[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-iannuttall--ralph":3,"tool-iannuttall--ralph":62},[4,18,28,37,45,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":24,"last_commit_at":25,"category_tags":26,"status":17},9989,"n8n","n8n-io\u002Fn8n","n8n 是一款面向技术团队的公平代码（fair-code）工作流自动化平台，旨在让用户在享受低代码快速构建便利的同时，保留编写自定义代码的灵活性。它主要解决了传统自动化工具要么过于封闭难以扩展、要么完全依赖手写代码效率低下的痛点，帮助用户轻松连接 400 多种应用与服务，实现复杂业务流程的自动化。\n\nn8n 特别适合开发者、工程师以及具备一定技术背景的业务人员使用。其核心亮点在于“按需编码”：既可以通过直观的可视化界面拖拽节点搭建流程，也能随时插入 JavaScript 或 Python 代码、调用 npm 包来处理复杂逻辑。此外，n8n 原生集成了基于 LangChain 的 AI 能力，支持用户利用自有数据和模型构建智能体工作流。在部署方面，n8n 提供极高的自由度，支持完全自托管以保障数据隐私和控制权，也提供云端服务选项。凭借活跃的社区生态和数百个现成模板，n8n 让构建强大且可控的自动化系统变得简单高效。",184740,2,"2026-04-19T23:22:26",[16,14,13,15,27],"插件",{"id":29,"name":30,"github_repo":31,"description_zh":32,"stars":33,"difficulty_score":10,"last_commit_at":34,"category_tags":35,"status":17},10095,"AutoGPT","Significant-Gravitas\u002FAutoGPT","AutoGPT 是一个旨在让每个人都能轻松使用和构建 AI 的强大平台，核心功能是帮助用户创建、部署和管理能够自动执行复杂任务的连续型 AI 智能体。它解决了传统 AI 应用中需要频繁人工干预、难以自动化长流程工作的痛点，让用户只需设定目标，AI 即可自主规划步骤、调用工具并持续运行直至完成任务。\n\n无论是开发者、研究人员，还是希望提升工作效率的普通用户，都能从 AutoGPT 中受益。开发者可利用其低代码界面快速定制专属智能体；研究人员能基于开源架构探索多智能体协作机制；而非技术背景用户也可直接选用预置的智能体模板，立即投入实际工作场景。\n\nAutoGPT 的技术亮点在于其模块化“积木式”工作流设计——用户通过连接功能块即可构建复杂逻辑，每个块负责单一动作，灵活且易于调试。同时，平台支持本地自托管与云端部署两种模式，兼顾数据隐私与使用便捷性。配合完善的文档和一键安装脚本，即使是初次接触的用户也能在几分钟内启动自己的第一个 AI 智能体。AutoGPT 正致力于降低 AI 应用门槛，让人人都能成为 AI 的创造者与受益者。",183572,"2026-04-20T04:47:55",[13,36,27,14,15],"语言模型",{"id":38,"name":39,"github_repo":40,"description_zh":41,"stars":42,"difficulty_score":10,"last_commit_at":43,"category_tags":44,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":46,"name":47,"github_repo":48,"description_zh":49,"stars":50,"difficulty_score":24,"last_commit_at":51,"category_tags":52,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",161147,"2026-04-19T23:31:47",[14,13,36],{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":59,"last_commit_at":60,"category_tags":61,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,27],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":68,"readme_en":69,"readme_zh":70,"quickstart_zh":71,"use_case_zh":72,"hero_image_url":73,"owner_login":74,"owner_name":75,"owner_avatar_url":76,"owner_bio":77,"owner_company":78,"owner_location":79,"owner_email":78,"owner_twitter":74,"owner_website":80,"owner_url":81,"languages":82,"stars":95,"forks":96,"last_commit_at":97,"license":78,"difficulty_score":24,"env_os":98,"env_gpu":99,"env_ram":98,"env_deps":100,"category_tags":107,"github_topics":78,"view_count":24,"oss_zip_url":78,"oss_zip_packed_at":78,"status":17,"created_at":108,"updated_at":109,"faqs":110,"releases":111},10120,"iannuttall\u002Fralph","ralph","A minimal, file‑based agent loop for autonomous coding.","Ralph 是一款极简的、基于文件的自主编程代理循环工具，旨在让 AI 像人类开发者一样按步骤完成编码任务。它通过将项目文件和 Git 历史记录作为“长期记忆”，而非依赖有限的模型上下文窗口，有效解决了复杂开发任务中 AI 容易遗忘状态或迷失方向的问题。\n\nRalph 的工作流程清晰直观：用户只需定义一份包含具体故事（Stories）和验收标准的 PRD（产品需求文档）JSON 文件，Ralph 便会逐个读取并执行这些故事。每轮迭代它都会重新读取磁盘上的最新状态，确保每一步都基于真实的项目进展，完成后自动提交代码并更新任务状态。这种机制特别适合需要结构化推进项目的软件开发者，尤其是那些希望利用 AI 自动化处理从需求分析到代码落地全流程的工程团队。\n\n其独特亮点在于完全去中心化的状态管理——所有进度、日志和配置均以普通文件形式存储在 `.ralph\u002F` 目录中，透明且易于调试。同时，Ralph 高度灵活，支持无缝切换多种主流 AI 代理后端（如 Codex、Claude、Droid 等），并允许用户通过简单的模板自定义提示词与行为逻辑。无论是构建小型工具还是迭代复杂应用，Ralph 都","Ralph 是一款极简的、基于文件的自主编程代理循环工具，旨在让 AI 像人类开发者一样按步骤完成编码任务。它通过将项目文件和 Git 历史记录作为“长期记忆”，而非依赖有限的模型上下文窗口，有效解决了复杂开发任务中 AI 容易遗忘状态或迷失方向的问题。\n\nRalph 的工作流程清晰直观：用户只需定义一份包含具体故事（Stories）和验收标准的 PRD（产品需求文档）JSON 文件，Ralph 便会逐个读取并执行这些故事。每轮迭代它都会重新读取磁盘上的最新状态，确保每一步都基于真实的项目进展，完成后自动提交代码并更新任务状态。这种机制特别适合需要结构化推进项目的软件开发者，尤其是那些希望利用 AI 自动化处理从需求分析到代码落地全流程的工程团队。\n\n其独特亮点在于完全去中心化的状态管理——所有进度、日志和配置均以普通文件形式存储在 `.ralph\u002F` 目录中，透明且易于调试。同时，Ralph 高度灵活，支持无缝切换多种主流 AI 代理后端（如 Codex、Claude、Droid 等），并允许用户通过简单的模板自定义提示词与行为逻辑。无论是构建小型工具还是迭代复杂应用，Ralph 都能提供一个稳定、可控的自主开发环境。","# Ralph\n\n![Ralph](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fiannuttall_ralph_readme_f49816a729cb.webp)\n\nRalph is a minimal, file‑based agent loop for autonomous coding. Each iteration starts fresh, reads the same on‑disk state, and commits work for one story at a time.\n\n## How it works\n\nRalph treats **files and git** as memory, not the model context:\n\n- **PRD (JSON)** defines stories, gates, and status\n- **Loop** executes one story per iteration\n- **State** persists in `.ralph\u002F`\n\n![Ralph architecture](diagram.svg)\n\n## Global CLI (recommended)\n\nInstall and run Ralph from anywhere:\n\n```bash\nnpm i -g @iannuttall\u002Fralph\nralph prd # launches an interactive prompt\nralph build 1 # one Ralph run\n```\n\n### Template hierarchy\n\nRalph will look for templates in this order:\n\n1. `.agents\u002Fralph\u002F` in the current project (if present)\n2. Bundled defaults shipped with this repo\n\nState and logs always go to `.ralph\u002F` in the project.\n\n### Install templates into a project (optional overrides)\n\n```bash\nralph install\n```\n\nThis creates `.agents\u002Fralph\u002F` in the current repo so you can customize prompts and loop behavior. During install, you’ll be asked if you want to add the required skills.\n\n### Install required skills (optional)\n\n```bash\nralph install --skills\n```\n\nYou’ll be prompted for agent (codex\u002Fclaude\u002Fdroid\u002Fopencode) and local vs global install. Skills installed: **commit**, **dev-browser**, **prd**.\nIf you skipped skills during `ralph install`, you can run `ralph install --skills` anytime.\n\n## Quick start (project)\n\n1) Create your PRD (JSON) or generate one:\n```\nralph prd\n```\nRequires the **prd** skill (install via `ralph install --skills`).\n\nExample prompt text:\n```\nA lightweight uptime monitor (Hono app), deployed on Cloudflare, with email alerts via AWS SES\n```\n\nDefault output (agent chooses a short filename in `.agents\u002Ftasks\u002F`):\n```\n.agents\u002Ftasks\u002Fprd-\u003Cshort>.json\n```\n\n2) Run one build iteration:\n```\nralph build 1 # one Ralph run\n```\n\nNo‑commit dry run:\n```\nralph build 1 --no-commit # one Ralph run\n```\n\nOverride PRD output for `ralph prd`:\n```\nralph prd --out .agents\u002Ftasks\u002Fprd-api.json\n```\nOptional human overview (generated from JSON):\n```\nralph overview\n```\nThis writes a tiny overview alongside the PRD: `prd-\u003Cslug>.overview.md`.\n\nPRD story status fields are updated automatically by the loop:\n- `open` → selectable\n- `in_progress` → locked by a running loop (with `startedAt`)\n- `done` → completed (with `completedAt`)\n\nIf a loop crashes and a story stays `in_progress`, you can set `STALE_SECONDS` in `.agents\u002Fralph\u002Fconfig.sh` to allow Ralph to automatically reopen stalled stories.\n\n## Override PRD paths\n\nYou can point Ralph at a different PRD JSON file via CLI flags:\n\n```bash\nralph build 1 --prd .agents\u002Ftasks\u002Fprd-api.json # one Ralph run\n```\n\nOptional progress override:\n\n```bash\nralph build 1 --progress .ralph\u002Fprogress-api.md # one Ralph run\n```\n\nIf multiple PRD JSON files exist in `.agents\u002Ftasks\u002F` and you omit `--prd`, Ralph will prompt you to choose.\n\nOptional config file (if you installed templates):\n\n```\n.agents\u002Fralph\u002Fconfig.sh\n```\n\n## Choose the agent runner\n\nSet `AGENT_CMD` in `.agents\u002Fralph\u002Fconfig.sh` to switch agents:\n\n```\nAGENT_CMD=\"codex exec --yolo -\"\nAGENT_CMD=\"claude -p --dangerously-skip-permissions \\\"\\$(cat {prompt})\\\"\"\nAGENT_CMD=\"droid exec --skip-permissions-unsafe -f {prompt}\"\nAGENT_CMD=\"opencode run \\\"$(cat {prompt})\\\"\"\n```\n\nOr override per run:\n\n```\nralph prd --agent=codex\nralph build 1 --agent=codex # one Ralph run\nralph build 1 --agent=claude # one Ralph run\nralph build 1 --agent=droid # one Ralph run\nralph build 1 --agent=opencode # one Ralph run\n```\n\nIf the CLI isn’t installed, Ralph prints install hints:\n\n```\ncodex    -> npm i -g @openai\u002Fcodex\nclaude   -> curl -fsSL https:\u002F\u002Fclaude.ai\u002Finstall.sh | bash\ndroid    -> curl -fsSL https:\u002F\u002Fapp.factory.ai\u002Fcli | sh\nopencode -> curl -fsSL https:\u002F\u002Fopencode.ai\u002Finstall.sh | bash\n```\n\n## State files (.ralph\u002F)\n\n- `progress.md` — append‑only progress log\n- `guardrails.md` — “Signs” (lessons learned)\n- `activity.log` — activity + timing log\n- `errors.log` — repeated failures and notes\n- `runs\u002F` — raw run logs + summaries\n\n## Notes\n\n- `.agents\u002Fralph` is portable and can be copied between repos.\n- `.ralph` is per‑project state.\n- Use `{prompt}` in `AGENT_CMD` when agent needs a file path instead of stdin.\n- Examples: see `examples\u002Fcommands.md`.\n- **OpenCode server mode**: For faster performance with OpenCode, run `opencode serve` in a separate terminal and uncomment the `AGENT_OPENCODE_CMD` lines in `.agents\u002Fralph\u002Fagents.sh` to use `--attach http:\u002F\u002Flocalhost:4096`. This avoids cold boot on every run.\n\n## Tests\n\nDry-run smoke tests (no agent required):\n\n```bash\nnpm test\n```\n\nFast agent health check (real agent call, minimal output):\n\n```bash\nnpm run test:ping\n```\n\nOptional integration test (requires agents installed):\n\n```bash\nRALPH_INTEGRATION=1 npm test\n```\n\nFull real-agent loop test:\n\n```bash\nnpm run test:real\n```\n","# 拉尔夫\n\n![拉尔夫](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fiannuttall_ralph_readme_f49816a729cb.webp)\n\n拉尔夫是一个极简的、基于文件的自主编码代理循环。每次迭代都会从头开始，读取相同的磁盘状态，并一次只处理一个故事的工作。\n\n## 工作原理\n\n拉尔夫将**文件和 Git**视为内存，而不是模型上下文：\n\n- **PRD（JSON）** 定义了故事、关卡和状态\n- **循环** 每次迭代执行一个故事\n- **状态** 持久化在 `.ralph\u002F` 中\n\n![拉尔夫架构](diagram.svg)\n\n## 全局 CLI（推荐）\n\n从任何地方安装并运行拉尔夫：\n\n```bash\nnpm i -g @iannuttall\u002Fralph\nralph prd # 启动交互式提示符\nralph build 1 # 运行一次拉尔夫\n```\n\n### 模板层级\n\n拉尔夫会按以下顺序查找模板：\n\n1. 当前项目的 `.agents\u002Fralph\u002F` 目录（如果存在）\n2. 随本仓库一起提供的默认模板\n\n状态和日志始终保存在项目的 `.ralph\u002F` 目录中。\n\n### 将模板安装到项目中（可选覆盖）\n\n```bash\nralph install\n```\n\n这会在当前仓库中创建 `.agents\u002Fralph\u002F` 目录，以便你可以自定义提示和循环行为。安装过程中，系统会询问你是否要添加所需的技能。\n\n### 安装所需技能（可选）\n\n```bash\nralph install --skills\n```\n\n系统会提示你选择代理（codex\u002Fclaude\u002Fdroid\u002Fopencode）以及是本地安装还是全局安装。已安装的技能包括：**commit**、**dev-browser**、**prd**。\n\n如果你在 `ralph install` 时跳过了技能安装，可以随时运行 `ralph install --skills`。\n\n## 快速入门（项目）\n\n1) 创建你的 PRD（JSON）或生成一个：\n```\nralph prd\n```\n\n需要 **prd** 技能（可通过 `ralph install --skills` 安装）。\n\n示例提示文本：\n```\n一个轻量级的 uptime 监控器（Hono 应用），部署在 Cloudflare 上，通过 AWS SES 发送邮件告警\n```\n\n默认输出（代理会选择一个短文件名放在 `.agents\u002Ftasks\u002F` 中）：\n```\n.agents\u002Ftasks\u002Fprd-\u003Cshort>.json\n```\n\n2) 运行一次构建迭代：\n```\nralph build 1 # 运行一次拉尔夫\n```\n\n不提交的试运行：\n```\nralph build 1 --no-commit # 运行一次拉尔夫\n```\n\n覆盖 `ralph prd` 的 PRD 输出：\n```\nralph prd --out .agents\u002Ftasks\u002Fprd-api.json\n```\n\n可选的人工概览（从 JSON 生成）：\n```\nralph overview\n```\n\n这会在 PRD 文件旁边生成一个简短的概览文件：`prd-\u003Cslug>.overview.md`。\n\nPRD 故事的状态字段会由循环自动更新：\n- `open` → 可选择\n- `in_progress` → 被正在运行的循环锁定（带有 `startedAt`）\n- `done` → 已完成（带有 `completedAt`）\n\n如果循环崩溃且故事仍处于 `in_progress` 状态，你可以在 `.agents\u002Fralph\u002Fconfig.sh` 中设置 `STALE_SECONDS`，以允许拉尔夫自动重新打开卡住的故事。\n\n## 覆盖 PRD 路径\n\n你可以通过 CLI 标志指定拉尔夫使用不同的 PRD JSON 文件：\n\n```bash\nralph build 1 --prd .agents\u002Ftasks\u002Fprd-api.json # 运行一次拉尔夫\n```\n\n可选的进度覆盖：\n\n```bash\nralph build 1 --progress .ralph\u002Fprogress-api.md # 运行一次拉尔夫\n```\n\n如果 `.agents\u002Ftasks\u002F` 目录中存在多个 PRD JSON 文件，而你未指定 `--prd`，拉尔夫会提示你选择其中一个。\n\n可选的配置文件（如果你安装了模板）：\n\n```\n.agents\u002Fralph\u002Fconfig.sh\n```\n\n## 选择代理运行程序\n\n在 `.agents\u002Fralph\u002Fconfig.sh` 中设置 `AGENT_CMD` 来切换代理：\n\n```\nAGENT_CMD=\"codex exec --yolo -\"\nAGENT_CMD=\"claude -p --dangerously-skip-permissions \\\"\\$(cat {prompt})\\\"\"\nAGENT_CMD=\"droid exec --skip-permissions-unsafe -f {prompt}\"\nAGENT_CMD=\"opencode run \\\"$(cat {prompt})\\\"\"\n```\n\n或者在每次运行时覆盖：\n\n```\nralph prd --agent=codex\nralph build 1 --agent=codex # 运行一次拉尔夫\nralph build 1 --agent=claude # 运行一次拉尔夫\nralph build 1 --agent=droid # 运行一次拉尔夫\nralph build 1 --agent=opencode # 运行一次拉尔夫\n```\n\n如果未安装 CLI，拉尔夫会打印安装提示：\n\n```\ncodex    -> npm i -g @openai\u002Fcodex\nclaude   -> curl -fsSL https:\u002F\u002Fclaude.ai\u002Finstall.sh | bash\ndroid    -> curl -fsSL https:\u002F\u002Fapp.factory.ai\u002Fcli | sh\nopencode -> curl -fsSL https:\u002F\u002Fopencode.ai\u002Finstall.sh | bash\n```\n\n## 状态文件 (.ralph\u002F)\n\n- `progress.md` — 仅追加的进度日志\n- `guardrails.md` — “警示牌”（经验教训）\n- `activity.log` — 活动与时间记录\n- `errors.log` — 重复失败及备注\n- `runs\u002F` — 原始运行日志 + 总结\n\n## 注意事项\n\n- `.agents\u002Fralph` 是可移植的，可以在不同仓库之间复制。\n- `.ralph` 是每个项目的独立状态。\n- 当代理需要文件路径而不是标准输入时，请在 `AGENT_CMD` 中使用 `{prompt}`。\n- 示例：请参阅 `examples\u002Fcommands.md`。\n- **OpenCode 服务器模式**：为了提高 OpenCode 的性能，可以在另一个终端中运行 `opencode serve`，并取消注释 `.agents\u002Fralph\u002Fagents.sh` 中的 `AGENT_OPENCODE_CMD` 行，使用 `--attach http:\u002F\u002Flocalhost:4096`。这样可以避免每次运行时的冷启动。\n\n## 测试\n\n无需代理的干运行烟雾测试：\n\n```bash\nnpm test\n```\n\n快速代理健康检查（实际调用代理，输出极少）：\n\n```bash\nnpm run test:ping\n```\n\n可选的集成测试（需要安装代理）：\n\n```bash\nRALPH_INTEGRATION=1 npm test\n```\n\n完整的实时代理循环测试：\n\n```bash\nnpm run test:real\n```","# Ralph 快速上手指南\n\nRalph 是一个极简的、基于文件的自主编码代理循环工具。它将**文件和 Git**视为记忆，而非依赖模型上下文，每次迭代都会读取磁盘状态并逐个完成开发故事（Story）。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **Node.js**: 需安装 Node.js (推荐 LTS 版本)，因为 Ralph 通过 npm 分发。\n*   **Git**: 项目必须初始化为 Git 仓库，Ralph 依赖 Git 进行状态管理。\n*   **AI 代理客户端**: 根据您选择的模型，需预先安装对应的 CLI 工具（任选其一）：\n    *   **Codex**: `npm i -g @openai\u002Fcodex`\n    *   **Claude**: `curl -fsSL https:\u002F\u002Fclaude.ai\u002Finstall.sh | bash`\n    *   **Droid**: `curl -fsSL https:\u002F\u002Fapp.factory.ai\u002Fcli | sh`\n    *   **OpenCode**: `curl -fsSL https:\u002F\u002Fopencode.ai\u002Finstall.sh | bash`\n\n> **注意**：国内用户若遇到 npm 或 curl 下载缓慢，建议配置淘宝镜像源 (`npm config set registry https:\u002F\u002Fregistry.npmmirror.com`) 或使用代理加速。\n\n## 安装步骤\n\n推荐全局安装 Ralph，以便在任何项目目录中直接使用。\n\n1.  **全局安装 Ralph**：\n    ```bash\n    npm i -g @iannuttall\u002Fralph\n    ```\n\n2.  **（可选）初始化项目模板与技能**：\n    进入您的项目根目录，运行以下命令将默认模板复制到本地 `.agents\u002Fralph\u002F` 目录，并安装必要的技能（如 `commit`, `dev-browser`, `prd`）。\n    ```bash\n    ralph install --skills\n    ```\n    *运行后按提示选择您使用的 Agent（如 codex\u002Fclaude 等）以及安装范围（本地或全局）。*\n\n## 基本使用\n\n以下是从零开始运行一次完整开发循环的最简流程：\n\n### 1. 生成需求文档 (PRD)\n首先定义您的开发任务。Ralph 会通过交互式提示引导您输入需求，并生成 JSON 格式的产品需求文档（PRD）。\n\n```bash\nralph prd\n```\n*示例输入*：`A lightweight uptime monitor (Hono app), deployed on Cloudflare, with email alerts via AWS SES`\n*输出*：自动生成 `.agents\u002Ftasks\u002Fprd-\u003Cshort>.json` 文件。\n\n### 2. 执行开发迭代\n运行一次构建循环，Ralph 将读取 PRD 中的第一个待办故事（Story），调用 AI 代理编写代码并提交。\n\n```bash\nralph build 1\n```\n\n*   **干跑模式（不提交代码）**：如果您想先查看 AI 的计划而不实际写入 Git：\n    ```bash\n    ralph build 1 --no-commit\n    ```\n\n### 3. 查看进度与概览\n您可以随时查看生成的自然语言概览，了解当前进度：\n\n```bash\nralph overview\n```\n*该命令会在 PRD 同级目录生成 `prd-\u003Cslug>.overview.md` 文件。*\n\n---\n**进阶提示**：\n*   若需切换 AI 代理，可在命令中指定：`ralph build 1 --agent=claude`。\n*   所有运行状态和日志均保存在项目内的 `.ralph\u002F` 目录中。","某独立开发者计划在一周内构建并部署一个基于 Hono 的轻量级云监控服务，需包含邮件告警功能，但受限于单人精力，难以兼顾代码编写、状态管理与上下文维持。\n\n### 没有 ralph 时\n- **上下文频繁丢失**：每次中断后重新开发，需手动回顾代码库和未完成任务，AI 助手也因缺乏持久记忆而重复询问背景信息。\n- **任务状态混乱**：依赖人工维护待办列表或便签，容易出现任务遗漏、重复开发或忘记某项功能已完成的尴尬情况。\n- **迭代过程割裂**：无法自动化执行“读取需求 - 编写代码 - 提交版本”的闭环，每步都需人工干预，导致开发节奏断断续续。\n- **错误恢复困难**：若自动编码过程中途崩溃，很难快速定位断点并安全地恢复现场，往往需要回滚大量手动操作。\n\n### 使用 ralph 后\n- **文件即记忆**：ralph 将 Git 仓库和本地文件作为唯一事实来源，每次启动自动读取磁盘状态，无需人工复述背景，AI 始终基于最新进度工作。\n- **自动化状态流转**：通过 PRD JSON 文件定义故事，ralph 自动更新任务状态（从 `open` 到 `in_progress` 再到 `done`），清晰记录每个功能的起止时间。\n- **单故事闭环执行**：ralph 每次迭代只专注完成一个具体故事，自动执行编码、测试并提交，实现真正的无人值守开发循环。\n- **智能容错机制**：若运行意外中断，ralph 能依据配置自动识别停滞任务并重新开启，确保开发流程不卡死，数据日志完整可查。\n\nralph 通过将文件系统转化为代理的长期记忆，让单人开发者也能拥有稳定、连续且可追溯的自主编码流水线。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fiannuttall_ralph_ff1df9b7.png","iannuttall","Ian Nuttall","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fiannuttall_fc7f8590.jpg","TLDR; I make software with AI and talk about it.  Serial internet biz builder with multiple 6 & 7 figure exits. Always learning.",null,"Nottingham","https:\u002F\u002Fian.is","https:\u002F\u002Fgithub.com\u002Fiannuttall",[83,87,91],{"name":84,"color":85,"percentage":86},"TypeScript","#3178c6",61.2,{"name":88,"color":89,"percentage":90},"Shell","#89e051",19.7,{"name":92,"color":93,"percentage":94},"JavaScript","#f1e05a",19.1,890,81,"2026-04-18T15:09:27","未说明","不需要 GPU",{"notes":101,"python":102,"dependencies":103},"该工具是一个基于文件的自主编码代理循环，主要通过 npm 安装。它不依赖本地 AI 模型运行，而是作为编排器调用外部 AI 代理（如 Codex, Claude, Droid, OpenCode），因此需要安装相应的代理 CLI 工具并配置 API 密钥。状态文件存储在 .ralph\u002F 目录中，模板存储在 .agents\u002Fralph\u002F 目录中。","不需要 Python (基于 Node.js)",[104,105,106],"Node.js\u002Fnpm","@iannuttall\u002Fralph","可选 Agent: codex, claude, droid, opencode",[13,27],"2026-03-27T02:49:30.150509","2026-04-20T19:23:49.840544",[],[112,117,122,127],{"id":113,"version":114,"summary_zh":115,"released_at":116},360362,"v0.1.3","## 变更内容\n* 功能：新增 OpenCode 代理支持，由 @brooksy4503 在 https:\u002F\u002Fgithub.com\u002Fiannuttall\u002Fralph\u002Fpull\u002F5 中实现\n\n## 新贡献者\n* @brooksy4503 在 https:\u002F\u002Fgithub.com\u002Fiannuttall\u002Fralph\u002Fpull\u002F5 中完成了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fiannuttall\u002Fralph\u002Fcompare\u002Fv0.1.2...v0.1.3","2026-01-13T18:24:56",{"id":118,"version":119,"summary_zh":120,"released_at":121},360363,"v0.1.2","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fiannuttall\u002Fralph\u002Fcompare\u002Fv0.1.1...v0.1.2","2026-01-13T16:54:19",{"id":123,"version":124,"summary_zh":125,"released_at":126},360364,"v0.1.1","修复了问题 #1、#2 和 #3。\\n\\n- 在代理选择时尊重 DEFAULT_AGENT 配置\\n- 在遇到中断退出码时停止循环\\n- 修复配置文档中 Claude 提示的替换问题\\n- 统一对齐 CLI 帮助信息的缩进","2026-01-13T08:58:15",{"id":128,"version":129,"summary_zh":130,"released_at":131},360365,"v0.1.0","**完整更新日志**: https:\u002F\u002Fgithub.com\u002Fiannuttall\u002Fralph\u002Fcommits\u002Fv0.1.0","2026-01-12T19:15:38"]