th-ralph-evo
Skill1 starsChanged 8 months agoMITView on GitHub
Ralph Evolution - 自动化闭环开发系统 整合 decision-record、bug-analyzer、prd-to-code、prd-evolution 和 ralpha 形成自驱动开发工作流：决策→调研→PRD→代码→测试→Bug分析→优化
In this repository40 other files it gives its agents.
- ralphSkill
- prdSkill
- th-prd-driven-dev-workflowSkill
- th-ralph-evoSkill
- th-ralphSkill
- th-workflow-decision-engineSkill
- agent-factorySkill
- arch-linuxSkill
- article-writingSkill
- browser-useSkill
- code-reviewSkill
- decision-recordSkill
- githubSkill
- knowledge-hubSkill
- long-doc-generatorSkill
- long-running-agentSkill
- th-model-compare-searchSkill
- newapi-cliSkill
- orchestratorSkill
- playwright-cliSkill
- prd-evolutionSkill
- prd-to-codeSkill
- prompt-expertSkill
- prompt-optimizerSkill
- puppeteer-cliSkill
- ralphSkill
- prdSkill
- requirement-to-prdSkill
- site-analyzerSkill
- skill-creatorSkill
- skill-stocktakeSkill
- src-linkSkill
- th-bug-analyzerSkill
- th-deep-coder2Skill
- th-deep-coderSkill
- th-enterprise-test-agentSkill
- gitnexus-assistantSkill
- th-ralphSkill
- unified-searchSkill
- web-fetchSkill
The file
Files
SKILL.md
Ralph Evolution - 自动化闭环开发系统
角色: 智能开发编排中枢 核心价值: 从需求到代码的自动化闭环，持续迭代优化 版本: v1.0 (Multi-Agent Orchestrator)
系统架构
┌─────────────────────────────────────────────────────────────────────────────┐
│ Ralph Evolution 自动化闭环 │
└─────────────────────────────────────────────────────────────────────────────┘
[输入层] [处理层] [输出层]
┌──────────┐ ┌──────────────┐ ┌────────────┐
│决策记录 │─────────────▶│ 中央编排器 │──────────▶│ PRD 文档 │
│decision │ │Orchestrator │ │tree.md │
│-record │ └──────┬───────┘ └────────────┘
└──────────┘ │
│ ▼
│ ┌────────────────┐
│ │ th-deep-coder2 │
│ │ 深度调研 │
│ └───────┬────────┘
│ │
▼ ▼
┌────────────────────────────────────────────────────────────┐
│ 自动化执行引擎 │
├────────────────────────────────────────────────────────────┤
│ ┌──────────────┐ ┌──────────────┐ ┌────────────────┐ │
│ │ prd-evolution│──▶│ prd-to-code │──▶│ ralpha │ │
│ │ 版本管理 │ │ 多代理实现 │ │ worktree管理 │ │
│ └──────────────┘ └──────────────┘ └────────────────┘ │
│ │ │
└───────────────────────────────────────────────────┼─────────┘
▼
┌─────────────────────────────────────────────────────────────┐
│ 质量保障层 │
├─────────────────────────────────────────────────────────────┤
│ ┌──────────────┐ ┌──────────────┐ ┌─────────────────┐ │
│ │ 自动化测试 │──▶│ th-bug │──▶│ 反馈至决策层 │ │
│ │ │ │ -analyzer │ │ (闭环优化) │ │
│ └──────────────┘ └──────────────┘ └─────────────────┘ │
└─────────────────────────────────────────────────────────────┘核心概念
1. 决策驱动开发 (Decision-Driven Development)
用户输入 (零散需求/抱怨)
│
▼
┌────────────────────┐
│ decision-record │ ← 自动触发，无需等待用户完整描述
│ 需求演进与追踪 │
└────────┬───────────┘
│
▼
┌────────────┐
│ 功能主题 │ ← AI主动归纳主题
├────────────┤
│ 1级解读 │ ← 表面层方案
│ 2级解读 │ ← 系统层方案
│ N级解读 │ ← 深层剖析
│ 本地意见 │ ← 代码库分析
│ 外部意见 │ ← 多模型聚合
│ 最终方案 │ ← 用户确认
└─────┬──────┘
│
▼
┌────────────┐
│ PRD 生成 │ ← 自动转换为 PRD
└────────────┘2. 自动化触发机制
触发条件:
decision_record:
- 文件变更监听: ~/src/docs/decisions/*.md
- 状态变化: 草稿 → 已确认
- 自动动作: 启动 deep-coder2 调研
prd_evolution:
- PRD 状态: 已确认 → 待实现
- 自动动作: 创建 prd-to-code 团队
ralpha:
- PRD 就绪信号
- 自动动作: 创建 worktree 并行开发
bug_analyzer:
- 测试失败信号
- 代码覆盖率低于阈值
- 自动动作: 分析影响并修复3. 闭环反馈
┌────────────────────────────┐
│ 用户确认 │
└────────────┬───────────────┘
│
┌────────────────┼────────────────┐
│ ▼ │
│ ┌──────────────┐ │
│ │ PRD 实现 │ │
│ └──────┬───────┘ │
│ │ │
│ ▼ │
│ ┌──────────────┐ │
│ │ 自动化测试 │ │
│ └──────┬───────┘ │
│ │ │
▼ ▼ ▼
┌────────────────────────────────────────┐
│ 质量评估节点 │
├────────────────────────────────────────┤
│ 测试通过? → 覆盖率>90%? → 安全扫描? │
│ │ │ │ │
│ ▼ ▼ ▼ │
│ [是] [是] [通过] │
│ │ │ │ │
│ └───────────┴───────────┘ │
│ │ │
│ ▼ │
│ ┌──────────────┐ │
│ │ 完成闭环 │ │
│ └──────────────┘ │
│ │
│ 任一检查失败: │
│ │ │
│ ▼ │
│ ┌──────────────┐ │
│ │ bug-analyzer │ ← 自动分析影响 │
│ │ 分析修复 │ 生成修复方案 │
│ └──────┬───────┘ │
│ │ │
│ ▼ │
│ 更新 PRD / 创建热修复 worktree │
│ │ │
│ └───────────────────────────┘
│ │
│ ▼
│ 回到开发阶段
└────────────────────────────────────────┘工作流程
Phase 1: 启动自动化开发
用户输入:
启动自动化开发 - 用户认证模块系统自动执行:
1. 检查决策记录
├── 读取 ~/src/docs/decisions/INDEX.md
├── 查找相关决策记录
└── 若无，询问是否创建
2. 检查 PRD 状态
├── 读取 prd-evolution tree.md
├── 确认是否有待实现 PRD
└── 若无，从 decision-record 生成
3. 启动深度调研 (可选)
├── 触发 th-deep-coder2
├── 收集技术方案
└── 整合到 PRD
4. 创建实现团队
├── 使用 orchestrator 创建团队
├── 根据 PRD 技术栈选择代理类型
└── 分配 worktree
5. 启动可视化面板
└── 打开 dashboard 显示实时状态Phase 2: 并行开发执行
┌─────────────────────────────────────────────────────────────┐
│ 多代理并行执行 │
├─────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Worktree 1 │ │ Worktree 2 │ │ Worktree N │ │
│ │ 数据层 │ │ 逻辑层 │ │ UI 层 │ │
│ │ │ │ │ │ │ │
│ │ data-agent │ │ logic-agent │ │ ui-agent │ │
│ │ (并行) │ │ (等待data) │ │ (并行) │ │
│ └──────┬──────┘ └──────┬──────┘ └──────┬──────┘ │
│ │ │ │ │
│ └────────────────┼────────────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────┐ │
│ │ test-agent │ │
│ │ (TDD 驱动) │ │
│ └──────┬──────┘ │
│ │ │
│ ▼ │
│ ┌────────────────────────────────────────────┐ │
│ │ 质量检查: security-reviewer + code-reviewer │ │
│ └────────────────────────────────────────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────┐ │
│ │ 自动化测试 │ │
│ └──────┬──────┘ │
│ │ │
└──────────────────────────┼─────────────────────────────────┘
│
┌────────────┴────────────┐
▼ ▼
[测试通过] [测试失败]
│ │
▼ ▼
┌──────────┐ ┌──────────────┐
│ 合并代码 │ │ bug-analyzer │
│ 标记完成 │ │ 分析并修复 │
└──────────┘ └──────────────┘
│
▼
更新 PRD / 重试Phase 3: Bug 分析与闭环
测试失败触发:
1. bug-analyzer 分析
├── 读取测试失败日志
├── 使用 GitNexus 分析影响范围
├── 定位根因
└── 生成修复方案
2. 决策分支
├── 若影响小: 直接修复
├── 若影响大: 创建 decision-record 讨论
└── 若需架构调整: 更新 PRD-evolution
3. 自动修复执行
├── 创建 hotfix worktree
├── 实施修复
├── 回归测试
└── 合并或废弃
4. 学习记录
├── 记录 bug 模式到知识库
├── 更新测试用例
└── 反馈到 decision-record可视化面板
Dashboard 组件
┌──────────────────────────────────────────────────────────────────────┐
│ Ralph Evolution 实时监控面板 │
├──────────────────────────────────────────────────────────────────────┤
│ │
│ [决策状态] [PRD 版本树] [团队状态] │
│ ┌────────────┐ ┌──────────────┐ ┌──────────┐ │
│ │ 活跃决策 │ │ prd-v1.0 │ │ 运行中 │ │
│ │ 5个 │ │ ├──feature-A│🔵 │ 3/5 │ │
│ │ 待确认 │ │ ├──feature-B│🔵 │ │ │
│ │ 2个 │ │ └──feature-C│🟡 │ 空闲 │ │
│ └────────────┘ └──────────────┘ │ 2/5 │ │
│ └──────────┘ │
│ [当前 Worktrees] [测试状态] [Bug 分析] │
│ ┌────────────────┐ ┌──────────────┐ ┌──────────┐ │
│ │ auth-layer │ │ 单元测试 │ │ 待分析 │ │
│ │ ├── data │✅ │ 98% ✅ │ │ 0 │ │
│ │ ├── logic │🏃 │ │ │ │ │
│ │ └── ui │✅ │ 集成测试 │ │ 已修复 │ │
│ │ │ │ 85% ⚠️ │ │ 3 │ │
│ │ payment-layer │ │ │ │ │ │
│ │ ├── data │✅ │ E2E 测试 │ │ 复现中 │ │
│ │ └── logic │✅ │ 12/15 ✅ │ │ 1 │ │
│ └────────────────┘ └──────────────┘ └──────────┘ │
│ │
│ [影响分析] │
│ ┌──────────────────────────────────────────────────────────────┐ │
│ │ 最近变更: auth-layer/data/models/user.ts │ │
│ │ 影响范围: d=1 (3个文件) | d=2 (8个文件) | 风险: MEDIUM │ │
│ └──────────────────────────────────────────────────────────────┘ │
│ │
│ [系统日志] │
│ 2026-03-23 14:30:15 [INFO] Worktree 'auth-layer' 测试通过 │
│ 2026-03-23 14:28:02 [WARN] payment-layer 集成测试覆盖率低于90% │
│ 2026-03-23 14:25:44 [INFO] decision-record '性能优化' 已确认 │
│ │
└──────────────────────────────────────────────────────────────────────┘交互命令
| 命令 | 说明 |
ralph-evo dashboard | 启动实时监控面板 |
ralph-evo status | 查看当前状态摘要 |
ralph-evo pause | 暂停自动化流程 |
ralph-evo resume | 恢复自动化流程 |
ralph-evo reset | 重置状态（保留历史） |
文件结构
~/.claude/skills/th-ralph-evo/
├── SKILL.md # 本文件
├── scripts/
│ ├── orchestrator.mjs # 中央编排器 (核心)
│ ├── dashboard.mjs # 可视化面板
│ ├── decision-monitor.mjs # 决策文件监控
│ ├── prd-sync.mjs # PRD 状态同步
│ └── bug-analyzer-bridge.mjs # Bug分析桥接
├── templates/
│ └── workflow-config.yaml # 工作流配置模板
└── docs/
└── architecture.md # 架构详细设计集成说明
与现有技能的关系
decision-record (需求输入)
│
▼ 自动触发
th-deep-coder2 (深度调研)
│
▼ 数据流入
prd-evolution (版本管理)
│
▼ 状态变更触发
prd-to-code (多代理实现)
│
▼ 工作分配
ralpha (worktree管理)
│
▼ 质量反馈
th-bug-analyzer (Bug分析)
│
└───────┐
▼
反馈至决策层 (闭环)配置示例
# workflow-config.yaml
workflow:
name: "用户认证模块开发"
triggers:
decision_record:
path: "~/src/docs/decisions/user-auth.md"
auto_investigate: true
prd:
id: "prd-user-auth-v1"
auto_create: true
evolution:
enable_version_tree: true
team:
type: "multi-agent"
workers:
- name: "data-agent"
layer: "data"
model: "typescript-reviewer"
- name: "logic-agent"
layer: "logic"
model: "typescript-reviewer"
- name: "ui-agent"
layer: "ui"
model: "typescript-reviewer"
- name: "test-agent"
layer: "test"
model: "tdd-guide"
quality_gates:
test_coverage: 90
security_scan: true
code_review: true
feedback:
auto_bug_analyze: true
create_decision_on_failure: true快速开始
1. 启动一个完整的自动化开发流程
# 启动 Ralph Evolution
ralph-evo start --project user-auth --from-decision
# 或从现有 PRD 开始
ralph-evo start --project user-auth --from-prd prd-user-auth-v12. 在 Claude Code 中使用
用户: 启动自动化开发 - 实现用户认证系统
AI:
1. 读取 decision-record 中关于用户认证的决策
2. 检查 PRD 状态
3. 启动深度调研 (询问用户是否进行)
4. 创建多代理团队
5. 打开可视化面板
6. 开始并行开发注意事项
- 自动 vs 手动: 系统支持全自动化和半自动化模式，关键节点会询问用户确认
- 资源管理: 自动清理已完成的 worktree，监控磁盘使用
- 错误处理: 遇到关键错误时暂停，生成决策记录供用户审阅
- 学习积累: Bug 分析结果自动记录到知识库，避免重复问题
最后更新：2026-03-23 | 版本：v1.0 (自动化闭环系统)
Does it work?
Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.
No reviews yet
People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.
- It worked
- Partly
- It didn't
Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.
Your trail
Files you open will collect here, so you can find them again.
Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.
Now do this for your own.
Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.