ralph-wiggum-cursor
为 Cursor 设计的自主开发框架，通过定期重置上下文避免污染。
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-wiggum-cursor。 它的用途是：为 Cursor 设计的自主开发框架，通过定期重置上下文避免污染。 完整的 Skill 内容见：https://321skill.com/skills/ralph-wiggum-cursor/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
“请使用Ralph Wiggum模式，基于当前项目结构，开发一个用户登录认证模块。” 它会启动交互式设置界面，让你选择模型、设置迭代次数，然后开始自主编码。过程中，它会将代码变更频繁提交到Git分支，并在上下文接近饱和时自动轮换，从最新提交点无缝继续，直到功能完成，最终可生成合并请求。
介绍
Ralph Wiggum for Cursor 解决了在AI辅助编程中，LLM上下文因不断累积失败尝试、无关代码和混合任务而导致的“上下文污染”问题。这就像内存泄漏，模型会持续引用混乱的旧信息，最终陷入“排水沟”而无法有效工作。
该Skill通过一个名为“Ralph”的技术，将开发状态强制保存在文件和Git中，而非LLM的上下文窗口。它通过一个循环脚本，持续向AI代理（如Cursor Agent）发送相同的提示。当上下文即将填满或检测到代理陷入循环（如相同命令多次失败）时，它会主动触发“轮换”，启动一个拥有全新上下文的新代理，并从Git历史中恢复进度继续工作。
它非常适合需要长时间、多步骤自主编码任务的全栈开发、智能体开发者和运维工程师。例如，当你需要AI从头构建一个复杂功能，或自动修复一系列关联Bug时，Ralph能确保AI在长时间运行中保持清醒和高效。
使用建议：在开始复杂、探索性的开发任务前运行此Skill。请确保项目已初始化Git仓库，因为它依赖Git来保存和恢复进度。注意监控其生成的日志文件（如.ralph/guardrails.md），其中记录了AI从失败中学到的经验，有助于优化后续提示。
核心特点
核心区别在于主动的“上下文轮换”机制和精确的Token跟踪。它不像普通AI编码工具那样让上下文无限膨胀直到混乱，而是像管理内存一样，在污染达到阈值前主动“释放”并重启新会话，同时通过解析器精确计算每次文件读写的字节数来预测上下文使用，而非依赖估算。
注意事项
不适合用于需要极低延迟的简单、一次性代码问答或快速调试会话。
常见问题
Ralph Wiggum 技术是什么？
一种将LLM上下文视为易失性内存的自主开发技术，通过循环执行相同提示，将进度持久化在文件/Git中，并在上下文污染前主动轮换新代理。
这个Skill如何检测AI是否陷入“排水沟”（Gutter）？
通过检测相同命令连续失败多次、文件被反复无意义修改（文件抖动）等模式，来判定代理已陷入无效循环。
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-wiggum-cursor/raw/index.md 读取 ralph-wiggum-cursor 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-wiggum-cursor/raw/index.md（查看排版版本）