一个脚本让AI自己写完App：Ralph Wiggum正在改写程序员的工作方式

“编程被一个叫Ralph Wiggum的东西杀死了。”这不是段子，而是2026年AI圈最火的一种新工作流。它不靠更强模型，而是用一个极其朴素的循环，让AI自己把应用从PRD写到完成，几乎不需要人插手。这篇文章告诉你：Ralph到底是什么，为什么它比‘会写代码的AI’更可怕。

真正反直觉的点：不是模型更强，而是人退出了循环

过去一年，AI写代码的主流范式其实很“人类中心”：人拆需求、人点下一步、人判断写得行不行。哪怕你用的是最强模型，本质也只是一个更听话的“高级IDE”。Ras Mic 在视频里抛出的第一个炸点恰恰相反——真正的瓶颈不是模型，而是人。

Ralph Wiggum这个名字听起来像《辛普森一家》里的角色，但它指的并不是某个新模型，而是一种让AI Agent在没有人类干预的情况下持续写代码的机制。核心思想很简单：只要目标是清晰的，反馈是机器可读的，人就不该站在中间频繁点头或否定。

这也是为什么视频标题敢说“killed programming”。它不是说代码不重要了，而是说“人盯着每一行代码推进进度”这件事，正在变得多余。

Ralph的本质：一个看起来笨，但极其致命的循环

Ralph并不神秘，甚至有点“土”。它只依赖两个文件：一个 PRD.md，一个 progress.txt。

PRD.md 定义终局——功能列表、阶段划分、每一步完成的标准；progress.txt 只干一件事：记录已经完成了什么。然后你把 AI coding agent（比如基于 Anthropic 的 Claude）丢进一个循环里。

每一轮循环，Agent都会做同样的三件事：
1）读 PRD，找到还没完成的任务；
2）实现它（写代码、补文件）；
3）把结果写进 progress.txt。

接着，下一轮循环再来一遍，直到 PRD 被全部打勾。

这套机制真正厉害的地方在于：Agent拥有了“长期工作记忆”。你中断它、关掉终端、第二天再跑，它不会从零开始胡来，而是从上一次 checkpoint 继续干活。这一点，解决了大量 AI 自动写代码“重跑就崩”的老问题。

从“我来指挥AI”到“我只定义终点”

视频里最容易被低估的一句话是：“The PRD defines the end state. The progress file tracks what's done.”

这意味着，人的角色发生了根本变化。你不再是项目经理+程序员+代码审查员的混合体，而更像一个产品架构师：你只需要把终局描述清楚。

Ras Mic 的示例很克制——一个类似 Apple Reminders 的待办应用。没有炫技，但恰恰因此显得危险：这是一个现实中完全有价值、但又不复杂的产品。更关键的是，他几乎没有中途干预，AI自己完成了实现、测试、lint。

甚至连 Ralph.sh 这个脚本本身，都是 AI 写的。人类的工作被进一步压缩为两件事：写好计划，以及决定什么时候让它“快一点”（fast 模式，跳过测试和 lint）。

如果你是做开发的，这里有个残酷但真实的信号：未来的竞争力，越来越不像“我会不会写代码”，而是“我能不能写出一个让AI不跑偏的计划”。

真正的短板：计划、品味，以及你对‘垃圾软件’的容忍度

Ralph并不是万能解药。视频最后，Ras Mic点出了最大的问题：plan matters a lot。

PRD写得模糊，Agent就会给你一堆“能跑但很烂”的东西；PRD拆得粗糙，最终产品就会充满边角问题。这不是模型的问题，而是人类品味的问题。

一个很扎心的判断是：模型已经足够好了，真正拉开差距的是围绕模型的工具和流程设计。也正因为如此，Ralph这种看似简单的工作流，反而比“再大一个模型”更有颠覆性。

它把责任明确地推回给人：如果你得到的是 AI slot trash，那多半是因为你一开始就没想清楚自己要什么。

总结

Ralph Wiggum并没有让程序员消失，但它正在重塑“什么才叫专业”。未来最值钱的能力，可能不是写函数，而是定义终点、拆解路径、设定可验证的完成标准。如果你是开发者，现在就该练习写PRD，而不是只优化Prompt。一个值得思考的问题是：当AI可以连续跑一整晚完成需求时，你的价值，站在循环的哪一端？

关键词： Ralph Wiggum， AI Agent， 自动化编程， PRD， Anthropic

事实核查备注： 需要核查：1）视频发布时间为2026-01-16；2）Ralph Wiggum概念是否由视频作者或社区提出；3）Anthropic是否存在官方Ralph插件及其命名；4）视频中提到的成本计算为“fraction of a penny”的具体上下文。