阅读原文：如何让 Claude Code 长时间工作
一、本章核心学习目标
- 理解 AI 编程助手过早停止的核心原因，掌握长任务的迭代解决原理
- 学会使用 Ralph Wiggum 官方插件，实现自动化的长任务迭代
- 掌握长任务的 Prompt 编写技巧，定义明确可验证的完成标准
- 了解不同长任务方案的适用场景，学会根据任务选择合适的工具
- 掌握安全防护机制，防止无限循环和 API 成本失控
二、引言：为什么我们需要长任务？
传统的 AI 编程助手是 “对话式” 的 —— 你说一句，它回一句，然后停下了。但对于真正的开发任务来说，这种模式远远不够：
- 重构整个项目，写完几个文件就说 “我完成了”
- 持续修复 bug 直到测试全部通过，但它跑一次就停下来
- 想让 AI “过夜干活”，但第二天发现它早就停了
2025 年夏天，澳大利亚开发者 Geoffrey Huntley 写了一个 5 行的 bash 脚本，不断重启 Claude Code 并喂给它同样的任务，命名为 “Ralph Wiggum”。这个项目在 GitHub 两周内获得 7,000+ 星标，人们用它：
- 一晚上生成 6 个完整项目，$297 的 API 成本完成 $50,000 的合同
- 3 个月内构建了一门完整的编程语言
三、核心原理：为什么 AI 会 “过早停止”？
3.1 AI 的 “完成判断” 不可靠
LLM 有一个根本缺陷：它无法准确判断自己的工作是否真正完成。
- 人类的完成标准是客观的：所有测试通过、功能完整可用、代码质量达标
- AI 只能基于 “感觉” 来判断：觉得 “看起来差不多了”、“输出够多了” 就停下
3.2 解决方案的核心思想
解决方案的核心是：让 AI 在一个 “循环” 中工作。
每次它想退出时，外部系统会检查三个问题 —— 真的完成了吗？符合客观标准了吗？还有没有遗漏？如果没有，就重新注入任务，继续下一轮。
四、方法一：While True Bash Loop（最原始的方法）
这是最简单、最直接的实现方式，本质上就是写一个无限循环，每次循环都重新启动 Claude Code 并喂给它同样的任务描述。
4.1 最简实现
最简单的实现只需要 5 行代码：
#!/bin/bashwhiletrue;docatPROMPT.md|claudedone4.2 工作原理
读取 PROMPT.md 文件中的任务描述
启动 Claude Code 并将任务描述传递给它
Claude 开始工作并输出结果
Claude 完成后退出
循环自动重新启动，直到手动按 Ctrl+C 中断
4.3 优缺点
| 维度 | 说明 |
|---|---|
| 优点 | 极其简单，无需配置，立即可用，适合快速实验 |
| 缺点 | 无法判断任务是否真的完成，可能无限空转，没有安全保护 |
4.4 安全改进版
为了避免无限循环，可以添加迭代次数限制：
#!/bin/bashMAX_ITERATIONS=50iteration=0whiletrue;doiteration=$((iteration+1))echo"=== 迭代$iteration/$MAX_ITERATIONS==="catPROMPT.md|claudeif[$iteration-ge$MAX_ITERATIONS];thenecho"达到最大迭代次数，停止"breakfisleep5# 稍作等待，避免 API 限流done五、方法二：Ralph Wiggum Plugin（官方推荐）
Ralph Wiggum 是 Anthropic 官方推出的插件，专门解决长时间任务问题，象征着 “尽管失败，仍坚持尝试” 的精神。
5.1 核心机制：Stop Hook
Ralph 的核心机制是 Stop Hook：
当 Claude 想要退出时，Stop Hook 会拦截这个退出信号
系统检查：输出了特定的完成标记吗？
如果没有找到完成标记，就重新注入原始 prompt，开始下一轮迭代
如果找到了完成标记，才允许 Claude 退出
5.2 安装方法
方式一：通过官方插件市场安装（推荐）
# 在 Claude Code 中运行claude# 添加官方插件市场/plugin marketplaceaddanthropics/claude-code# 安装 Ralph Wiggum/plugininstallralph-wiggum@claude-code-plugins# 验证安装/plugin方式二：直接从 GitHub 安装
# 进入插件目录cd~/.claude/plugins/# 克隆插件仓库gitclone https://github.com/anthropics/ralph-wiggum-plugin.git5.3 基本使用
基本使用方式是通过/ralph-wiggum:ralph-loop命令：
/ralph-wiggum:ralph-loop"构建一个待办事项 API，包含 CRUD 操作、输入验证、测试。 全部完成后输出 <promise>COMPLETE</promise>"--max-iterations50--completion-promise"COMPLETE"关键参数说明：
--max-iterations：最大迭代次数，安全机制，推荐 20-100 之间--completion-promise：完成标记文本，明确唯一的标识，比如COMPLETE
5.4 Prompt 编写最佳实践
不好的 Prompt 没有明确的完成标准，AI 可能写个基础框架就说完成了。好的 Prompt 应该：
分阶段描述任务，明确每一步要做什么
列出详细的验收标准，比如测试通过、类型检查通过
指定唯一的完成标记，让 Ralph 能判断任务结束
5.5 常用 Prompt 模板
模板 1：测试迁移（Jest → Vitest）
/ralph-wiggum:ralph-loop " 将项目中所有测试从 Jest 迁移到 Vitest： - 保持所有测试逻辑不变 - 更新配置文件（vite.config.js、vitest.config.js） - 替换 Jest 特有的 API（如 jest.mock → vi.mock） - 确保所有测试通过 - 移除 Jest 相关依赖 验收标准： - npm test 全部通过 - package.json 中无 jest 依赖 - 项目能正常构建 完成后输出：<promise>VITEST_MIGRATION_COMPLETE</promise> " --max-iterations 40 --completion-promise "VITEST_MIGRATION_COMPLETE"模板 2：UI/UX 优化（移动端优先）
/ralph-wiggum:ralph-loop " 把这个项目的 UI/UX 做得更像一款精致的、移动端优先的语言学习 App： - 统一间距与留白（使用 4px 基础单位） - 建立清晰的字体层级（标题/正文/辅助信息） - 统一卡片、列表等组件样式 - 添加底部导航（Home/Learn/Quiz/Progress/Settings） - 确保在移动设备上显示良好 验收标准： - npm run build 成功 - 无 TypeScript 错误 - 主要页面在移动端预览正常 完成后输出：<promise>UI_UX_COMPLETE</promise> " --max-iterations 25 --completion-promise "UI_UX_COMPLETE"模板 3：批量添加 TypeScript 类型
/ralph-wiggum:ralph-loop " 给项目中所有函数添加 TypeScript 类型注解： - 优先处理 src/ 目录 - 为函数参数和返回值添加类型 - 避免使用 any，使用具体类型或 unknown - 添加必要的类型定义 验收标准： - npm run typecheck 通过 - 无 @ts-ignore 或 @ts-any 注释 - 代码能正常运行 完成后输出：<promise>TYPES_ADDED</promise> " --max-iterations 30 --completion-promise "TYPES_ADDED"5.6 实战案例
- YC 黑客松案例：晚上 11 点设置任务，第二天醒来得到 6 个可演示项目，API 成本仅 $297
- Boris Cherny 案例：Claude Code 负责人用 Ralph 30 天提交 259 个 PR，新增 4 万行代码，全程无人工编码
- CURSED 编程语言：用 Ralph 在 3 个月内自主构建了一门完整的编程语言，包含 LLVM 编译器
- 遗留项目重构：周末运行 Ralph，周一回来项目完成 47 次提交，测试覆盖率达到 75%，成本约 $12
5.7 Ralph 的哲学
- 迭代大于完美：不要指望一次就完美，每次循环都比上一次更好
- 失败是数据：每次测试失败都是改进的机会，不要害怕失败
- 持续尝试：Keep trying until it works，这就是 Ralph 的精神
5.8 适用场景判断
✅ 适合使用 Ralph 的场景
| 场景 | 原因 |
|---|---|
| 测试迁移 | 有明确目标，测试通过即可验证 |
| 大规模重构 | 可以定义具体的重构规则 |
| 框架迁移 | 迁移完成后代码能正常运行 |
| 批量添加类型 | typecheck 通过即完成 |
| 测试覆盖率提升 | 覆盖率百分比是客观指标 |
| 文档生成 | API 文档可以自动验证 |
| Bug 修复（有复现步骤） | 测试通过即修复成功 |
❌ 不适合使用 Ralph 的场景
| 场景 | 原因 |
|---|---|
| 架构设计决策 | 微服务 vs 单体需要权衡 |
| 安全相关代码 | 安全漏洞可能很隐蔽 |
| 需求模糊的任务 | 没有明确完成标准 |
| 探索性工作 | 需要不断调整方向 |
| 创意性设计 | 需要人类审美判断 |
| 简单一次性任务 | 使用 Ralph 是浪费 |
判断标准：
我能定义明确的完成标准吗？
有客观的验证方法吗？（测试、构建、类型检查）
这个任务需要我持续反馈吗？
如果三个答案都是 “否”，那就放手让 Ralph 去做吧！
六、方法三：增强版 Ralph（社区优化）
这是社区对官方 Ralph 的增强实现，在 GitHub 上的frankbria/ralph-claude-code项目，增加了更多安全机制。
6.1 额外特性
- 双重退出条件：需要同时满足完成标记和显式 EXIT_SIGNAL 才会停止
- 速率限制功能：默认 100 次 / 小时，防止 API 账单爆炸
- 智能熔断器：连续 5 次检测到完成标记就强制退出
- 实时仪表盘：显示迭代次数、进度、预估成本
6.2 安装与使用
gitclone https://github.com/frankbria/ralph-claude-code.gitcdralph-claude-code ./install.sh# 初始化项目ralph-setup my-project# 启动循环ralph loop6.3 配置文件
{"maxIterations":50,"rateLimitPerHour":100,"completionPromise":"TASK_COMPLETE","exitSignal":"EXIT_NOW","costAlertThresholds":[10,50,100]}七、方法四：Agent Teams（多代理并行）
当任务足够大时，单个 Claude 不够用，需要 “团队协作”。
Agent Teams 允许多个 Claude 实例并行工作，通过共享任务列表协调依赖关系。这适合超大型项目，比如 Nicholas Carlini 的实验中，16 个并行 Agent 在 2 周内编写了 100,000+ 行代码，构建出一个能编译 Linux 内核的 C 编译器。
八、方法五：后台任务（Ctrl+B）
这是一个简单但实用的非阻塞执行方法，适合短时间的长任务。
8.1 基本操作
当 Claude 开始运行一个任务时，你可以按Ctrl+B把它推送到后台。比如：
你说：“运行完整测试套件”
Claude 开始运行
你按
Ctrl+B，Claude 会返回：“任务已推送到后台（ID: task_abc123）”然后你可以继续让 Claude 帮你分析日志，同时测试在后台运行
8.2 查看后台任务
- 使用
/tasks命令可以列出所有后台任务 - 按
Ctrl+T可以快速查看任务状态的摘要 - 可以把后台任务恢复到前台，查看实时输出
8.3 适用场景
- 长时间运行的测试
- 大型项目构建
- 批量文件处理
- 任何你不想等待的事情
九、安全机制：防止无限循环
任何自动循环系统都必须有安全保护，否则可能出现失控的情况。
9.1 硬性限制
最基本的保护是设置最大迭代次数，无论任务是否完成，达到这个次数后都会停止，防止无限循环消耗 API 额度。你还可以设置时间限制，比如最长运行 4 小时后自动停止。
9.2 智能检测
可以添加智能检测来发现死循环，比如检查最近几次提交有没有实质变化：
if[$(gitdiffHEAD~5|wc-l)-eq0];thenecho"最近 5 次提交没有实质变化，可能陷入循环"exit1fi9.3 成本预警
配置成本预警阈值，当花费达到一定金额时暂停并通知你：
{"costAlertThresholds":[10,50,100],"alertAction":"pause_and_notify"}十、本章总结
长任务技术让 Claude Code 从对话式助手，变成了可以 24 小时工作的数字员工：
核心原理：用外部循环解决 AI 完成判断不可靠的问题，让 AI 持续迭代直到任务真正完成
主流方案：从简单的 bash 循环，到官方的 Ralph 插件，再到社区增强版，满足不同需求
关键技巧：定义明确的完成标准、写好分阶段的 Prompt、设置安全防护机制
无限可能：你可以让 AI 过夜干活，周末自动重构，甚至用几个月时间构建复杂项目
掌握了长任务，你就能把 Claude Code 的能力发挥到极致，真正实现用自然语言完成从开发到重构、从测试到部署的全流程自动化。
