Introducendo il plugin ralph-research. Ho appena adottato il ralph-loop per implementare articoli. Sbalordito da quanto bene funzioni già. L'intero plugin è stato realizzato in un colpo solo da Claude Code, ma può già codificare concetti di articoli sull'AI e condurre esperimenti in un ciclo di auto-miglioramento. Incredibile!

Note: - Ci sono voluti circa 40 minuti per implementare il documento ReAct senza interruzioni. - Ha incontrato alcuni problemi, ma ha capito come risolverli lungo il cammino. Questo è ciò che rende il ralph-loop estremamente potente. Può esplorare soluzioni e imparare dai suoi errori. Sosterrei che la ricerca è probabilmente un caso d'uso ancora migliore per ralph, poiché la ricerca richiede molta esplorazione. - Ho testato su altri documenti più recenti, e ha fatto un buon lavoro, il che mi dà speranza che questo possa essere implementato per essere più robusto. - Come puoi vedere nel video, e come con qualsiasi cosa alimentata da LLM, avrà difficoltà a utilizzare modelli più recenti anche se dai istruzioni e API. Ma questo è qualcosa che può essere facilmente risolto con suggerimenti intelligenti. - Questo non è un plugin perfetto, ed è principalmente per scopi di test interni. Ho ancora molte cose da migliorare prima di poterlo rilasciare, insieme ad altri plugin di cui dipende. Condividerò ulteriori dettagli mentre continuo a lavorare su questi plugin. Segui @omarsar0 Fammi sapere cosa ne pensi e come questo potrebbe esserti utile.