Программирование по методу Ральфа Виггама: Цикл прост. Промпты — это всё.

Если вы недавно заглядывали в Twitter разработчиков ИИ, то наверняка видели это: подход к программированию по методу Ральфа Виггама.

Названный в честь персонажа из «Симпсонов», который никогда не перестаёт пытаться, несмотря на постоянные неудачи, этот метод обезоруживающе прост. Запускайте ИИ-агента для программирования в цикле. Пусть терпит неудачу. Пусть пробует снова. Продолжайте, пока не получится или не будет достигнут лимит.

Результаты впечатляют. Джеффри Хантли, который первым применил этот подход, выполнил контракт на $50 000 за $297 расходов на API. Борис Черни, создатель Claude Code, сделал 259 пул-реквестов за 30 дней, каждая строка написана ИИ. Anthropic выпустила официальный плагин.

Вирусные посты фокусируются на цикле. На bash-скрипте. На ночной автоматизации.

Они упускают суть.

Цикл тривиален

Вот весь метод целиком:

while :; do cat PROMPT.md | claude ; done

Вот и всё. Вы можете написать это за тридцать секунд.

Так почему одни разработчики получают трансформационные результаты, а другие сжигают кредиты API, наблюдая, как агент крутится в кругу?

Ответ не в цикле. А в том, чем вы его кормите.

Качество промптов — это настоящий ключ к успеху

Официальная документация говорит об этом прямо: «Успех с Ralph зависит от написания хороших промптов, а не только от хорошей модели».

Большинство обзоров останавливается на «будьте конкретны» и «включайте критерии завершения». Это азы. Разработчики, получающие серьёзные результаты, работают на другом уровне.

Рассмотрим:

Промпт, который провалится:

Создай API для задач и сделай его хорошим.

Промпт, который работает:

/ralph-wiggum:ralph-loop "Реализовать REST API для элементов задач.

Требования:
- CRUD эндпоинты для задач
- Валидация входных данных для всех полей  
- Обработка ошибок с правильными HTTP статус-кодами

Критерии успеха:
- Все эндпоинты отвечают корректно
- Тесты проходят с покрытием >80%  

После 15 итераций, если не завершено:
- Документировать блокирующие проблемы
- Перечислить попробованные подходы

Выводить <promise>COMPLETE</promise> когда готово." --max-iterations 30

Второй промпт делает три вещи, которых нет в первом: он ясно определяет успех, говорит агенту, как проверить свою работу, и включает инструкции для полезного провала.

Последняя часть отделяет хорошие промпты от отличных.

Иерархия качества промптов

После запуска этих циклов в нескольких проектах я думаю о качестве промптов в трёх уровнях:

Уровень 1: Критерии завершения. Агент знает, когда остановиться. Большинство людей достигает этого.

Уровень 2: Самопроверка. Агент может проверить свою собственную работу. Борис Черни называет это «вероятно, самым важным». Дайте Claude способ проверить свой результат, и качество удваивается.

Уровень 3: Восстановление после сбоев. Промпт включает что делать, когда застрял. Не просто «попробуй ещё раз», а диагностические шаги, альтернативные подходы и грациозную деградацию. Здесь находится настоящий рычаг, и почти никто об этом не говорит.

Большинство неудач происходит, потому что промпты работают для счастливого пути, но не имеют стратегии восстановления. Агент застревает, крутится 50 итераций и не производит ничего полезного.

Хорошо спроектированный промпт рассматривает неудачу как информацию. Вместо потери двух часов вы теряете два часа с чем-то, что можно показать.

Парадоксальная истина

Вот о чём не упоминают вирусные посты: впихивание большего количества деталей в ваш промпт часто делает всё хуже.

Исследования показывают, что оптимальное использование контекста составляет 40-60%. Выйдите за эти пределы, и производительность модели деградирует во всём, не только в новых инструкциях.

Практики, получающие стабильные результаты, держат свои промпты компактными. Они говорят Claude, как найти информацию, а не набивают всё заранее. Они разбивают большие задачи на меньшие циклы.

Больше деталей кажется большим контролем. С LLM есть точка, где больше деталей становится меньшими возможностями.

Куда это ведёт

Вот во что я верю: мы находимся в самом начале понимания того, как работать с этими системами.

Прямо сейчас большинство людей думает, что узким местом является способность модели. Это не так. Узким местом является наша способность передавать намерения достаточно ясно, чтобы машина могла действовать на их основе автономно. Это навык. И как любой навык, люди, которые развивают его рано, будут иметь огромное преимущество.

Техника Ральфа Виггама — это окно в то будущее. Не потому, что цикл умён, а потому, что он безжалостно показывает, действительно ли ваши промпты хороши. Каждая неудачная итерация — это обратная связь. Каждый успешный запуск — это доказательство того, что вы научились думать так, как могут выполнять машины.

Разработчики, рассматривающие это как трюк с bash-скриптом, упускают более значительный сдвиг. Те, кто рассматривает это как новую дисциплину для сотрудничества человека и машины, собираются создать вещи, которые остальные из нас пока не могут представить.

Цикл прост. Промпты — это всё.

---

Мы используем эти техники для ускорения разработки в нескольких проектах. Если вы работаете над похожими задачами, свяжитесь с нами.