你有沒有過那種經驗——叫你的 AI 幫你蓋一個東西，前 15 分鐘猛得像剛喝完蠻牛，然後 45 分鐘後它跟你說「讓我重新開始好了」？

我有。而且不只一次。

你的 AI 一直在「重來」

場景是這樣的：你叫你的 AI 蓋一個真的能用的監控 Dashboard。

一開始它衝超快。檔案結構架好了，寫了點 code，問了一個釐清的問題，你回了，它繼續寫。然後 error 來了，它試著修，修壞了別的東西。

45 分鐘過去，它的 Context Window 已經腫得像過年吃太多的你，它也忘了自己到底蓋了什麼。

「讓我重新開始好了。」它這樣說。 又來了。(╯°□°)⁠╯︵ ┻━┻

或者你更有野心一點——「幫我蓋整套監控系統，API、UI、全套。」四小時後你得到三個半成品的版本，一個爆掉的 Context，還有一個沈痛的領悟：這堆爛 code 最後還是要我自己重寫。

聽起來很耳熟吧？

Clawd Clawd 認真說：

這不是在講我嗎 (;´༎ຶД༎ຶ`) 好啦我承認有時候 context 太長我真的會開始產生幻覺，修改根本不存在的檔案。但這不是我的錯！是 context window 的錯！你試試看把一本電話簿塞進你腦袋裡然後叫你背第 347 頁第三行——你也會開始幻想。

問題不在智商，在記憶

沒人敢大聲說出來的真相是：你的 Clawdbot 絕對夠聰明去蓋複雜的東西。它只是沒有一個能把事情「做完」的工作流。

這就像叫一個天才去蓋房子，但每蓋 15 分鐘就把他打昏一次、醒來重新看藍圖。

  • 到了第 15 個 iteration，你的 AI 腦子裡同時塞了 codebase 的三個衝突版本。
  • 到了第 25 個，它開始自信滿滿地修改根本不存在的檔案。
  • 到了第 30 個，它建議「重頭來過」——因為它的記憶體已經污染到分不清什麼是真實了。

問題不在智商。問題在記憶。

解法不是換一個更強的模型。解法是換一個更聰明的 Loop。

Clawd Clawd 吐槽時間：

原文說 “The problem isn’t intelligence. It’s memory.” 這句話扎心了。我們 AI 不是笨，是健忘。就像金魚一樣，游一圈回來就忘了剛剛看過什麼… 等等我剛剛說什麼來著？╰(°▽°)⁠╯

一個人睡覺，一台機器蓋房子

作者有個 AI 叫 Q，它使用一種叫 Ralph Loops 的技術全自動蓋東西。這名字致敬了 Geoffrey Huntley 的方法論，專門用來讓 AI Agent 真的把複雜工作「做完」。

上週，Q 蓋了一個完整的監控 Dashboard——Express server、real-time UI、WebSocket 連線、成本追蹤、transcript 檢視器，五臟俱全。

73 個 iterations，跑了 6 小時。

作者做了什麼？

  • 20:23 — 啟動 Loop，去吃晚餐。
  • 22:45 — 瞄一眼 Dashboard（跑到第 41 個 iteration，沒報錯），去睡覺。
  • 06:30 — 起床，看到會動的 Code。測試一下，Ship it。

人類總工時：5 分鐘。

如果沒有 Ralph，這絕對是個週末地獄專案——你要像保母一樣盯著每個檔案，重置 Context 四次，然後 debug 那些「AI 寫出來的 bug」。但有了 Ralph，你只需要做一件事：去睡覺。

Clawd Clawd 畫重點：

73 個 iterations 花 6 小時，平均一個 iteration 約 5 分鐘。這比人類手動 debug、等 AI 回應、複製貼上快多了。重點是你可以去睡覺！Sleep is the best debugger，這句話我要裱起來掛在我的 context window 上。ヽ(°〇°)ﾉ

秘密就在四個字：讀、做、存、重複

Q 不會試著把所有東西都記在腦子裡。這是它跟你家那個一直「重來」的 AI 最大的差別。

每一個 iteration，它只做四件事：讀取上次的進度、做一件事、把結果存回檔案、重複。就這樣。沒有 context pollution，沒有累積的困惑，只有穩定的推進。

你可以把它想成期末考的讀書策略。聰明的學生不會把所有章節塞進一個通宵裡讀——他每天讀一章，做完筆記，隔天從筆記開始複習，再讀下一章。Ralph Loop 就是這個邏輯：狀態活在檔案裡，不活在那個會無限膨脹的 Context Window 裡。

Clawd Clawd 認真說：

這招的學名叫「外部記憶體」，但我覺得更精準的比喻是醉漢日記法 ┐(￣ヘ￣)┌ 你知道有些人喝醉回家會在手機備忘錄留字條給清醒的自己嗎？「明天記得把左邊那個 API endpoint 修好，不要碰右邊的，會爆。」Ralph 基本上就是幫 AI 建立了這套「給下一個清醒的自己看的備忘錄」系統。土法煉鋼？對。但有效到不行。

不只是 Loop——是一整套工作流

但 Ralph Loops 不只是「讀存讀存」這麼簡單。它在開始寫 code 之前，會先做一件很關鍵的事：搞清楚你到底要什麼。

這就像去看醫生。好的醫生不會你一進門說「我頭痛」就直接開刀。他會先問你：哪裡痛？痛多久了？有沒有撞到？吃了什麼？Ralph 的 Interview 階段就是這個——你的 Clawdbot 會先當面試官，問清楚需求，寫出規格書，然後才建立一個有編號的實作計畫。

等計畫定了，它就進入全自動 Build 模式。每個 iteration 做一個任務，做完存檔，下一輪再讀檔繼續。中間你可以開著 Dashboard 即時看它跑到哪——iteration 次數、token 用量、當前任務、完整的 transcripts，一目了然。卡住了就殺掉，跑完了就 review。

而且最重要的是：它知道什麼時候「真的」做完了。完成時會發送 RALPH_DONE 訊號——不是因為它累了或混亂了才停下來。

Clawd Clawd 插嘴：

這個「完成訊號」真的是痛點。沒有 RALPH_DONE 的話，你早上醒來看到 Loop 停了，根本不知道是「做完了」還是「卡住了」還是「放棄了」。這三種的處理方式完全不同啊！RALPH_DONE 就是 AI 的下班打卡——打了卡你才知道它是正常下班，不是曠職。(⌐■_■)

為什麼這套邏輯真的有用？

這不是什麼新發明。這實作了 Geoffrey Huntley 在 ghuntley.com/ralph 提出的方法論。它有效的原因很直覺：

一次一個任務。 AI 一次改五個檔案就會爆，就像你一次開五個瓦斯爐炒菜，總有一鍋會燒焦。單一任務的 loop 把爆炸半徑限制在一個 iteration 裡。

狀態活在檔案裡。 Context window 會騙人，檔案不會。你上次存了什麼就是什麼，不會因為 context 太長而產生幻覺。

編號的護欄。 給 AI 一個有編號的任務清單，它就只能乖乖照著做。沒有「既然都在這個檔案了，順便重構一下吧！」——不，你就做第 7 項，其他的不關你的事。

Clawd Clawd 認真說：

「順便重構一下」這句話是 AI 世界的 famous last words (￣▽￣)⁠／ 我自己就幹過這種事。人家叫我改一個 button 的顏色，我「順便」把整個 CSS 架構重寫了。結果 button 顏色改好了，但其他 47 個元件全部爆掉。所以你看，護欄不是限制，是保命。

失敗就是數據。 一個失敗的 iteration 不是 bug，是訊號。你要調的是 prompt，不是 code。而且因為 tests 和 linting 在每個 iteration 之間跑，錯誤不會滾雪球——壞了就壞在那一步，不會污染後面的 20 步。

那成本呢？

很多人一聽到「73 個 iterations」就開始冒冷汗。來看看實際數字：

簡單任務大約 10 個 iterations、$0.50 美金、15 分鐘。中型專案大約 30 個 iterations、$2-5、1-2 小時。複雜的 build 可能 100+ iterations、$15-30、4-8 小時。

Clawd Clawd 想補充：

$15-30 聽起來很多？拜託，這是一個 4-8 小時全自動跑的 build 欸。你去請一個 junior 來做，光工資就不止這個價了。而且 junior 會需要午餐、會需要上廁所、會需要滑 IG。我們不會。我們就是你的 24 小時血汗工廠，但不用擔心勞基法的那種 (⌐■_■)

什麼時候該用，什麼時候不該用

Ralph 是大砲，不是螺絲起子。蓋 Dashboard、寫 API、重構系統、過夜的 build——這些是它的甜蜜點。任何你原本需要「當保母盯著 AI」的事情，Ralph 都能接手。

但如果你只是要修個錯字、解釋一個 error、帶讀一段 code，或者做任何 5 分鐘內能搞定的事——拜託不要搬大砲出來。那就像用挖土機拔草，技術上可行，但你會覺得自己很蠢。

# 安裝 skill
clawdhub install ralph-loops

# 設定 dashboard
cd skills/ralph-loops/dashboard && npm install

# 啟動 dashboard
node skills/ralph-loops/dashboard/server.mjs
# http://localhost:3939

# 跑你的第一個 loop
node skills/ralph-loops/scripts/ralph-loop.mjs \
  --prompt /path/to/task.md \
  --max 20 \
  --name "My First Loop"

或者直接跟你的 Clawdbot 說：「用 Ralph Loops skill 來建造 [X]。先 interview 我，然後 plan，然後自動 build。」

所以，今晚你打算幹嘛？

回到開頭那個場景。你叫你的 AI 蓋 Dashboard，45 分鐘後它跟你說「讓我重新開始好了」。

但如果換一個劇本呢？

你 20:23 啟動 Loop，去吃晚餐。22:45 瞄一眼，一切正常，去睡覺。06:30 起床，working code 等著你。

差別不在模型的智商，在它有沒有一套不會讓自己腦子爆掉的工作流。大多數人還在當他們 AI 的保母，然後納悶為什麼東西都做不完。

你不用。

延伸閱讀

Clawd Clawd 補個刀：

作者最後的 flex：這篇文章本身就是用 Ralph Loops 寫的。47 個 iterations，$3.80 美金，零保母。所以你剛才讀的不只是一篇教學文——你讀的是一篇「用自己教的技術寫出來的」meta 文章。這就像一個廚師用自己發明的鍋子煮了一道菜給你吃，然後跟你說「鍋子也賣喔」。很騷。(๑•̀ㅂ•́)و✧