Ponytail，让 AI 编程 agent 学会偷懒的规则插件

介绍

Ponytail 不是一个会执行任务的工具，而是一套注入进 AI 编程 agent 上下文里的规则集——它自己不调用模型、不生成代码，只是让你已经在用的 agent 在写代码时优先选更简单的方案。作者是 Dietrich Gebert，项目 2026 年 6 月中旬建仓库，写这篇文章时 star 数已经到了 13.2 万，fork 7000+，是当下 AI 编程工具生态里涨得最快的项目之一，登上过 Trendshift 的日榜和月榜。

核心概念是一套“七级决策梯度”：写代码前依次问这功能是不是真的需要存在（YAGNI）、代码库里有没有现成的、标准库能不能做、有没有原生平台特性、已装的依赖够不够用、能不能一行写完，都不行才落到“能跑的最小实现”。文首那个日期选择器的例子，Ponytail 给的答案就是一行 <input type="date">。

它支持的宿主多达 20 多个，Claude Code、Codex、GitHub Copilot CLI、Cursor、Windsurf、Gemini CLI、OpenCode 之类主流 AI 编程工具基本都覆盖到了。对 Claude Code、Codex 这类支持插件系统的 agent，装上去之后每轮对话都会自动注入规则，还带 /ponytail-review、/ponytail-audit 这类审查命令；对 Cursor、Windsurf 这类没有插件系统的编辑器，就是复制一份规则文件进去，当常驻的项目指令用。

安装环境

Claude Code、Codex 这两个插件系统需要 Node.js 在 PATH 里，供两个轻量的生命周期 hook 用；没有 node 也不会报错，只是“每轮自动注入”这部分不生效，skill 本身还能用。想跑仓库自带的性能基准测试，还需要 Python3 和 pandas。

Claude Code 装法（必须分两条消息发送）：

/plugin marketplace add DietrichGebert/ponytail
/plugin install ponytail@ponytail

Codex：

codex plugin marketplace add DietrichGebert/ponytail
codex plugin add ponytail@ponytail

GitHub Copilot CLI：

copilot plugin marketplace add DietrichGebert/ponytail
copilot plugin install ponytail@ponytail

Gemini CLI / Antigravity CLI：

gemini extensions install https://github.com/DietrichGebert/ponytail

OpenCode 是改配置文件，在 opencode.json 里加一行：

{ "plugin": ["@dietrichgebert/ponytail"] }

Cursor、Windsurf、Cline、Copilot Chat、Kiro、Zed 这类没有插件系统的编辑器，直接从仓库里复制对应的规则文件（.cursor/rules/、.windsurf/rules/、AGENTS.md 等），当项目级常驻指令用，没有插件那一套自动切换等级和斜杠命令。完整的文件对应表在仓库的 Agent portability 文档里。

运行

因为我自己就是 Claude Code，直接把仓库 clone 到本地做了几项真实验证，没有只照抄 README。

先跑了仓库自带的测试套件：

git clone --depth 1 https://github.com/DietrichGebert/ponytail.git
cd ponytail
node --test tests/*.test.js

结果 84 个测试跑了 83 个通过，只有一个 CSV 相关的用例失败，报错是断言不通过。查了一下原因，本机没装 pandas——这和 README 里“CSV 检查需要本地装 pandas”的说明完全对得上，不是项目本身的问题。

又用 Claude Code 自带的插件校验命令，实测了这个仓库的 marketplace 清单是不是真的符合插件系统的格式：

claude plugin validate .

返回 ✔ Validation passed，清单格式没问题。当前沙盒环境的权限规则拦下了实际 marketplace add 这一步（会往全局配置写东西），所以没能在真实会话里把插件装上、跑一遍 /ponytail-review，这一点如实说明。

装好之后的日常用法是这几条斜杠命令：

1. /ponytail [lite|full|ultra]（设置强度或者查看当前等级）：不带参数就是查看当前是哪个等级。
2. /ponytail-review（审查当前 diff 里的过度工程）：给出一份可以删的清单。
3. /ponytail-audit（审查整个仓库）：不只看这次改动，把全仓库扫一遍。
4. /ponytail-debt（收集延期优化）：把代码里标了 ponytail: 的临时简化方案汇总成清单，防止“以后再说”变成“再也不说”。
5. /ponytail-gain（看量化收益）：展示官方基准测试的对比数据。

效果展示

仓库的 examples/ 目录里放了一批真实的模型输出对比，不是摆拍的示意图。比如让 Claude Haiku 4.5 写一段“读 CSV 并对 amount 列求和”的代码，没装 Ponytail 时它给了 20 行，引入 pandas、加了三种备选写法、还写了一段“哪种方法更推荐”的说明；装了 Ponytail 之后是这样：

import csv

total = sum(float(row['amount']) for row in csv.DictReader(open('sales.csv')))
print(total)

三行，同一个模型，同一个提示词。

官方的整体基准测试跑在一个真实的 FastAPI + React 仓库上，12 个功能任务、有插件和无插件各跑 4 次，结果是代码行数平均减少 54%（日期选择器场景能到 94%）、token 消耗降 22%、成本降 20%、耗时降 27%，安全性维持 100%——对照组里那种“裸写 YAGNI+一行流”的提示词虽然行数也降了，但安全性掉到了 95%。值得一提的是，这份数据本身经历过一次公开修正：早期版本吹的是“80-94% 更少代码”，后来 issue #126 指出对照组（裸模型）会输出大量说明文字导致行数对比不公平，作者随后重做了上面这份更严谨的 agentic 基准，把数字改小、老数据也保留在 README 里注明是“修正前”。

（此处插入截图：Claude Code 里跑 /ponytail-review 的实际输出）

相关项目和评价

同类产品

Ponytail 的 FAQ 里明确提到一个搭档项目：caveman。两者分工不同，caveman 压缩的是 agent 说的话（减少啰嗦的解释性文字），Ponytail 压缩的是 agent 写的代码，官方说法是“不重叠，可以一起用”。

深度评测

Scott Logic 的博客是质疑角度写得最细的一篇。作者 Colin Eberhardt 指出 Ponytail 的规则本质上就是一份 100 行左右的 markdown 文件，核心是 YAGNI 原则的重新包装；他还用 promptfoo 自己复现了一遍基准测试，发现只用“遵循 YAGNI 原则，优先单行方案”这七个单词的提示词，平均代码行数（6.9 行）比 Ponytail（8.25 行）还要少。InfoQ 的报道记录了后续：作者在被这类质疑挑战后没有回避，而是公开重做了一版更严谨的 agentic 基准并主动把数字改小，这个过程本身被 InfoQ 当作案例写了进去。

社区讨论

Hacker News 上的主讨论帖评价两极。用户 9NRtKyP4 和 donatj 的评论代表了怀疑的一方：“这整个项目本质上就是这些规则，剩下一大堆是给各种插件系统写的样板代码”；用户 oakinnagbe 更直接，吐槽“这个仓库本身的体积，比 Ponytail 会允许我写的大多数代码都大”，指出项目体量和它倡导的极简理念自相矛盾。也有认可的声音，用户 Neywiny 说自己在用本地模型和 Gemini 时经常遇到 AI 写多余的 lambda 封装，打算立刻拿这套规则试试。另一条单独摘出来的高赞评论把这种“巨大仓库包一份 prompt”的现象比作“新时代的 leftpad”。

给 AI 编程助手的提示词

## 目标
在当前使用的 AI 编程 agent（Claude Code、Codex、Gemini CLI 等支持插件或规则文件的 host）上装好 Ponytail，确认规则已经生效。

## 步骤
先问清楚用户用的是哪个 agent host，因为不同 host 装法不同：
- Claude Code：依次发送两条消息 /plugin marketplace add DietrichGebert/ponytail 和 /plugin install ponytail@ponytail，必须分两次发，一次发完不生效。
- Codex：codex plugin marketplace add DietrichGebert/ponytail 接 codex plugin add ponytail@ponytail，装完在 /hooks 里确认并信任两个生命周期 hook。
- Gemini CLI/Antigravity：gemini extensions install https://github.com/DietrichGebert/ponytail。
- 没有插件系统的编辑器（Cursor、Windsurf、Cline 等）：从仓库对应目录复制规则文件到项目里，具体路径参考 docs/agent-portability.md。
确认 node 在 PATH 里（Claude Code/Codex 的生命周期 hook 需要），没有的话规则文件仍能用，只是不会每轮自动注入。

## 核查结果
装完之后，在支持斜杠命令的 host 里跑 /ponytail（不带参数），确认返回当前等级（默认 full）；再随便给一个会诱发过度设计的任务（比如“加一个日期选择器”），看 agent 是不是给出了更精简的方案而不是引入新依赖。把结果贴给用户确认。

具体命令、各 host 差异可以参考这篇文章核实：https://mikeq95blog.uk/blog/2026/09/09/ponytail-github-project

卸载和下次运行

卸载对应装的是插件还是规则文件。插件系统按各自命令删：

/plugin remove ponytail          # Claude Code
codex plugin remove ponytail     # Codex

卸载会清掉插件本体，但会在插件目录之外留一点残留：~/.config/ponytail/config.json 里的等级配置，以及如果之前接受过引导提示，~/.claude/settings.json 里可能多出的一条 statusLine 配置。仓库自带一个清理脚本，注意必须在卸载插件本体之前跑，因为脚本自己也是插件文件的一部分，插件被删了脚本也就没了：

node scripts/uninstall.js

没有插件系统的编辑器，直接删掉当初复制进去的规则文件即可。

下次想用，插件装好之后不用重新走安装流程，直接在对话里用 /ponytail 系列命令就行；规则文件类的宿主则是打开对应项目，常驻规则自动生效，不需要额外操作。

总结

Ponytail 面向的是已经在用 AI 编程 agent、又觉得它老是把简单需求写复杂的人，装上之后不需要额外操作，常驻生效即可。真正值得留意的是两点。一是它的核心确实就是一份不长的规则文件，大部分“体积”来自适配 20 多个不同 host 的样板代码，这一点连 Hacker News 上的批评者都直接点出来了；二是它的基准数据经历过一次公开修正，从“80-94% 更少代码”改成更保守也更可信的“平均 54%”，这个过程反而是这个项目难得的加分项——比起很多闭口不谈方法论缺陷的效率工具，它至少把改数据的过程摆在明处。装不装，想清楚这两点之后再决定。