让AI上夜班,这事最近是AI编程圈最刷屏的话题。知乎
知乎上有个老被翻出来讨论的问题:AI编程这么厉害,为什么不下班前把需求交给AI,第二天回来Review代码?高赞回答开门就给了个事实——已经有人这么干了,而且工具全都现成。知乎
现在这事有了具体玩法:Ralph循环。名字来自《辛普森一家》里那个永远迷迷糊糊、永远在犯错、但也永远不停下来的小孩,最早由开发者Geoffrey Huntley在2025年7月提出并推广成型。玩法本身朴素到离谱:把Claude Code、Codex这类命令行AI塞进操作系统命令行里的while死循环,跑完一轮就重启。知乎知乎知乎

2026年6月,这股风被正式引爆:OpenClaw创始人Peter Steinberger发帖呼吁别再手动给coding agent打字,被转到上亿次曝光;谷歌工程总监Addy Osmani随即写博客把概念系统化,起名Loop Engineering(循环工程)。说白了,你不再是那个按开始键的人,而是设计那台机器的人。知乎
Anthropic旗下Claude Code负责人Boris Cherny也公开认领了这套玩法:「我已经不写prompt了,我的工作就是写循环。」。知乎知乎
原理说穿了就一句话:Agent会忘,仓库不会忘。上下文窗口装满后,模型会健忘、钻牛角尖,于是循环每轮直接清空短期记忆,把项目状态搬进三个文件:待办清单决定下一件事做什么,项目记录告诉它上次踩过什么坑,循环脚本负责不停重启。每一轮只专心做好一件事,做完一轮再来一轮。知乎知乎

睡前启动这个循环,第二天AI能完成十几二十个任务,成败都留有详细记录。知乎
这套设置还被打包成了现成的ralph-loop-setup Skill,安装只需要两步。知乎
听着很爽。但点火之前,先算两笔账。
第一笔,token账。 循环不求一次跑通,靠反复试错收敛,token消耗是传统单次调用的数倍到数十倍,连Cherny都直言「这种模式对卖token的公司很友好」。最极端的参照是Anthropic研究员Carlini的实验:16个Claude并行、将近2000个会话、历时两周、烧掉2万美元API费,从零写出一个10万行Rust实现的C编译器。它为什么能成?因为「编译Linux内核」是个近乎完美的验证器。Carlini自己的警告同样刺耳:验证不可靠时,AI会非常自信地去解决一个错误的问题。知乎知乎

第二笔,早上的账。 Faros AI统计了1255个团队后发现,重度使用AI的团队平均PR体积大了154%,审查时间多了91%;而代码审查的业界经验是一次200到400行、不超过60分钟——一夜生成两千行,光审查就能耗掉一整个上午。审得草率,就是在押注上线一堆自己没读过的代码。知乎
更要命的是夜里没人纠偏:它第一步理解错了,接下来八个小时都在错的方向上认真干活,干得越久,第二天要扔掉的越多。知乎
还有个隐性坑:如果循环里判「做完没」的还是AI自己,那就是agent在自己跟自己说「好」,一百轮自我满意约等于零进展。把模型自我反思换成独立的verifier子agent加诚实的测试标准,有实验显示在基准上比纯自我反思的方案提升了约6倍。知乎
所以下放给夜里的任务,标准就一条:有没有机器可判定的「做完了」。批量结构化数据检查、按规则生成站点地图、多语言站点比对,这类适合跑通宵;需求还在变的、涉及架构取舍的、动线上数据的、碰支付和权限的,夜里最好别扔给AI。知乎

一句话总结:Ralph循环不是省人,是换难度——把「写代码」换成「写清楚需求+写可靠的测试」。 这两笔账算不平,AI越能干,人第二天越忙。
今晚,你是做美梦,还是让AI做噩梦?
当前文章无评论,是时候发表评论了