Der Ralph Wiggum Loop: KI-Agenten stundenlang arbeiten lassen
TL;DR
Der Ralph Wiggum Loop ist eine Technik, bei der man Claude Code denselben Prompt wiederholt füttert. Claude sieht bei jeder Iteration seine vorherige Arbeit in Dateien und Git-History, korrigiert sich selbst und macht inkrementelle Fortschritte. Das Ergebnis: Komplexe Aufgaben laufen autonom über Stunden oder Tage - während du schläfst.
Das Problem: Kontext ist endlich
Jeder, der mit KI-Coding-Assistenten arbeitet, kennt das Gefühl: Du bist mitten in einem komplexen Refactoring, Claude versteht endlich den Kontext, und dann - Context Window erschöpft. Neustart. Alles von vorne erklären.
Geoffrey Huntley hatte genau dieses Problem. Seine Lösung? Eine Bash-Schleife, die so simpel ist, dass sie fast schon frech wirkt:
while :; do
cat PROMPT.md | claude-code --continue
done
Der Name? Eine Hommage an Ralph Wiggum aus den Simpsons - jemand, der trotz aller Widrigkeiten einfach weitermacht.
Wie es funktioniert
Die Magie liegt in der Iteration mit Gedächtnis:
- Prompt wird gespeichert - Deine Aufgabe landet in einer State-Datei
- Claude arbeitet - Liest Dateien, macht Änderungen, committed
- Claude will stoppen - Denkt, fertig zu sein
- Hook fängt ab - Prüft auf ein “Promise Tag” wie
<promise>DONE</promise> - Nicht gefunden? - Prompt wird erneut injiziert, nächste Iteration startet
Bei jeder Iteration sieht Claude:
- Die geänderten Dateien aus vorherigen Durchläufen
- Die Git-History mit Commit-Messages
- Die Todo-Liste mit noch offenen Aufgaben
Claude korrigiert eigene Fehler, macht weiter wo es aufgehört hat, und konvergiert schrittweise zur Lösung.
Installation in 30 Sekunden
Ralph Wiggum ist ein offizielles Anthropic-Plugin:
/plugin install ralph-wiggum@claude-plugins-official
Starte einen Loop:
/ralph-loop "Migriere alle Tests von Jest zu Vitest.
Output <promise>MIGRATION COMPLETE</promise> wenn fertig." \
--max-iterations 30
Abbrechen jederzeit mit:
/cancel-ralph
Wann Ralph Gold wert ist
Perfekt für:
| Use Case | Warum Ralph funktioniert |
|---|---|
| Framework-Migrationen | Hunderte Dateien, gleicher Prozess |
| Test Coverage erhöhen | TDD-Loop bis alle Tests grün |
| API-Dokumentation | Iterativ alle Endpoints dokumentieren |
| Code-Standardisierung | Linting-Fixes über gesamte Codebase |
Real-World Beispiel: Geoffrey Huntley ließ einen Loop 3 Monate laufen. Das Ergebnis: Cursed - eine komplette Programmiersprache mit Compiler, Standardbibliothek und Editor-Support. Autonom entwickelt.
Ein MVP für einen $50.000-Vertrag wurde für $297 API-Kosten geliefert.
Wann Ralph die falsche Wahl ist
Nicht jede Aufgabe profitiert von Autonomie:
- Architekturentscheidungen - Braucht menschliches Urteil
- Unklare Anforderungen - Ohne “Done”-Kriterium keine Konvergenz
- Sicherheitskritischer Code - Authentifizierung, Payments
- Explorative Arbeit - Wenn du selbst noch nicht weißt, was du willst
Best Practices
1. Klare Completion-Kriterien definieren
❌ Schlecht:
"Baue eine Todo-API und mach sie gut."
✅ Gut:
"Baue eine REST-API für Todos.
- CRUD-Endpoints für /todos
- Input-Validierung
- Fehlerbehandlung
- Tests mit >80% Coverage
Output <promise>COMPLETE</promise> wenn ALLE Anforderungen erfüllt."
2. Immer max-iterations setzen
# Sicherheitsnetz gegen Endlosschleifen
/ralph-loop "..." --max-iterations 30
3. Escape Hatches einbauen
Nach 20 Iterationen ohne Fortschritt:
- Dokumentiere was blockiert
- Liste versuchte Ansätze auf
- Schlage Alternativen vor
- Output <promise>NEEDS HELP</promise>
4. Git-Directory nutzen
Jede Iteration committet automatisch. Bei Problemen: git reset --hard und neu starten ist oft schneller als debuggen.
Die Kosten-Frage
Transparenz ist wichtig:
- API-Kosten: 50 Iterationen auf großer Codebase = $50-100+
- Claude Code Subscription: Trifft Usage-Limits schneller
- Zeit vs. Geld: Ein Entwicklertag kostet mehr als ein 50er Loop
Die Rechnung geht auf, wenn die Alternative manuelle Arbeit über Tage wäre.
Das Mindset-Shift
Ralph verändert, wie du mit KI arbeitest:
Alt: Claude Schritt für Schritt anleiten Neu: Prompts designen, die zu korrekten Lösungen konvergieren
Deine Rolle wird zum Prompt-Architekt. Du definierst Erfolg, Claude findet den Weg.
Wie Huntley es ausdrückt:
“Ralph wird dich testen. Jedes Mal, wenn Ralph eine falsche Richtung eingeschlagen hat, habe ich nicht die Tools beschuldigt - ich habe nach innen geschaut.”
Fazit
Der Ralph Wiggum Loop ist kein Silver Bullet. Aber für die richtigen Aufgaben - klar definiert, iterierbar, zeitintensiv - ist er ein Game Changer.
Die Technik zeigt, wohin die Reise geht: Von KI als Assistent zu KI als autonomem Kollegen, der Aufgaben über Nacht erledigt, während du schläfst.
Und wenn du morgens aufwachst, ist der PR ready for review.
Weiterführende Links
