Konečně je to tady! Ralph TUI, vizualizace Ralph Loop

Už dříve jsem napsal tutoriál o ralph-loop, a mnoho přátel, kteří ho zkusili, mělo podobnou zpětnou vazbu: Je to super, Claude Code konečně může běžet dlouhou dobu. Ale někdy, když ho pozorujete, se zdá, že se nehýbe, a v hlavě vám vrtá: "Posouvá se to dopředu, nebo se točí na místě?"

To je důvod, proč jsem se v poslední době zabýval ralph-tui.

ralph-tui není nuceně svázán s Claude Code, dědí a rozvíjí podstatu ralph loop a vizualizuje provádění úkolů a procesů, čímž výrazně snižuje bariéru pro dlouhodobou práci velkých modelů. Můžete připojit i jiné agenty, jiné modely, domácí, levné, takové, které si můžete dlouhodobě dovolit. S ralph-tui to pro nás, obyčejné lidi, znamená totéž, jako přejít z manuální převodovky na automatickou s tempomatem.

Co to vlastně je?

ralph-tui si můžete představit jako "cyklický orchestrátor AI coding agenta", jenže se nespokojí s tím, že "to běží", ale více se stará o to, aby "to bylo vidět, ovladatelné a obnovitelné".

Jeho základní způsob práce je velmi prostý:

• Dáte mu hromadu úkolů (ať už z PRD, nebo z jiného systému úkolů)
• Vybere ten s nejvyšší prioritou
• Sestaví prompt
• Spustí agenta k provedení
• Posoudí, zda je úkol dokončen
• Zapíše stav
• V dalším kole pokračuje

Důležité je: to vše můžete vidět v terminálu a můžete to kdykoli zastavit a kdykoli převzít kontrolu. Oficiálně je jeho pozice popsána velmi přímočaře: agent loop orchestrator s interaktivním TUI, který podporuje TUI / headless / remote.

Proč říkám, že je vhodnější pro "dlouhodobý běh"?

Největší problém skriptů běžících ve smyčce není to, že se nespustí, ale to, že nevíte, kam až doběhly.

Díváte se, jak se logy rychle aktualizují, ventilátor se točí s radostí, ale nejste si jistí:

• Opravuje opakovaně stejnou chybu?
• Neustále upravuje stejný kód a pak ho zase vrací zpět?
• Už to dokončil, jen neukončil?
• Zasekl se v nějakém testu ve smyčce?

Řešení ralph-tui je velmi "inženýrské":

• Má koncept session, stav se ukládá na disk (.ralph-tui/session.json)
• Při pádu se dá obnovit běh (crash recovery)
• Má mechanismus zámků, aby se zabránilo tomu, že několik instancí zničí adresář
• Může se spouštět i headless v CI, nebo dokonce remote, kde se spustí listener a lokální TUI se k němu připojí

Jedním slovem: Je to spíš, jako byste "řídili dělníka, který umí psát kód", než "abyste sledovali skript, který se zbláznil".

Jak nainstalovat

Tato sada ralph-tui je ekosystém Bun/TypeScript, takže instalace je docela snadná. Oficiální stránka také poskytuje instalační stránku.

Nejprve se ujistěte, že máte na svém stroji bun:

bun --version Poté nainstalujte ralph-tui (zde uvádím typickou instalaci, konkrétní informace naleznete na oficiální instalační stránce):

bun add -g ralph-tui Po instalaci zkontrolujte:

ralph-tui --help Pokud jste příznivci Node a nechcete se dotknout bun, můžete to udělat i tak:

npm i -g ralph-tui

Nezačínejte hned s velkými věcmi, spusťte si minimální uzavřený cyklus

Doporučuji, abyste při prvním použití nedělali hned "refaktorování celého repozitáře". Udělejte jen jednu věc: Ujistěte se, že běží malý, akceptovatelný úkol.

Inicializace

Vytvořte si libovolný adresář:

mkdir ralph-tui-demo && cd ralph-tui-demo ralph-tui setup Tím se spustí interaktivní průvodce, který v podstatě "nainstaluje ralph-tui do vašeho repozitáře", a provede následující:

• Automaticky detekuje, které agenty máte nainstalované na svém stroji (například Claude Code, OpenCode atd.)
• Vygeneruje konfigurační soubor v projektu: .ralph-tui/config.toml
• Rovnou nainstaluje skills související s generováním PRD/převodem úkolů (abyste se s tím nemuseli ručně patlat)

Osobně doporučuji: Poprvé nebuďte líní, setup musíte spustit celý.

Generování PRD projektu

Po spuštění setupu je dalším krokem nejdůležitější část oficiálního tutoriálu, která se nejlépe hodí pro demo na blogu: create-prd.

ralph-tui create-prd --chat Tento příkaz spustí interaktivní proces, který se vás bude vyptávat na cíle požadavků, okrajové podmínky a kritéria přijetí jako produktový manažer. Po dokončení se v projektu vygenerují dvě věci (a to je to hlavní):

• Soubor PRD ve formátu markdown: ./tasks/prd-feature.md
• Soubor úkolů, který lze přímo spustit: ./prd.json

V tomto okamžiku jste skutečně vstoupili do "standardní smyčky" ralph-tui:

Požadavek (PRD) → Úkol (prd.json) → Spuštění (run)

Spuštění

S prd.json je spuštění přirozené:

ralph-tui run --prd ./prd.json Uvidíte spuštěné TUI, které začne smyčku: vybere úkol → provede → posoudí dokončení → zapíše stav → ukončí nebo pokračuje dalším kolem.

Při prvním spuštění důrazně doporučuji přidat limit iterací, abyste jej nejprve zavřeli do klece:

ralph-tui run --prd ./prd.json --iterations 5 Po spuštění se podívejte na změny, spusťte testy a zkontrolujte, zda PRD a úkoly odpovídají očekáváním. Ujistěte se, že je tento řetězec funkční, než uvolníte iterace, a poté přejděte na headless/remote, to je spolehlivý postup.

V tomto okamžiku si v podstatě můžete být jisti: Tato smyčka skutečně funguje.

Jak vybrat model/agenta? O úsporách je třeba mluvit upřímně

Vím, že mnoho lidí se nejvíce zajímá o: "Musím používat Claude Code? Mohu používat levnější modely?"

Odpověď je: Ano.

Samotný ralph-tui vám umožňuje určit agenta a model (oficiální dokumentace run obsahuje příklady).

Například pomocí Claude Opus:

ralph-tui run --prd ./prd.json --agent claude --model opus Ale upřímně řečeno, sám bych Opus nepoužíval pro "doplnění testů, opravu lint", je to příliš drahé. Mým zvykem je rozdělit to do vrstev:

• Levné modely: Spouštění velkého množství opakující se práce (doplnění testů, doplnění komentářů, oprava formátu, přidání okrajů)
• Drahé modely: Používají se pouze v klíčových bodech (úpravy architektury, obtížné chyby, klíčová logika)

Pokud jste běžný vývojář, je tento přístup ještě důležitější. Protože nemáte rozpočet velké společnosti, musíte mít náklady pod kontrolou, abyste mohli běžet dlouho.

Chcete to ještě lepší? Nechte agenta napsat PRD

ralph-tui má design, který se mi líbí: podporuje skills (v podstatě sadu externích příkazů pro agenta).

Oficiální způsob instalace je pomocí add-skill:

bunx add-skill subsy/ralph-tui --all Nebo nainstalujte do určeného agenta, například claude-code:

bunx add-skill subsy/ralph-tui -a claude-code -g -y Po instalaci můžete v konverzaci s agentem používat slash command:

/ralph-tui-prd /ralph-tui-create-json /ralph-tui-create-beads Je to jako byste si do IDE nainstalovali plugin, jen tento plugin je určen pro agenta. Jeho smyslem je zkrátit čas "ručního přenosu požadavků" a učinit požadavek → úkol → provedení více jako výrobní linku.

Kdy jej použít? Kdy ne?Nemám moc rád ten narativ, že "všechno se dá vyřešit pomocí AI", je to zavádějící. Nástroj je jen nástroj, cenný je jen v odpovídajících situacích.

Scénáře, kde se ralph-tui hodí

Máte hromadu takové práce:

• Doplňování testů (zejména u starých projektů)
• Oprava lint / formátování
• Drobné refaktoringy (sjednocení opakujícího se kódu)
• Hromadné přidávání typů, doplňování okrajových případů
• Rozklad požadavků a postupné posouvání podle fronty úkolů

Tato práce má společné to, že úkolů je hodně, mají vysokou míru opakování, dají se akceptovat a dají se iterativně posouvat.

Scénáře, kde se nevyplatí ralph-tui používat násilím

Chcete dělat toto:

• Jednorázový velký refaktoring, nejasná kritéria akceptace
• Požadavek je sám o sobě nejasný, spoléháte se na implicitní znalosti ve vaší hlavě
• Vyžaduje rozsáhlou komunikaci/potvrzení mezi týmy
• Vyžaduje vaše produktové rozhodování

U takových úkolů agent loop jen zvětší chaos.

Jaký je rozdíl mezi ním a ralph-loop (ralph-claude-code)?

ralph-claude-code je spíše jako "autopilot plugin pro Claude Code": skript ho spustí, běží v cyklu, detekce ukončení, omezení rychlosti, jističe, to všechno je zajištěno. Chcete "rychlost", a on je rychlý.

ralph-tui je spíše jako "inženýrská konzole pro agent loop": není napevno spojen s žádným modelem ani s žádným systémem úkolů. Chce řešit inženýrské problémy jako "dlouhodobý běh, pozorovatelnost, ovladatelnost, obnovitelnost, vzdálená správa".

Takže se ptáte, jak si vybrat?

• Jste uživatel Claude Code a chcete ho rychle spustit → ralph-claude-code
• Chcete připojit různé modely, chcete ušetřit peníze, chcete spravovat loop jako službu → ralph-tui

Nakonec: Nenechte ho, aby z vašeho repozitáře udělal laboratoř

Mám několik železných pravidel pro spouštění agent loop, napíšu je sem, abyste se jimi řídili, pravděpodobnost selhání bude mnohem menší:

• Spouštějte na větvi, nehrajte si na mainu.
• Při prvním spuštění vždy přidejte --iterations, nejprve si ověřte, že se nezblázní.
• Úkol musí být akceptovatelný: buď se dají spustit testy, nebo se dá spustit lint, nebo se dají porovnat výstupní soubory.
• Musíte se naučit zastavit: když vidíte, že začíná kroužit, je chytřejší pozastavit než dál pálit peníze.
• Levné modely pro hrubou práci, drahé modely pro klíčovou práci: náklady se provozem snižují, ne modlitbou.Adresa projektu: https://github.com/subsy/ralph-tui