Конечно дојде тоа што го чекавте! Ralph TUI, визуелен Ralph Loop

Претходно напишав туторијал за ralph-loop, и многу пријатели кои го пробаа имаа слични повратни информации: Одлично е, Claude Code конечно може да работи долго време. Но, понекогаш кога го набљудувате, изгледа како да не се движи, и неминовно се прашувате: "Дали напредува или се врти во место?"

Тоа е причината зошто неодамна се занимавав со ralph-tui.

ralph-tui не присилува поврзување со Claude Code, тој ја наследува и развива суштината на ralph loop, и ја визуелизира задачата за извршување на задачите и процесот, што значително го намалува прагот за големите модели да работат долго време. Можете целосно да поврзете други агенти, други модели, домашни, евтини, оние што можете да си ги дозволите да ги користите долго време. Со ralph-tui, за нас обичните луѓе, значењето не е помало од префрлување од мануелен менувач на автоматски менувач со темпомат.

Што е тоа всушност?

Можете да го разберете ralph-tui како "цикличен организатор на AI coding agent", само што не е задоволен со "може да работи", туку повеќе се грижи за "можете да видите, да контролирате, да вратите".

Неговиот основен начин на работа е многу едноставен:

• Му давате куп задачи (може да дојдат од PRD, или од други системи за задачи)
• Тој избира една со највисок приоритет
• Составува prompt
• Го покренува агентот да изврши
• Проценува дали задачата е завршена
• Ја запишува состојбата
• Продолжува со следната рунда

Главната работа е: сето ова можете да го видите во терминалот, и можете да го запрете во секое време, да го преземете во секое време. Официјално, неговата позиција е напишана многу директно: agent loop orchestrator со интерактивен TUI, и поддржува TUI / headless / remote.

Зошто велам дека е посоодветен за "долготрајно работење"?

Најголемиот проблем со скриптите што работат во loop не е тоа што не можат да работат, туку тоа што не знаете до каде стигнале.

Гледате дека логовите се ажурираат многу брзо, а вентилаторот се врти доста среќно, но не сте сигурни:

• Дали повторно го поправа истиот баг?
• Дали постојано го менува истиот дел од кодот, а потоа го враќа назад?
• Дали е веќе завршен, само што не излегол?
• Дали е заглавен во некој тест во бесконечна јамка?

Решението на ralph-tui е многу "инженерско":

• Има концепт на сесија, состојбата ќе биде зачувана на дискот (.ralph-tui/session.json)
• Може да се врати во работа ако се сруши (crash recovery)
• Има механизам за заклучување, за да избегнете отворање на неколку инстанци и да го претворите директориумот во каша
• Може дури и да се фрли headless во CI да работи, па дури и remote да се отвори listener на далечина, а локалниот TUI да се поврзе со него

Со еден збор: Повеќе личи на "вие да управувате со работник кој знае да пишува код", отколку "вие да гледате во скрипта која се однесува чудно".

Како да се инсталира

ralph-tui е Bun/TypeScript екосистем, така што инсталирањето е прилично лесно. Официјално е дадена и страница за инсталација.

Прво проверете дали имате bun на вашата машина:

bun --versionпотоа инсталирајте ralph-tui (овде давам типичен начин на инсталација, конкретно погледнете ја официјалната страница за инсталација):

bun add -g ralph-tuiОткако ќе завршите со инсталацијата, проверете:

ralph-tui --helpАко сте Node фан и не сакате да користите bun, може и така:

npm i -g ralph-tui

Не правете големи работи, стартувајте минимален затворен циклус

Препорачувам за прв пат да го користите, немојте веднаш да правите нешто како "реструктуирање на целото repo". Направете само едно нешто: Направете да работи мала задача што може да се прифати.

Иницијализација

Отворете кој било директориум:

mkdir ralph-tui-demo && cd ralph-tui-demo ralph-tui setupОва ќе влезе во интерактивен процес на водење, што во основа е "инсталирање на ralph-tui во ова складиште", тоа ќе:

• Автоматски открива кои агенти се инсталирани на вашата машина (како што се Claude Code, OpenCode итн.)
• Генерира конфигурациска датотека во проектот: .ralph-tui/config.toml
• Ги инсталира вештините поврзани со генерирање PRD/конверзија на задачи (за да не мора да се мачите рачно подоцна)

Мој личен совет: Не бидете мрзливи првиот пат, задолжително извршете setup.

Генерирање PRD за проектот

Откако ќе заврши setup, следниот чекор е најважниот дел од официјалниот туторијал, кој е исто така најсоодветен за пишување демо за јавноста: create-prd.

ralph-tui create-prd --chat оваа команда ќе влезе во дијалошки процес, каде што ќе ве прашува како менаџер на производ за целите на барањата, граничните услови и критериумите за прифаќање. Откако ќе заврши со прашувањето, директно ќе исфрли две работи во проектот (ова е главната поента):

• Markdown датотека за PRD: ./tasks/prd-feature.md
• Датотека со задачи што може директно да се изврши: ./prd.json

Во овој чекор, вие навистина влегувате во „стандардниот затворен циклус“ на ralph-tui:

Барање (PRD) → Задача (prd.json) → Извршување (run)

Стартување

Со prd.json, извршувањето станува природно:

ralph-tui run --prd ./prd.json Ќе видите како се појавува TUI, почнувајќи ја јамката: избира задача → извршува → проценува дали е завршена → пишува статус → завршува или оди на следната рунда.

Првиот пат кога ќе го извршите, силно препорачувам да додадете ограничување на итерациите, прво затворете го во кафез:

ralph-tui run --prd ./prd.json --iterations 5 Откако ќе заврши, погледнете ги промените, извршете тестови, проверете дали PRD и задачите ги исполнуваат очекувањата. Откако ќе потврдите дека оваа врска е проодна, ослободете ги итерациите, потоа одете на headless/remote, тоа е сигурен ритам.

Во овој момент, во основа можете да потврдите: Овој циклус навистина работи.

Како да изберете модел/агент? Мора да бидеме искрени за заштеда на пари

Знам дека многу луѓе се најмногу загрижени за: „Може ли да не користам Claude Code? Може ли да користам поевтин модел?“

Одговорот е: Да.

ralph-tui ви овозможува да наведете агент и модел (официјалните run документи имаат примери).

На пример, користење на Claude Opus:

ralph-tui run --prd ./prd.json --agent claude --model opus Но, искрено, јас лично не би користел Opus за работи како „дополнување тестови, поправање lint“, премногу е скапо. Мојата навика е да го слоевитам:

• Евтини модели: Извршување на многу повторувачка работа (дополнување тестови, дополнување коментари, поправање формати, додавање граници)
• Скапи модели: Се појавуваат само во клучни јазли (прилагодување на архитектурата, тешки грешки, основна логика)

Ако сте обичен развивач, овој начин на размислување е уште поважен. Бидејќи немате буџет на голема компанија, треба да ги контролирате трошоците за да можете да работите долго време.

Сакате да биде уште подобро? Препуштете го „пишувањето PRD“ на агентот

ralph-tui има дизајн што многу ми се допаѓа: поддржува вештини (во основа, тоа е сет на надворешни команди за агентот).

Официјалниот начин на инсталација е со add-skill:

bunx add-skill subsy/ralph-tui --all Или инсталирајте го на одреден агент, како што е claude-code:

bunx add-skill subsy/ralph-tui -a claude-code -g -y Откако ќе завршите со инсталирањето, можете да користите slash command во сесијата на агентот:

/ralph-tui-prd /ralph-tui-create-json /ralph-tui-create-beads Ова е многу слично на инсталирање приклучок во IDE, освен што овој приклучок е за агентот. Неговата цел е да го намали времето за „рачно пренесување на барањата“, правејќи го барањето → задача → извршување повеќе како производна линија.

Кога треба да го користите? Кога не треба да го користите?Не ми се допаѓа наративот „сè може да се направи со вештачка интелигенција“, бидејќи е лесно да се доведат луѓето во заблуда. Алатката е алатка, вреди само во соодветни сценарија.

Сценарија погодни за користење ralph-tui

Имате многу вакви работи:

• Дополнување тестови (особено за стари проекти)
• Поправање lint / format
• Мали чекори на рефакторирање (конвергирање на повторувачки код)
• Додавање типови во серии, дополнување граници
• Постепено туркање според редот на задачи по декомпозиција на барањата

Овие задачи имаат една заедничка работа: многу задачи, висока стапка на повторување, може да се прифатат, може да се напредува итеративно.

Сценарија кога не е соодветно насилно да се користи ralph-tui

Ова е она што сакате да го направите:

• Еднократно големо рефакторирање, нејасни критериуми за прифаќање
• Самото барање е нејасно, се потпира на имплицитното знаење во вашиот ум
• Потребна е голема комуникација/потврда помеѓу тимови
• Потребно е да донесувате одлуки за производот

Во такви задачи, agent loop само ќе ја зголеми конфузијата.

Како се разликува од ralph-loop (ralph-claude-code)?

ralph-claude-code е повеќе како „автопилот додаток за Claude Code“: скриптата го подига, извршува циклус, откривање излез, ограничување на брзината, прекинувач се грижат за сè. Сакате „брзина“, и тоа е брзо.

ralph-tui е повеќе како „инженерска контролна конзола за agent loop“: не е заварен за одреден модел, ниту е заварен за одреден систем за задачи. Се обидува да ги реши инженерските проблеми како „долгорочно извршување, набљудување, контрола, обновување, далечинско управување“.

Значи, ме прашувате како да изберам?

• Вие сте корисник на Claude Code и сакате брзо да го стартувате → ralph-claude-code
• Сакате да поврзете различни модели, да заштедите пари, да го третирате loop како услуга → ralph-tui

На крај: не дозволувајте да го користи вашиот репозиториум како лабораторија

Имам неколку железни правила за себе кога извршувам agent loop. Ако ги следите овие, шансите за неуспех ќе бидат многу помали:

• Извршувајте на гранка, не играјте си со main.
• Кога го извршувате за прв пат, задолжително додадете --iterations, прво потврдете во мали чекори дека нема да полуди.
• Задачата мора да биде прифатлива: или може да извршува тестови, или може да извршува lint, или може да споредува излезни датотеки.
• Мора да научите да застанете: кога ќе видите дека почнува да кружи, попаметно е да паузирате отколку да продолжите да трошите пари.
• Евтините модели работат груба работа, скапите модели работат клучна работа: трошоците се управуваат, а не се молат за нив.Проектна адреса: https://github.com/subsy/ralph-tui