open-ralph

核心功能

ralph-opencode-free-loop 是一个自动化编码工具链，它将 Ralph Wiggum CLI 与 OpenCode Zen 免费模型深度整合，实现无需人工干预的代码修复与功能实现循环。该技能通过反复执行同一编程任务，直到满足预设的成功标准或达到最大迭代次数。

显著优势

智能模型降级链：核心亮点在于四层免费模型兜底机制——从性能最优的 kimi-k2.5-free 依次降级至 minimax-m2.1-free、glm-4.7-free，最终由 stealth 模型 big-pickle 保底。当遇到配额耗尽、速率限制或模型下线时自动切换，显著提升任务完成率。

明确的成功判定：强制要求用户定义可验证的成功标准（如测试通过、构建成功）和完成承诺标记，避免无限循环和模糊的"完成"状态。

多模式适配：标准循环模式适合单任务深度修复，--tasks 模式支持大型项目的多步骤拆解执行。

潜在局限

质量依赖模型可用性：免费层模型性能参差不齐，降级到低端模型时代码质量可能显著下降。

迭代成本不可控：max-iterations 虽可限制，但单次迭代内部消耗不可见，复杂任务可能产生大量 API 调用。

Git 仓库强依赖：必须在版本控制环境下运行，对临时脚本或原型开发不够友好。

安全风险：自主修改代码若无人工 review，可能引入逻辑错误或安全隐患。

适合人群

• 需要批量修复测试/构建失败的维护开发者
• 希望自动化处理类型错误、lint 问题的工程团队
• 有一定运维经验、能评估模型输出质量的进阶用户

使用建议

建议始终设置合理的迭代上限，配合 git 分支隔离变更，关键代码变更强制人工 review 后再合并。定期监控 https://opencode.ai/zen/v1/models 更新模型可用性列表。

核心用法

本 Skill 提供完整的 Ralph Wiggum 自主编码循环配置指南，基于 ralph CLI 与 OpenCode 作为 Agent Provider。用户通过定义明确的任务提示（Task Prompt）、可验证的成功标准（Success Criteria）以及完成承诺（Completion Promise），触发多轮迭代式代码执行。循环将持续运行直至成功标准达成、完成承诺输出或达到最大迭代次数上限。

Skill 内置四层免费模型降级链路：优先使用 kimi-k2.5-free（限时免费最佳性能），依次降级至 minimax-m2.1-free、glm-4.7-free 及 big-pickle 备用模型。当触发「模型禁用」「配额不足」「速率限制」等错误时，系统自动切换下一层级模型，无需人工干预。

支持标准模式与 Tasks 模式（大型项目多步骤执行），并提供 --no-plugins 选项以排除 OpenCode 插件干扰。

显著优点

1. 成本零门槛：完全基于 OpenCode Zen 免费模型链路，无需 API 费用支出
2. 高容错设计：四层自动降级机制确保服务连续性，避免单点模型故障中断工作流
3. 迭代可控性：通过 --max-iterations 与显式成功标准防止无限循环，保障资源可预测性
4. 场景覆盖广：适用于测试修复、功能实现、代码重构、类型错误消除、构建修复等多类开发任务
5. Git 原生集成：强制要求 Git 仓库环境，天然支持版本回溯与变更审查

潜在缺点与局限性

1. 外部工具强依赖：需预装 ralph、opencode、git 三个二进制工具，环境配置门槛较高
2. 免费模型不稳定性：Zen 免费模型存在限时、配额、下线等不确定性，可能影响任务完成时效
3. 无沙箱隔离：自主代码修改直接作用于工作目录，误操作风险需依赖 Git 兜底
4. 社区维护属性：由个人开发者维护，长期更新与技术支持缺乏商业保障
5. 无可视化界面：纯 CLI 驱动，对非技术用户友好度有限

适合的目标群体

• 追求零成本 AI 编程自动化的独立开发者与开源贡献者
• 需要批量处理技术债务（测试失败、类型错误、Lint 警告）的工程团队
• 熟悉 Git 工作流、偏好命令行交互的资深工程师
• 希望实验自主 Agent 循环但不愿承担 API 费用的小规模项目

常规风险

• 模型可用性风险：免费模型可能随时调整或下线，需定期核查 opencode.ai/zen/v1/models 更新降级链路
• 代码质量风险：自主迭代可能产生非预期变更，必须严格执行 diff 审查再合并
• 迭代资源消耗：设置不当的 max-iterations 可能导致长时间空转或过度消耗免费配额
• 外部工具安全风险：ralph 与 opencode 作为第三方 CLI 工具，其自身更新可能引入行为变更，建议锁定版本范围使用