ralph-loop - Mengotomatiskan pekerjaan pengembangan dengan loop agen AI yang berjalan lama

• Sistem loop AI jangka panjang yang berulang menelusuri daftar tugas dan menjalankannya hingga selesai
• Menjalankan AI CLI seperti Claude Code/Codex/Gemini dengan aman di lingkungan sandbox Docker
• Cara penggunaan
  • Langkah 1: Instal Ralph npx @pageai/ralph-loop
  • Langkah 2: Tulis PRD (dokumen kebutuhan produk) dan daftar tugas: buat PRD dari kebutuhan dengan skill prd-creator lalu tinjau tiap tugas
  • Langkah 3: Siapkan agen di dalam sandbox Docker
    • Jalankan docker sandbox run claude . lalu login
    • Pastikan memilih Yes untuk Bypass Permissions mode. Inilah alasan menggunakan sandbox
  • Langkah 4: Jalankan Ralph ./ralph.sh -n 50 # Menjalankan Ralph Loop berulang 50 kali
• Cara kerjanya: pada setiap iterasi, Ralph melakukan hal-hal berikut
  • 1. Mencari tugas belum selesai dengan prioritas tertinggi di file .agent/tasks.json
  • 2. Menjalankan langkah-langkah tugas secara berurutan yang didefinisikan di .agent/tasks/TASK-{ID}.json
  • 3. Menjalankan test·linter·type check
  • 4. Menyelesaikan tugas, mengambil screenshot, memperbarui status tugas dan melakukan commit perubahan
• Hal yang membedakan versi PageAI ini dari loop Ralph Wiggum lainnya
  • Membuat PRD dan mengekstrak daftar tugas dari kebutuhan
  • Membuat tabel lookup tugas dari PRD
  • Memecah langkah kerja dan membaginya menjadi langkah-langkah yang mudah dikelola
  • Melacak progres iterasi (ditampilkan seiring waktu)
  • Pratinjau stream output real-time dan deteksi tahap aktivitas (Thinking, Testing, dll.)
  • Mengambil screenshot layar saat ini
  • Memberi notifikasi saat input manusia dibutuhkan
  • Logging riwayat dengan output yang rapi untuk tiap iterasi
  • Menampilkan metrik waktu untuk tiap iterasi dan keseluruhan durasi
  • Memungkinkan memprioritaskan pekerjaan penting dengan fitur Steering
  • Secara terpisah
    • Jika memasukkan kebutuhan yang tidak terstruktur, agen akan otomatis membuat PRD dan daftar tugas
    • Karena menggunakan tabel pencarian tugas yang mencakup langkah detail individual, alat ini sangat skalabel saat harus menangani ratusan tugas
    • Berjalan di lingkungan sandbox sehingga keamanan lebih kuat
    • Menampilkan progres dan statistik sehingga tugas yang selesai dapat dicek dengan mudah
    • Menginstruksikan agen untuk menulis dan menjalankan test otomatis serta screenshot untuk tiap tugas
    • Memberikan visibilitas dan keterlacakan terhadap pekerjaan agen
    • Menampilkan stream output dan merekam log riwayat lengkap untuk tiap pekerjaan iteratif
• Lisensi MIT