介紹 ralph-research 插件。 我剛剛採用了 ralph-loop 來實現論文。 這個效果真是讓人驚訝。 整個插件是由 Claude Code 一次性完成的，但它已經可以編寫 AI 論文概念並在自我改進的循環中運行實驗。 太瘋狂了！

注意事項： - 實施 ReAct 論文大約花了 40 分鐘，沒有任何中斷。 - 遇到了一些問題，但它在過程中找到了如何解決這些問題的方法。這就是 ralph-loop 極其強大的原因。它可以探索解決方案並從錯誤中學習。我認為研究可能是 ralph 更好的用例，因為研究需要大量的探索。 - 我已在其他較新的論文上進行測試，表現良好，這讓我對它能夠實施得更穩健充滿希望。 - 正如你在視頻中所見，與任何 LLM 驅動的東西一樣，即使你給出指示和 API，它也會在使用較新模型時遇到困難。但這是可以通過巧妙的提示輕鬆解決的問題。 - 這不是一個完美的插件，主要是用於內部測試目的。在我能夠釋放它之前，還有許多需要改進的地方，以及它所依賴的其他插件。 隨著我繼續開發這些插件，我會分享更多細節。請關注 @omarsar0 讓我知道你的想法，以及這對你有什麼用。