Ralph Orchestrator
基于“帽子系统”的AI代理编排框架，通过持续迭代直到任务完成，支持多后端与人类介入。
- Star 数
- ★ 3.2k
- 最近更新
- 3 天前
- License
- MIT
- 主语言
- Rust
- FA 评分
- 48/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台Codex · Claude CodeChatGPT（部分支持）
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 开发者使用 Claude Code 作为后端，用 Ralph 自动实现复杂的特性，减少人工编码迭代。
- 不适合
- 需要稳定生产级 Web 界面的团队，仪表盘仍处 Alpha 阶段
- 希望单一运行时环境的用户，需同时安装 Rust 与 Node.js
- 不愿为外部 AI 编码 CLI 付费或配置账号的团队
这个 Agent 能做什么，适合哪些场景？
Ralph Orchestrator 是一个用 Rust 编写的命令行框架，实现了 Ralph Wiggum 技术，让 AI 代理在循环中不断迭代直至任务完成（输出 LOOP_COMPLETE 或达到迭代上限）。它通过“帽子系统”协调多个专业人格（如 code-assist、debug、research、review、pdd-to-code-assist），并通过事件进行通信。支持后端包括 Claude Code、Kiro、Gemini CLI、Codex、Forge、Amp、Copilot CLI 和 OpenCode。提供命令行界面、Web 仪表盘（Alpha 阶段）、MCP 服务器模式以及可选的 Telegram 机器人（RObot）实现人机协同。安装方式支持 npm 全局安装、Cargo 安装或 GitHub Releases 安装器。
Ralph 初始化项目（ralph init --backend），规划特性（ralph plan）生成需求、设计和实现计划文档，然后通过 ralph run -p 执行循环。代理在循环中运行，直到输出 LOOP_COMPLETE 或达到迭代限制。它使用“帽子系统”专业人格协调事件，并通过“背压”门（测试、lint、类型检查）拒绝不完整的工作。ralph web 启动 Rust RPC API 和前端仪表盘用于监控。ralph mcp serve 提供 MCP 服务器，每个服务器实例限定一个工作区根目录。ralph bot 通过 Telegram 实现人机交互，代理可提问并阻塞等待响应，人类可主动发送指导。配置保存在 YAML 文件（如 ralph.yml）中。
- 开发者使用 Claude Code 作为后端，用 Ralph 自动实现复杂的特性，减少人工编码迭代。
- 团队利用 Web 仪表盘监控多个代理循环的执行状态，实时查看任务进度。
- 通过 MCP 服务器将 Ralph 集成到支持 MCP 的客户端（如 IDE）中，进行自动化编码。
- 在远程工作流中，通过 Telegram 机器人接收代理提问并给予指导，实现人机协同。
- 使用规划（PDD）功能将大型功能分解为规格文档，再逐步实现，适合需要结构化开发的团队。
如何安装或部署这个 Agent？
推荐使用 npm 全局安装：npm install -g @ralph-orchestrator/ralph-cli。也可通过 Cargo 安装：cargo install ralph-cli，或使用 GitHub Releases 安装器：curl --proto '=https' --tlsv1.2 -LsSf https://github.com/mikeyobrien/ralph-orchestrator/releases/latest/download/ralph-cli-installer.sh | sh。需要 Rust 1.75+ 和 Node.js >= 18 + npm（用于 Web 仪表盘）。
如何使用这个 Agent？
初始化：ralph init --backend claude。规划特性：ralph plan "Add user authentication with JWT"，生成规格文档。运行实现：ralph run -p "Implement the feature in .ralph/specs/user-authentication/"。对于简单任务可跳过规划直接运行。启动 Web 仪表盘：ralph web。MCP 服务器模式：ralph mcp serve --workspace-root /path/to/repo。配置 Telegram 机器人：ralph bot onboard --telegram 进行引导设置。
这个 Agent 有哪些优点和局限？
- 多后端支持，包括 Claude Code、Kiro、Gemini CLI、Codex 等，灵活性高。
- 帽子系统提供结构化的角色分工，通过背压门确保工作质量。
- 内置记忆和任务系统，支持持续学习和运行时工作追踪。
- 提供 Web 仪表盘和 MCP 服务器模式，便于监控和集成。
- Web 仪表盘处于 Alpha 阶段，可能有较大变化和缺陷。
- 需要安装多个运行时（Rust、Node.js），增加环境复杂性。
- 依赖外部 AI 编码 CLI（如 Claude Code），成本可能较高。
- Homebrew 未官方支持，安装方式有限。
这个 Agent 与同类方案有什么区别？
与其他 AI 编码工具相比，Ralph 不是单次生成代码的助手，而是通过循环迭代和帽子系统持续工作，直至任务完成。它支持多个后端（如 Claude Code、Codex），而许多竞品仅支持单一模型。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| Ralph Orchestrator 当前 | 48 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 3.2k | 3 天前 | Rust | Codex · Claude Code |
| no_human | 67 · 存在缺口 | 命令行工具免费 + 模型费 | ★ 331 | 9 天前 | Python | Claude Code |
| Rovai AI | 49 · 缺口较多 | — | ★ 195 | 今天 | Rust | Codex · Claude Code |
| MetaHarness | 86 · 表现良好 | 命令行工具免费 + 模型费 | ★ 707 | 9 天前 | TypeScript | Codex · Claude Code |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：仓库包含MIT许可证、CI工作流、依赖清单（Cargo.toml/package.json），但未提供权限模型、用户确认机制、数据流透明性、敏感数据处理、依赖安全审计、外部影响控制或回滚机制的明确文档。扣分原因：这些方面缺乏具体实现或文档证据。
证据显示：README、Cargo.toml、package.json、CI工作流和测试场景文件之间的一致性较好，依赖版本明确，但失败消息处理未详细说明。扣分原因：失败消息处理证据不足。
证据显示：README描述了多种使用场景（CLI、MCP、Web、Telegram）、多种后端支持、配置选项和系统要求，能力边界和触发条件有说明。扣分原因：环境适配细节（如特定平台限制）未完全覆盖。
证据显示：README提供了安装说明、快速开始、FAQ、文档链接，许可证明确，版本号存在，但缺少明确的变更日志和已知限制说明。扣分原因：变更日志和已知限制缺失。
证据显示：README展示了输出格式（如LOOP_COMPLETE）、使用示例和多种安装方式，但成本效益分析未提供。扣分原因：成本效益证据不足。
证据显示：README中的声明（如支持多后端）有部分测试场景文件支持，但缺乏外部来源佐证和事实与推断的明确区分。扣分原因：交叉验证和事实推断分离不足。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 未发现明确的权限最小化或用户确认机制，使用前应审查实际代码。
- 敏感数据处理（如Telegram token）的存储和传输方式未在文档中说明，需谨慎配置。
- 依赖安全审计未提及，建议使用前进行漏洞扫描。
- 回滚机制未提及，若需回滚功能需自行实现。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
v2.10.1 2.10.1 - 2026-06-22
发布说明摘录
Release Notes Fixed - Restore e2e mock-mode verification by passing prompts to the cassette-backed custom backend over stdin. - Update the mock e2e single-iteration scenario to validate the completion signal instead of legacy scratchpad writes. - Isolate gitignore integration tests from user/global Git exclude files. ralph-bench 2.10.1 Install ralph-bench 2.10.1 Install prebuilt binaries via shell script ```sh curl --proto '=https' --tlsv1.2 -LsSf https://github.com/mikeyobrien/ralph-orchestrator/releases/download/v2.10.1/ralph-bench-installer.sh | sh ``` …在 GitHub 查看 ↗ -
v2.10.0 2.10.0 - 2026-06-21
发布说明摘录
Release Notes Added - Forge CLI backend integration. - RObot (human-in-the-loop) RPC domain in the control plane, plus a file-backed web mode that drives human interaction through files instead of a live socket. - Worktree loops can publish remote review branches, with rebase support. - Local file-based hat imports in preflight, including import resolution and schema validation with imported-file context. - On-demand export of TUI iteration buffers to disk: e exports the current iteration, E exports all iterations. - Context-window utilization telemetry, surfaced in the TUI. …在 GitHub 查看 ↗ -
发布说明摘录
ralph-bench 2.9.3 Install ralph-bench 2.9.3 Install prebuilt binaries via shell script ```sh curl --proto '=https' --tlsv1.2 -LsSf https://github.com/mikeyobrien/ralph-orchestrator/releases/download/v2.9.3/ralph-bench-installer.sh | sh ``` Install prebuilt binaries into your npm project ```sh npm install @ralph-orchestrator/[email protected] ``` Download ralph-bench 2.9.3 | File | Platform | Checksum | |--------|----------|----------| …在 GitHub 查看 ↗