FlavioBlogNotes

L’AI è un sistema  “deterministicamente difettoso in un mondo non deterministico”

Nel panorama attuale dell’intelligenza artificiale, molti strumenti promettono di scrivere codice, ma pochi riescono a gestire la complessità di un intero progetto in autonomia. Ralph non è solo un nuovo strumento; è una tecnica definita dal suo creatore, Geoffrey Huntley, come un “loop di agenti AI autonomi” progettato per iterare fino al completamento totale di un progetto.

Cos’è Ralph? La “Bellezza” di un Ciclo Bash

Nella sua forma più pura, Ralph è sorprendentemente semplice: un ciclo Bash (come while :; do ... done) che richiama ripetutamente strumenti di codifica come Claude Code (che adoro!).

La filosofia dietro questo approccio è affascinante: Huntley descrive Ralph come “deterministicamente difettoso in un mondo non deterministico”. Cosa significa? Significa che l’AI commetterà inevitabilmente errori; e questi errori saranno (deterministicamente) sempre gli stessi. Pertanto, possono essere identificati e risolti. Come? Nel ‘classico’ modo a cui siamo abituati: affinando i prompt e le istruzioni fino a raggiungere quella che per noi è la perfezione.

Come Funziona: Il Potere del Contesto Pulito

Il Context, in una ‘conversazione’ con l’AI, è uno dei fattori determinanti nel processo di produzione di risposte valide da parte dell’IA stessa. Un finestra di contesto molto lunga, porta a quello che viene definito Drifting, ovvero il degrado della correttezza nelle risposte.

Ralph opera secondo il principio della “Fresh Instance”:

• Iterazioni a Contesto Pulito: Ogni ciclo avvia una nuova istanza dell’AI con un contesto completamente vuoto.
• Memoria Persistente: La memoria tra un ciclo e l’altro non risiede nella chat, ma nel mondo reale: nella cronologia di git, nel file progress.txt e nello stato del file prd.json.
• Eventual Consistency: Il sistema non cerca la soluzione perfetta al primo colpo, ma punta a una “consistenza finale” attraverso piccoli passi incrementali e verificabili.

Il Flusso di Lavoro: Dal PRD al Codice Prodotto

L’efficacia di Ralph risiede nel suo workflow rigoroso:

1. Generazione del PRD (Product Requirement Document): Si utilizza una “skill” specifica per creare un documento di requisiti dettagliato.
2. Conversione in JSON: Il PRD viene trasformato in un file prd.json che funge da lista di controllo per l’AI.
3. Esecuzione del Loop: Ralph seleziona la storia utente documentata nel file prd.json con la priorità più alta, la implementa, esegue test di qualità (come typecheck e test unitari) e, se passano, effettua un commit.
4. Apprendimento Continuo: Dopo ogni ciclo, Ralph aggiorna il file AGENTS.md con le lezioni apprese, garantendo che le iterazioni successive non ripetano gli stessi errori.

Perché Funziona? (E Quando Fallisce)

Il segreto del successo di Ralph sta nella granularità. I task devono essere piccoli: aggiungere una colonna al database o un componente UI è perfetto; “costruire l’intera dashboard” è un errore che porta al fallimento.

Suddividere un problema complesso in piccole entità atomiche è un processo di una certa complessità, tema di quella materia che all’università adoravo: l’Ingegneria del Software.

Conclusione

Ralph, come metodologia, risulta essere molto interessante. Ma una delle sue caratteristiche mi porta a pensare attentamente: “Apprendimento Continuo: Dopo ogni ciclo, Ralph aggiorna il file AGENTS.md con le lezioni apprese, garantendo che le iterazioni successive non ripetano gli stessi errori.”
Mi interrogo: iniziamo a vedere AI che si autoevolvono?

---

Nota: Questo articolo è basato sulle fonti tecniche di Ralph e sulle riflessioni di Geoffrey Huntley.

#codinglikeacoder