Token导航 LogoToken导航

Agent Skill · AI 工具

ralph-loop(拉尔夫·鲁普)

ralph-loop 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

ralph-loop 是AI 工具类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为只读;许可证为 MIT,第三方扫描已通过,按安装量在AI 工具类的 2,536 个 Skill 里排第 1,001。

总安装 1,373周安装 55GitHub Stars 52下载 444核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:ralph-loop(拉尔夫·鲁普)
来源仓库:https://github.com/zenobi-us/dotfiles
仓库路径:skills/ralph-loop
安装命令:
npx skills add https://github.com/zenobi-us/dotfiles --skill ralph-loop
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。不同来源提供的安装方式可能略有差异;本站展示可直接复制的安装命令,安装前请核对来源页面。

skills.shnpx skills
npx skills add https://github.com/zenobi-us/dotfiles --skill ralph-loop

这个 Skill 是做什么的

AI 工具类 Skill 用来扩展助手本身的能力,例如接模型、接检索、接外部服务。

ralph-loop 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。适用于敏捷开发中的持续反馈循环、迭代回顾或缺陷根因分析等实践。

通过 npx skills add 命令从指定仓库安装,调用时可自动收集指标并生成改进建议。安装前需确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。建议结合来源仓库和原始 README 核验数据整理频率与匿名化处理机制。

来源仓库内路径:skills/ralph-loop

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/zenobi-us/dotfiles --skill ralph-loop;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它标注为只读,先用只读任务试一次,确认行为符合预期再扩大使用范围。

常见问题

6 条

ralph-loop 怎么安装?

在终端执行 npx skills add https://github.com/zenobi-us/dotfiles --skill ralph-loop。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

ralph-loop 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

ralph-loop 需要什么权限?

权限级别是只读。该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

ralph-loop 是免费的吗?

来源标注的许可证是 MIT。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

ralph-loop 用的人多吗?

公开数据是累计安装 1,373 次,近一周安装 55 次,下载 444 次,GitHub 52 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

ralph-loop 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 3 个目录同时收录,说明这个 Skill 流传比较广。
  • 许可证明确为 MIT,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理AI 工具类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

AI 工具类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
executing-plans

执行计划 · Codex、Claude

1,515,336173,110只读MIT通过
verification-before-completion

完成前的验证 · Codex、Claude

1,319,472173,121权限未标注MIT通过
subagent-driven-development

子 Agent 驱动开发 · Codex、Claude

1,312,416173,138只读MIT通过
copy-editing

复制编辑 · Codex、Claude

1,209,57625,632只读MIT通过
paywall-upgrade-cro

付费专区升级 cro · Codex、Claude

1,030,17625,617只读MIT通过
ralph-loop

拉尔夫·鲁普 · 本页

1,37352只读MIT通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

Ralph Wiggum - Long-Running Development Loops

Long-running iterative development loops with pacing control.

When to Use

  • Complex tasks requiring multiple iterations
  • Tasks with many discrete steps that build on each other
  • Work that benefits from periodic reflection

Do NOT use for simple one-shot tasks or quick fixes.

Agent Tool

Call ralph_start to begin a loop on yourself:

ralph_start({
  name: "loop-name",
  taskContent: "# Task\n\n## Goals\n- Goal 1\n\n## Checklist\n- [ ] Item 1\n- [ ] Item 2",
  maxIterations: 50,        // Default: 50
  itemsPerIteration: 3,     // Optional: suggest N items per turn
  reflectEvery: 10,         // Optional: reflect every N iterations
  useSubagents: true,       // Optional: delegate each task to subagent
  subagentAgent: "default"  // Optional: subagent name (default: 'default')
})

Loop Behavior

  1. Task content is saved to .ralph/<name>.md
  2. Each iteration: work on task, update file
  3. Call ralph_done tool to proceed to next iteration
  4. When complete: output <promise>COMPLETE</promise>
  5. Loop ends on completion or max iterations (default 50)

User Commands

  • /ralph start <name|path> - Start a new loop
  • /ralph resume <name> - Resume loop
  • /ralph stop - Pause loop (when agent idle)
  • /ralph-stop - Stop active loop (idle only)
  • /ralph status - Show loops
  • /ralph list --archived - Show archived loops
  • /ralph archive <name> - Move loop to archive
  • /ralph clean [--all] - Clean completed loops
  • /ralph cancel <name> - Delete loop
  • /ralph nuke [--yes] - Delete all.ralph data

During streaming: press ESC to interrupt, send a normal message to resume, and run /ralph-stop when idle to end the loop.

Task File Format

# Task Title

Brief description.

## Goals
- Goal 1
- Goal 2

## Checklist
- [ ] Item 1
- [ ] Item 2
- [x] Completed item

## Notes
(Update with progress, decisions, blockers)

Subagent Mode

Delegate each checklist task to a separate subagent thread:

/ralph start my-tasks --use-subagents --subagent-agent default

How it works:

  • Extracts uncompleted checklist items (- [] Task)
  • Each task is delegated to a fresh subagent thread (1 task = 1 subagent)
  • Subagent completes task and marks it done (- [x] Task)
  • Main loop orchestrates and tracks progress
  • Automatic retry logic for failures (2 attempts)

Benefits:

  • Fresh context per task (no pollution)
  • Isolated execution (failures don't cascade)
  • Clear task tracking and progress reporting
  • Suitable for independent, discrete tasks

When to use:

  • Tasks are independent (no shared state)
  • Each task is substantial enough for separate execution
  • You want clean separation between tasks
  • Task list is well-defined upfront

Best Practices

  1. Clear checklist: Break work into discrete items
  2. Update as you go: Mark items complete, add notes
  3. Reflect when stuck: Use reflection to reassess approach (normal mode)
  4. Complete properly: Only output completion marker when truly done
  5. Subagent mode: Use for independent tasks with clear boundaries

平台分布

OpenCode

30.04%
按下载量换算133

Claude Code

22.39%
按下载量换算99

Antigravity

18.1%
按下载量换算80

Gemini CLI

13.08%
按下载量换算58

moltbot

8.89%
按下载量换算39

windsurf

3.65%
按下载量换算16

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

只读

该 Skill 主要提供规则、说明或参考内容,本身偏只读;真正读写文件、联网或执行命令仍取决于宿主 Agent 的任务。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。

继续浏览同类 Skills