Ralph for Codex：为OpenAI Codex添加结构化交付循环

OpenAI Codex作为强大的AI编程助手，在处理大型任务（如完整功能实现、多文件修改、PRD驱动的迭代任务）时，其一次性交互模式存在局限。Ralph是一款为Codex设计的增强型自主代理框架，通过PRD驱动的结构化开发工作流（包括任务图规划、上下文预算执行、验证门禁和状态持久化），为Codex提供更好的编排结构，核心哲学是"Codex做执行，Ralph做编排"，目标是提升复杂任务的完成率和可预测性。

OpenAI Codex擅长即时代码编辑和快速回答，但面对功能级开发、跨多轮迭代的PRD任务、需要显式验证或状态恢复的高风险工作时，其线性一次性流程难以应对。Ralph正是为解决这些问题而生，它保留了原始Ralph的核心思想（持久状态、有界工作、新鲜执行、完成压力），但围绕Codex重新设计结构，使其成为产品级工具。

Ralph的关键功能包括：1. 项目级状态持久化（.ralph/目录下的state.json、tasks.json、progress.md等文件记录状态和任务图）；2. 上下文预算管理（防止任务范围蔓延，阻塞过宽任务并推回规划阶段）；3. 验证作为硬性门禁（执行验证命令，存储证据，根据结果分支处理：成功继续、重试或阻塞）；4. 智能路由（基于意图和状态将提示路由到plan/run/verify/status等命令）。

Ralph适合功能级/PRD驱动开发、迭代任务、需要验证的重要工作、高风险需状态恢复的任务、适合拆分的有界任务。使用方式包括：全局安装（npm install -g @openai/codex openai-ralph-codex）、日常使用（钩子自动路由相关提示，如"规划这个功能""继续阻塞的工作"等）、项目初始化（ralph init生成.ralph目录，ralph plan生成任务图），支持新项目从头开始或现有项目中途引入。

Ralph将PRD转化为包含重试计数、依赖信息、上下文文件、估计负载、拆分建议等元数据的任务图（tasks.json），调度器选择适合当前上下文预算的任务。示例工作流：1. 新项目：用户提示创建PRD→引导生成.ralph目录→生成PRD和任务图→执行；2. 恢复阻塞工作：加载状态→查看阻塞原因→选择恢复或重新规划。

Ralph for Codex是原始Ralph模式的Codex原生改进版，保留核心优势的同时优化了结构（项目本地状态、PRD→任务图、磁盘持久化证据、显式重试/阻塞/恢复行为等）。它展示了AI编程辅助的务实演进方向：不为取代Codex，而是在需要时添加结构。随着AI工具向功能交付演进，类似Ralph的编排层可能成为标准工具链的一部分。项目GitHub地址：JungyuOO/openai-ralph-codex。