第 4 卷

20

对着这个输出逐条看，Ralph 的机制就清楚了。这个示例的目标一轮就能完成，所以只跑 1 轮就 complete 收手；多轮才看得到的机制，比如每轮换新、跨轮交接，输出里看不到，要看

脚本⻣架，每轮重开一个全新子 agent，把上一轮的 report 作为 previous 交接给下一轮：

传入什么：模型只传了目标（objective）和轮次上限（maxRounds）。

每轮一个全新子 agent：脚本每轮都开一个新子 agent，谁也不继承谁。为什么偏要全新？

因为让同一个子 agent 带着完整历史跑，上下文会越滚越大、越滚越杂、越跑越偏。

跨轮只靠两样：共享工作区 + 交接，并排看最清楚：

对比共享工作区交接

每轮传的结构化报告（status / summary / evidence 是什么共用的工作目录 cwd / nextSteps / blocker）

最后成功完成：这次第 1 轮就报了 complete，循环立刻收手，工具返回 Ralph worker

的循环判定，而非你逐轮手动决定。想亲眼看多轮接力，把目标设成一轮完不成的任务，或把 maxRounds 调到小于任务所需轮数、让轮次耗尽触发 budget-limited 终态即可。

Ralph 的核心：编排是写死在工具里的一段脚本，模型只传一个目标。无论目标换成什么，脚本都是同一个 for 循环，每轮派一个全新子 agent、靠共享工作区 + 交接跨轮，反复推进。

Workflow 与 Ralph：差异对比

里。前者每次重新生成，后者永远不变，变的只是 objective 和 maxRounds，表里其余维度都是这两条路各自的展开。

本讲小结

两种编排机制都建立在 16 讲的 subagent 之上：脚本里每一次 agent()，底层就是一次 subagent 委派，只是由一段脚本驱动，Workflow 的脚本是模型现写的、Ralph 的脚本是写

死的循环，而非模型逐轮手动委派。两者是并列、不是嵌套关系，能同时装上、模型按需调用。

Workflow 是模型驱动的动态编排策略：模型现场写脚本，用 agent() 原语派活、 parallel() / pipeline() 原语编排，灵活、通用；代价是依赖模型、每次不同难评审。

Ralph 是写死的固定策略：脚本写死在 RALPH_SCRIPT 里，模型只传 objective + maxRounds，每轮用 agent() 原语派一个全新子 agent；跨轮只靠两样：共享工作区（长

期记忆）+ 交接（报告传递），朝一个目标反复迭代，每轮干净重启，不会越跑越偏；代价是不能一次派多个子 agent 并行、完成只靠子 agent 自报（无独立评估）。

这背后真正的变化是，编排引擎统一封装：workflowEngine 把“怎么跑编排脚本”统一封装一次，Workflow / Ralph 共用这一套，不用各自重造。编排引擎与编排策略解耦：编排策略

（脚本）由工具决定，加新工具不用改编排引擎。

加上前面几讲，编排篇收口了：AgentLoop 让一个 agent 跑起来，Preset 定它的工具与人设，Goal 让它自己续跑，Subagent 让它委派子 agent，Workflow / Ralph 把多个子 agent

编排起来。

下一讲进入新的实战篇：构建规则自进化系统，从用 DSH 扩展点搭规则引擎开始，一路走到让 Agent 从异常请求里长出候选规则、评测确认后形成闭环。