Представляем плагин ralph-research. Я только что принял ralph-loop для реализации статей. Умопомрачительно, как хорошо это уже работает. Весь плагин был создан за один раз Claude Code, но он уже может кодировать концепции AI статей и проводить эксперименты в самоулучшающемся цикле. Дико!

Заметки: - На реализацию статьи ReAct потребовалось около 40 минут без каких-либо перерывов. - Были некоторые проблемы, но в процессе удалось разобраться, как их решить. Именно это делает ralph-loop чрезвычайно мощным. Он может исследовать решения и учиться на своих ошибках. Я бы сказал, что исследование, вероятно, является даже лучшим вариантом использования ralph, так как исследование требует много исследований. - Я тестировал на других новых статьях, и он справился хорошо, что дает мне надежду, что это можно реализовать более надежно. - Как вы можете видеть в видео, и как с любым LLM-управляемым, он будет испытывать трудности с использованием новых моделей, даже если вы дадите инструкции и API. Но это то, что можно легко исправить с помощью умного запроса. - Это не идеальный плагин, и он в основном предназначен для внутренних тестов. У меня все еще много вещей, которые нужно улучшить, прежде чем я смогу его выпустить, вместе с другими плагинами, от которых он зависит. Я поделюсь более подробной информацией, пока продолжаю работать над этими плагинами. Следите за обновлениями @omarsar0 Дайте мне знать ваши мысли и как это может быть полезно для вас.