Ralph Loop

Hvad er Ralph Loop?

Ralph Loop er et mønster for autonom AI-kodning hvor en AI-agent kører i en simpel while-true-loop. Agenten modtager den samme prompt ved hver iteration, finder den næste uløste opgave, implementerer den, verificerer resultatet og gemmer fremskridt i filer. Loopen fortsætter indtil alle opgaver er færdige.

Teknikken blev skabt af Geoffrey Huntley, en open source-udvikler fra Australien. Han opdagede mønsteret i februar 2024 og formaliserede det i sommeren 2025. Teknikken gik viralt i de sidste uger af 2025. Navnet kommer fra Ralph Wiggum i The Simpsons: en karakter der er clueless men vedholdende. Det er præcis hvad loopen gør. Den fejler, prøver igen, fejler, prøver igen, og til sidst løser den opgaven.

Hvordan fungerer Ralph Loop?

1. Definer opgaverne. Skriv en PRD (Product Requirements Document) eller tjekliste i en fil. Hvert punkt er en konkret opgave agenten skal løse.
2. Start loopen. En bash while-true-loop (eller et stop-hook i Claude Code) starter agenten igen og igen med den samme prompt.
3. Frisk kontekst. Hver iteration starter en ny agentinstans. Samtalehistorikken nulstilles. Det løser problemet med at fejl fra tidligere forsøg forurener agentens ræsonnement.
4. Filbaseret hukommelse. Fremskridt gemmes i filer: progress.txt, prd.json, AGENTS.md. Agenten læser disse ved start, finder næste opgave og arbejder videre.
5. Automatisk verifikation. Teknikken kræver feedback: tests, typechecks, CI-pipelines. Uden automatiseret verifikation kan agenten ikke vide om den lykkedes.
6. Stop-betingelse. Loopen stopper når alle opgaver er afkrydsede eller et maksimalt antal iterationer er nået.

Hvorfor virker det?

Kontekstisolering er nøglen. I en normal samtale akkumulerer agenten kontekst: mislykkede forsøg, blindgyder, irrelevant information. Det fylder kontekstvinduet og forringer kvaliteten. Ralph Loop løser dette ved at starte forfra hver gang. Den eneste hukommelse der videreføres er det der eksplicit er gemt i filer.

Det er det samme princip som at lukke og genåbne en app der er gået i stå. Frisk start, samme opgave, bedre resultat.

Ralph Loop i praksis

1. Feature-implementering. Du definerer en PRD med 20 delopgaver. Agenten arbejder sig igennem listen over flere timer uden menneskelig indgriben.
2. Migrering. Konverter en hel kodebase fra ét framework til et andet. Loopen tager det en fil ad gangen.
3. Test-skrivning. Generer tests for en hel kodebase. Agenten finder næste utestede fil, skriver tests, verificerer de passer, og går videre.
4. Refaktorering. Systematisk opdatering af mønstre på tværs af hundredvis af filer.

Økosystem

Ralph Loop har udløst et bredt økosystem af implementeringer:

1. Claude Code. Har officiel Ralph Wiggum-plugin i Anthropics repository. Bruger et stop-hook der opfanger når agenten stopper og automatisk genstarter den med samme prompt.
2. Vercel. Har en ralph-loop-agent-implementering til AI SDK.
3. Block/Goose. Har Ralph Loop-tutorials i sin dokumentation.
4. Standalone-værktøjer. snarktank/ralph på GitHub er en populær selvstændig implementering.