区）。工作流分三阶段：生成阶段读取规格并按 fix_plan.md 每次实现一项；反压阶段对改动单元运行测试，缺失功能按规格补齐，并用静态分析/类型检查工具约束，同时明确不要写占位式简单实现；循环维护阶段研究规格、维护 fix_plan.md，并记录学习成果。
Python 相关实践建议使用 uv 管理环境：uv sync、uv add、uv run python script.py；测试用 uv add --dev pytest 与 uv run pytest；类型检查用 uv add --dev pyrefly 与 uv run pyrefly check；格式化用 uv add --dev ruff 与 uv run ruff format .。
适用场景为全新项目、跨语言/平台移植、有明确规格的实现工作以及探索性开发；不建议用于已有代码库、性能关键系统或安全敏感应用。已知限制包括输出不确定、易产生占位实现、上下文窗口溢出导致遗忘规格、可能出现无限循环或范围蔓延。缓解方式包括持续调整 PROMPT.md、维护规格、用子智能体分担开销、以测试与类型检查作为验证关卡，以及必要时人工重置。
使用 Claude 等模型，模型相关参数暂无。