ralph-wiggum-marketer
Ralph Wiggum Marketer 是一款专为 SaaS 内容营销打造的 Claude Code 插件,它化身为一位自主运行的 AI 文案专家。面对初创团队或独立开发者常遇到的“没时间写内容”、“缺乏营销灵感”等痛点,它能利用夜间时间自动完成从趋势洞察、竞品研究到文章撰写与发布的全流程工作。
这款工具特别适合希望自动化内容生产流程的开发者、技术创始人及增长黑客使用。其核心亮点在于采用了独特的"Ralph Wiggum 模式”,构建了一个由趋势侦察、市场调研及产品营销多个智能体组成的生态系统。这些智能体协同工作,将数据存入本地 SQLite 数据库,供主文案代理(Ralph)调用。Ralph 会遵循严格的迭代循环:读取需求文档、规划任务、起草内容、自我审查并基于 Git 提交记录持续优化,直至产出高质量的博客、案例研究或社交媒体文案。通过简单的命令行指令即可初始化项目并监控进度,让用户在睡眠中也能收获持续更新的专业营销内容。
使用场景
某 SaaS 初创公司的内容负责人需要在周末前紧急发布一系列针对新功能的深度博客和社交媒体文案,但团队缺乏专职文案且开发任务繁重。
没有 ralph-wiggum-marketer 时
- 人力瓶颈严重:开发人员被迫中断编码去撰写营销文案,导致核心产品迭代进度受阻。
- 内容产出断层:由于缺乏持续的内容规划,市场声量忽高忽低,无法形成稳定的用户触达节奏。
- 调研与写作割裂:手动收集行业趋势、竞品动态和产品文档耗时巨大,往往还没开始写稿就已精疲力竭。
- 质量难以统一:不同成员撰写的文案风格迥异,缺乏统一的品牌语调,且容易遗漏关键卖点。
- 夜间时间浪费:为了赶截止日期,团队成员不得不熬夜加班,牺牲休息时间进行低效的重复性写作。
使用 ralph-wiggum-marketer 后
- 自主闭环生产:通过
/ralph-marketer启动多智能体循环,TrendScout 和 Research 代理自动完成调研,Ralph 代理独立撰写并迭代内容,开发者只需专注代码。 - 7x24 小时持续输出:利用"Ralph Wiggum 模式”的迭代机制,系统在夜间自动运行,醒来时即可看到完整的博客、案例研究和社交帖子草稿。
- 数据驱动策划:内置 SQLite 数据库自动关联市场趋势与产品特性,确保每篇内容都基于最新数据且精准击中用户痛点。
- 标准化品质交付:遵循预设的 PRD(产品需求文档)和验收标准,自动执行质量测试与 Git 提交,保证所有产出物风格一致且逻辑严密。
- 进度透明可控:随时通过
/ralph-status查看内容流水线状态,无需人工盯梢,彻底解放人力并消除加班焦虑。
ralph-wiggum-marketer 将原本需要数天的人工内容创作压缩为全自动的夜间后台任务,让 SaaS 团队真正实现“睡觉时也在做营销”。
运行环境要求
- 未说明
不需要 GPU
未说明

快速开始
拉尔夫营销专家
一个Claude Code 插件,为 SaaS 内容营销提供自主的 AI 文案撰写工具。
采用 拉尔夫·威格姆模式——一种在你熟睡时仍能持续产出内容的迭代式 AI 循环。
安装
选项 1:通过市场添加(推荐)
# 在 Claude Code 中,将仓库添加到市场:
/plugin marketplace add muratcankoylan/ralph-wiggum-marketer
# 然后安装插件:
/plugin install ralph-wiggum-marketer@muratcankoylan-ralph-wiggum-marketer
选项 2:本地测试(用于开发)
# 克隆仓库
git clone https://github.com/muratcankoylan/ralph-wiggum-marketer.git
# 使用插件目录运行 Claude Code
claude --plugin-dir ./ralph-wiggum-marketer
选项 3:交互式插件管理器
# 打开插件管理器:
/plugin
# 在交互式界面中浏览、搜索并安装
快速入门
# 1. 初始化一个新的内容项目
/ralph-init
# 2. 随时查看进度
/ralph-status
# 3. 如需取消,可执行
/ralph-cancel
命令
| 命令 | 描述 |
|---|---|
/ralph-init |
在当前目录下初始化新内容项目 |
/ralph-marketer |
启动自主文案撰写循环 |
/ralph-status |
检查内容流程及进度 |
/ralph-cancel |
取消当前运行的循环 |
工作原理
┌──────────────────────────────────────────────────────────────────┐
│ 多智能体生态系统 │
├──────────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ 趋势洞察者 │ │ 研究助手 │ │ 产品/营销 │ │
│ │ 代理 │ │ 代理 │ │ 团队 │ │
│ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ ┌────────────────────────────────────────────────────┐ │
│ │ SQLite 内容数据库 │ │
│ │ • 趋势 • 研究 • 沟通策略 │ │
│ └────────────────────────┬───────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌────────────────────────────────────────────────────┐ │
│ │ 拉尔夫文案撰写者 │ │
│ │ │ │
│ │ 读取输入 → 规划内容 → 撰写初稿 │ │
│ │ → 审核并迭代 → 发布 │ │
│ │ │ │
│ │ 记忆:git 提交记录 + progress.txt + prd.json │ │
│ └────────────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ 已发布的内容 │
│ (博客、案例研究、社交媒体、新闻通讯) │
└──────────────────────────────────────────────────────────────────┘
拉尔夫循环
- 读取 PRD:检查
scripts/ralph/prd.json中的任务 - 查看进度:阅读
scripts/ralph/progress.txt获取经验总结 - 选择任务:找到
passes: false且优先级最高的故事 - 执行:按照验收标准完成任务
- 验证:运行测试确保质量
- 提交:将进展保存至 git
- 更新:标记任务完成,并记录学习心得
- 重复:循环直至所有任务完成
每次迭代都是全新的上下文窗口。记忆则通过文件持久化。
插件结构
ralph-wiggum-marketer/
├── .claude-plugin/
│ └── plugin.json # 插件清单
├── commands/
│ ├── ralph-marketer.md # 主循环命令
│ ├── ralph-init.md # 项目初始化
│ ├── ralph-status.md # 进度检查
│ └── ralph-cancel.md # 取消循环
├── skills/
│ └── copywriter/
│ └── SKILL.md # 文案撰写技能
├── hooks/
│ ├── hooks.json # 钩子配置
│ └── stop-hook.sh # 循环继续钩子
├── scripts/
│ └── src/ # 数据库及工具脚本
├── templates/
│ ├── prd.json # 任务模板
│ ├── progress.txt # 进度日志模板
│ ├── prompt.md # 代理指令模板
│ └── package.json # 项目包配置模板
└── README.md
数据库表结构
输入表(来自其他智能体)
-- 来自趋势洞察者的趋势数据
trends (topic, description, source, relevance_score, status)
-- 来自研究助手的研究报告
research (title, summary, key_findings, data_points, category, status)
-- 来自产品/营销团队的沟通资料
communications (type, title, details, key_messages, target_audience, priority, status)
拉尔夫的工作区
-- 内容规划
content_plan (content_type, title, brief, target_keywords, status)
-- 进度中的稿件
drafts (plan_id, version, content, word_count, feedback)
-- 最终发布的内容
published (plan_id, final_content, meta_description)
-- 活动追踪
agent_log (action, details, created_at)
自定义
添加你自己的内容来源
编辑 src/db/seed.js:
// 添加一条趋势
insertTrend.run(
'你的趋势主题',
'趋势描述',
'信息来源',
85 // 相关性评分
);
// 添加一条沟通内容
insertComm.run(
'product_update',
'你的产品发布会',
'详细说明其功能',
JSON.stringify(['关键信息1', '关键信息2']),
'目标受众',
1 // 优先级
);
添加你自己的任务
编辑 scripts/ralph/prd.json:
{
"id": "WRITE-004",
"title": "撰写你的自定义博客",
"acceptanceCriteria": [
"不少于1000字",
"包含3个数据点",
"具备强有力的行动号召"
],
"priority": 5,
"passes": false
}
示例任务
默认的 PRD 包含 12 个故事:
- SETUP-001:初始化数据库
- PLAN-001:规划产品发布博客
- WRITE-001:撰写发布博客初稿
- PLAN-002:规划思想领导力博客
- WRITE-002:撰写数据驱动型博客
- REVIEW-001:审阅并优化草稿
- PUBLISH-001:发布产品博客
- PLAN-003:规划案例研究
- WRITE-003:撰写案例研究
- SOCIAL-001:创建社交媒体帖子
- NEWSLETTER-001:起草新闻通讯
- METRICS-001:记录最终指标
拉尔夫哲学
“拉尔夫是一个 Bash 循环。内存仅通过 Git 历史和文本文件得以保留。每一次迭代都是一次全新的上下文窗口。”
核心原则:
- 小故事 - 必须在一次迭代中完成
- 明确的标准 - 毫无歧义
- 快速反馈 - 每次迭代都进行测试
- 累积式学习 - 模式不断积累
- 坚持就是胜利 - 持续迭代
致谢
- 拉尔夫概念的原创者:@GeoffreyHuntley
- 官方拉尔夫插件:claude-plugins-official
- 视频教程:@mattpocockuk
许可证
MIT
相似工具推荐
openclaw
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。 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。 OpenClaw 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
stable-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。 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。
everything-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。 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。 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
opencode
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。 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。 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
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。