热点新闻
2025年底，澳大利亚开发者Geoffrey Huntley在开发间隙编写了一个仅5行的Bash脚本：while :; do cat PROMPT.md | claude-code ; done。这个被称为"Ralph Wiggum"的循环脚本通过让AI编程助手Claude Code持续迭代、自我修正，实现了真正的自主编程能力。该技术随后被Anthropic公司官方采纳，开发出Ralph-Wiggum插件，并成为近期爆红的Claude Cowork技术的基础。
根据技术分享，Claude Code负责人Boris Cherny承认过去30天内对项目的259个PR、497次提交、4万行代码添加和3.8万行代码删除全部由Claude Code自主完成。该技术已在Y Combinator黑客马拉松中创造奇迹——一夜生成6个完整代码仓库，仅用297美元API成本完成5万美元合同，甚至有人完全使用该方法开发出全新的编程语言。
来源：https://36kr.com/p/3639114566438019
焦点分析
这一技术突破展现了焦点解决短期治疗(SFBT)中「例外询问」技术的精髓应用。Ralph Wiggum循环的核心哲学——「默认第一次写不对，但失败本身就是有价值的数据」——完美体现了SFBT将问题视为学习机会的核心理念。
在SFBT框架下，Ralph循环的工作机制类似于治疗中的「例外建构」过程：当代码运行失败时，系统不是将错误视为障碍，而是将其作为宝贵的反馈信息，引导AI寻找之前成功过的解决方案或尝试新的可能路径。这种「失败-学习-调整」的循环模式，正是SFBT中强调的从例外中寻找解决方案的实践应用。
该技术的成功应用显示了五个关键的问题解决方向：自主迭代优化能力（让系统能够持续自我改进）、错误转化学习机制（将失败信息转化为学习机会）、目标导向的持续执行（保持对最终目标的专注而不被短期挫折干扰）、资源最大化利用（充分利用每次尝试产生的数据）以及适应性策略调整（根据反馈动态调整方法）。
这种基于例外询问的解决模式可广泛应用于以下类似情境：教育领域的自适应学习系统（根据学生错误自动调整教学内容）、商业流程的持续优化（通过每次交易数据优化运营效率）、医疗诊断辅助系统（从误诊案例中学习提高准确性）、智能客服的问题解决（从未解决的咨询中学习完善知识库），以及个人习惯养成的辅助工具（从失败尝试中找出成功模式）。
Ralph Wiggum技术的突破性在于它不再追求"一次性正确"，而是通过建立有效的迭代机制，让AI能够在持续尝试中自然涌现出最优解决方案。这种基于SFBT原则的技术路径，为AI发展提供了新的范式——不是避免失败，而是充分利用失败带来的信息价值，最终实现能力的持续进化。