$ loading_
通过工人模型执行与评审模型复核，迭代完成并批准开发任务。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"ralph-loop-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请使用 Ralph Loop 方式修复这个 Python 接口中的空指针错误：先由 worker 模型定位问题并提交修复方案，再由 reviewer 模型审查边界情况、潜在回归和代码风格，循环直到 reviewer 批准。代码如下：<粘贴代码>
产出经过多轮审查批准的修复方案、修改后代码及风险说明。
请用 Ralph Loop 为我实现一个 Node.js 登录限流中间件：worker 模型先编写代码和测试，reviewer 模型从安全性、性能与可维护性角度审查，未通过则继续迭代，直到批准为止。
产出完整功能代码、测试用例，以及逐轮审查后的最终批准版本。
请通过 Ralph Loop 审查并改进这份 Terraform 配置：worker 模型先提出优化与修正，reviewer 模型检查部署风险、最佳实践和可重复性，持续迭代直到通过。配置如下：<粘贴配置>
得到经交叉模型复核的 Terraform 优化方案、修改稿与审查结论。
检测智能编程流程中的重试循环与迭代模式，帮助定位问题并优化修复策略。
通过并行代码生成与审查编排，提升大模型开发与容错效率。
用双模型独立审查代码并汇总为统一评审报告
让 AI 代理通过连接设备实时提供正向或负向触觉反馈，并可配置反馈通道。
基于RFC编排多智能体开发流程，统一质量门禁与合并队列管理。
帮助 AI 代理以确定性编排循环完成任务拆解、子代理执行与结果复核。