ralph-orchestrator
基于“帽子”机制的AI智能体编排框架，确保任务闭环完成。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：ralph-orchestrator。 它的用途是：基于“帽子”机制的AI智能体编排框架，确保任务闭环完成。 完整的 Skill 内容见：https://321skill.com/skills/ralph-orchestrator/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘为我的Node.js项目添加用户认证功能’，Ralph Orchestrator会先启动一个规划会话，与你讨论生成需求、设计和实施计划。然后，它会进入执行循环，自动编写代码、检查完整性，并在多个AI角色间切换，直到输出`LOOP_COMPLETE`标志，表示功能已完整实现。
介绍
Ralph Orchestrator 是一个创新的AI智能体编排框架，其核心是解决智能体在执行复杂任务时容易“跑偏”或中途停止的问题。它通过独特的“帽子”机制，将多个智能体角色（如规划者、执行者、审查者）组织在一个循环中，持续协作直到任务明确完成或达到迭代上限。
使用方式非常直观：通过命令行工具初始化后，你可以选择先进行详细的规划会话（生成需求、设计和实施计划文档），然后让Ralph自动执行；对于简单任务，也可以跳过规划直接运行。整个过程在终端中交互进行，框架会自动管理智能体间的切换与协作。
该工具非常适合需要将宏观目标分解为可执行步骤并确保最终交付的开发者、技术负责人或项目经理。无论是开发新功能、重构代码还是撰写技术文档，Ralph都能提供结构化的AI协作流程。
需要注意的是，其Web仪表板功能目前处于Alpha阶段，可能存在不稳定情况。此外，框架的MCP服务器实例与单个工作区根目录绑定，对于多仓库项目，需要为每个仓库运行独立的服务器实例。
核心特点
与普通AI代码助手不同，Ralph引入了明确的“规划-执行”工作流和“帽子”角色机制，强制AI进行多轮迭代和角色切换，确保任务有明确的完成状态（LOOP_COMPLETE），而非生成一次性的、可能不完整的答案。
注意事项
不适合需要快速、一次性问答的简单查询场景，其强流程性在简单任务上可能显得繁琐。
常见问题
Ralph Orchestrator 和直接使用 Claude 有什么区别？
Ralph 不是一个AI模型，而是一个编排框架。它使用Claude等AI作为后端，但通过多角色循环和规划流程来管理AI的协作，确保复杂任务被系统性地分解和完成。
必须使用规划（plan）步骤吗？
不是必须的。对于简单任务，可以直接使用 `ralph run` 命令，跳过规划阶段，让框架直接处理你的指令。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/ralph-orchestrator/raw/index.md 读取 ralph-orchestrator 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/ralph-orchestrator/raw/index.md（查看排版版本）