Claude Code Ralph Wiggum: как зациклить работу агента до полного успеха

Агент тормозит на полпути — знакомая боль

Вы даёте задачу: «Отрефактори этот модуль, добавь тесты, проверь линтер». Claude Code бодро пишет код, запускает тесты, находит ошибку — и… стоп. Ответ вроде «я закончил», но на деле половина не сделана, тесты красные. Приходится снова и снова дёргать агента вручную. Теряется время, горят дедлайны.

Корень проблемы — LLM не умеют гарантировать полное выполнение. Они оптимизируют ответ, а не результат. Agentic loop в Claude Code по умолчанию слабый: агент делает одно действие и ждёт следующей команды. Без внешнего «кнута» он не вернётся к исправлению ошибок сам.

Решение пришло от сообщества, и имя ему — Ralph Wiggum. Да, в честь того самого туповатого мальчика из Симпсонов. Ирония в том, что техника заставляет агента тупо повторять попытки, пока не получится. Но кто бы мог подумать, что это сработает?

Внутреннее устройство: как работает цикл

Ralph Wiggum базируется на идее completion promise — явного обещания агента, что он считает задачу выполненной. В обычном режиме Claude Code просто отвечает, но не подтверждает полноту. Плагин же добавляет в промпт инструкцию: «После каждого действия отвечай “DONE” или “FAILED”. Если ответ не содержит “DONE” — считай, что задача не решена».

Алгоритм прост до гениальности:

1. Отправить промпт агенту.
2. Получить ответ. Если в ответе есть «DONE» — проверить результат (например, зелёные тесты).
3. Если результат неудовлетворительный — отправить тот же промпт снова, но с дополнительным контекстом: «Ты ошибся. Попробуй ещё раз. У тебя осталось N попыток».
4. Повторять, пока не получим «DONE» + валидный результат, или не закончатся попытки.

Geoffrey Huntley — тот самый инженер, который первым выложил рабочий прототип. Его репозиторий ghuntley/claude-code-ralph-wiggum разлетелся по сообществу. Подход сработал именно благодаря простоте: без сложных графов состояний, без state machines — просто цикл for с проверкой.

Пошаговый план: ставим и запускаем

1 Установка плагина

Самый быстрый способ — склонировать репозиторий и установить зависимости:

git clone https://github.com/ghuntley/claude-code-ralph-wiggum.git
cd claude-code-ralph-wiggum
npm install

Либо установить как глобальный пакет через npm (если автор выложил в registry, на момент написания статьи предпочтительнее клон):

npm install -g @ghuntley/claude-code-ralph-wiggum

2 Настройка конфигурации

В корне проекта создайте файл wiggum.config.json:

{
  "maxAttempts": 5,
  "timeout": 120000,
  "model": "claude-sonnet-4-20250514",
  "completionPhrase": "DONE",
  "failurePhrase": "FAILED",
  "verifyCommand": "npm test"
}

Здесь: maxAttempts — максимальное количество попыток, timeout — таймаут на один запуск (в миллисекундах), model — модель Claude (на 31.05.2026 последняя стабильная — claude-sonnet-4-20250514, но можно указать и новейшую claude-sonnet-4-2026-05-14, если она уже доступна), completionPhrase — маркер успешного выполнения, failurePhrase — маркер неудачи, verifyCommand — команда, которая запускается для проверки результата после каждого цикла.

3 Подключение к Claude Code

Плагин работает как прослойка: он запускает Claude Code, передаёт ему промпт, перехватывает stdout, анализирует ответ. Запускайте так:

npx wiggum --prompt "Refactor the auth module, add unit tests, ensure lint passes"

Если вы используете мультиагентную схему, как описано в статье «От одного агента к целой деревне: как построить саморазвивающуюся мультиагентную систему на Claude Code», плагин можно внедрить в каждого агента, отвечающего за конкретную подзадачу.

4 Запуск и мониторинг

После запуска плагин выводит лог каждой попытки с номером, временем выполнения и причинами неудачи:

Attempt 1/5: Running tests... FAIL (2 failing tests)
Attempt 2/5: Fixing test failures... PASS (verifyCommand returned 0)
DONE after 2 attempts, total time: 43s

Видно, что агент сам исправил ошибки — именно этого мы и добивались.

Реальные сценарии: где Ralph Wiggum рулит

• Рефакторинг легаси. Агент меняет код, линтер валится — цикл подсказывает исправить. Без плагина вы бы писали «исправь это» вручную.
• Генерация документации. Проверка орфографии, форматирование Markdown. Если агент пропустил битую ссылку — он исправит в следующей итерации.
• Coverage-driven development. Укажите минимальный порог покрытия в verifyCommand (например, jest --coverage --coverageThreshold='{"global":{"lines":80}}'). Ralph Wiggum будет гонять агента, пока покрытие не станет 80%+.
• Интеграция с CI/CD. Запускаете агента, он создаёт пул-реквест, проверяет сборку — и повторяет, пока pipeline не зелёный. Это уже production-кейс, описанный в статье «Claude Code в 2026: джедайский уровень».

Грабли, на которые наступил каждый

Ralph Wiggum — мощный, но тупой инструмент. Он не думает, он просто повторяет. И это порождает классические ошибки.

Как НЕ надо делать: пример антипаттерна

Вот типичный неправильный промпт, который ломает цикл:

npx wiggum --prompt "Fix all bugs" --max-attempts 100

Что пойдёт не так:

• Задача абстрактна — агент не понимает, когда остановиться.
• Нет verifyCommand — плагин будет считать любую попытку успешной.
• 100 попыток — это гарантированный банковский счёт в минус.

Правильная версия:

npx wiggum --prompt "Run eslint --fix on src/ and ensure zero errors" \
  --max-attempts 5 \
  --verify "eslint src/ --max-warnings 0"

Совмещение с handoffs и мультиагентными системами

Ralph Wiggum не обязан работать в одиночку. Если у вас несколько агентов, общающихся через handoffs (как в статье «Как организовать совместную работу нескольких Claude Code»), каждый агент может быть обёрнут в цикл Wiggum. Это даёт надёжность на уровне отдельных модулей.

Например, один агент пишет код, второй ревьюит, третий запускает e2e-тесты. Каждый из них использует Ralph Wiggum, чтобы гарантировать, что его подзадача выполнена, прежде чем передать эстафету дальше.

Частые вопросы

Итог: когда тупость — это стратегия

Ralph Wiggum — это не магия. Это костыль, который затыкает дыру в архитектуре агента. Но этот костыль работает. И работает отлично, потому что большинство ошибок LLM — не фатальные, а итеративные. Агент способен исправить их сам, если дать ему шанс.

Неочевидный совет: не используйте Ralph Wiggum для задач, где ошибка может быть незаметной. Например, для генерации SQL-запросов с финансовыми данными — лучше перепроверить вручную. Идеальная сфера применения — технический долг, тесты, стиль кода. Всё, что можно проверить скриптом.

А если хотите автоматизировать целый отдел — читайте про кейс 17 AI-агентов вместо отдела. Там Ralph Wiggum используется как стандартный контроллер качества для каждого агента.

Техника мемная, но прибыльная. Заходите на репозиторий, ставьте звёзды и не забывайте ограничивать попытки. Агент с тупым упорством доведёт задачу до конца — даже если вы уже ушли пить кофе.

Подписаться на канал