核心用法
Ralph-Evolver 是一款递归自我改进引擎，通过多维度信号收集（提交历史、TODO/FIXME、错误处理模式、热点文件）深入理解代码本质，而非表面结构。它采用第一性原理方法论，每次运行都追问核心问题：项目本质是什么？不该做什么？缺什么？若从零开始如何构建？
显著优点在于真正的递归能力——引擎可以改进自身，形成自我进化的闭环。改进追踪系统记录每次优化的描述、洞察和健康指标，对比前后效果趋势，并将历史传递给下一次迭代，避免重复无效修改。支持单轮迭代或多轮循环（--loop），甚至对自身运行（--project .）。
潜在局限性包括：对大型项目可能产生较高的计算成本；依赖历史数据质量，新项目或提交历史混乱时洞察受限；"从零开始重构"的建议可能过于激进，实际落地需要人工权衡；缺乏对运行时性能数据的直接采集，静态分析为主。
适合人群：追求架构演进的技术负责人、需要进行深度重构的遗留系统维护者、对元编程和自我改进系统感兴趣的开发者。
常规风险：自动化建议可能破坏现有业务逻辑，需配合测试覆盖；递归自修改存在失控理论风险，建议保留版本控制；过度追求"第一性原理"可能导致忽略实际约束条件。