← 返回 Tony's Lab 网页由小虾生成 🦐

− repo review · 2026-10-21

Ponytail

让 AI agent 像屋里最懒的那个资深开发一样思考。他看完你五十行代码，什么也不说，换成一行。

发布于 2026-10-21 · 调研对象 v5.3.2

date-picker.tsx · before +337 −12

<input type="date"> 省下 325 行，功能一个不少 10行

GitHub stars

170,551

真正的规则文本

3.5KB

实测省下的代码

−15%

− 审阅 01 · 结论

它的本质是一份约 100 行的 prompt，加一大堆平台适配工程。数字经过一次公开翻车和重建——剩下的收益是真的，但只有宣传的四分之一到一半。

− 审阅 02 · 它怎么工作

不是“少写点”，是写之前先爬一遍阶梯

装的时候，往 agent 的上下文里注入一段规则：写任何代码之前，必须依次回答六个问题，取第一个能完整解决问题的答案。

这功能真的需要存在吗不需要就跳过，用一句话说明你跳了什么。模糊需求（“给我做个 X”）只做能完成核心工作的最小版本。
代码库里已经有了吗复用现有的 helper、组件、服务、模式，并且按周围代码的写法用。
标准库或平台原生能力能做吗项目自己有实现时优先项目自己的。自己家的组件赢过原生控件。
已装的依赖能做吗能做就用。绝不为了几行代码新增一个依赖。
能写成一眼看懂的一行吗能就一行。但需要解码的一行不算短。
都不是：写能工作的最小代码不加没人要的抽象、wrapper、类型转换、配置和“以后可能用得上”。删除优于新增。

三条硬约束让它不至于退化成偷工减料：信任边界的校验、防数据丢失的异常处理、安全、无障碍，永不在削减范围里；带分支、循环、解析器、金钱或安全的新逻辑，必须留一个小测试；每个回复结尾必须交代一句“我跳过了什么、没检查什么、有什么风险”。

故意留下的捷径要写成 shortcut: <限制>, <何时升级>，/ponytail-debt 会把这些收成债务台账，免得“以后再说”变成“永远不说”。档位分 lite / full / ultra，ultra 会反过来质疑需求本身。

− 审阅 03 · 数字

宣传 vs 独立实测：同一件事，四个数字

JetBrains 用 80 组配对任务、Claude Sonnet 5、自动评分基准，把 ponytail 和裸 agent 放在同一张桌子上跑了一遍。下面是 v4.8.4（他们测的版本）的宣传值，和实测中位数。

作者宣传独立实测中位数

代码量LINES WRITTEN

宣传

−54%

实测

−15%

成本USD / TASK

宣传

−20%

实测

−10.3%

耗时WALL CLOCK

宣传

−27%

实测

−11%

TokenOUTPUT

宣传

−22%

实测

无显著差异

条形按同一比例尺绘制（满格 = 宣传的 54%）。成本这一项 p=0.004，是同类工具里少见的扎实信号；但 80 组任务的样本量只够排除“大的质量退化”，不等于证明质量没变。

真正决定收益大小的是任务类型：大改造任务代码降 31%，本来就精简的任务几乎纹丝不动。它砍的不是“代码”，是过度设计。同一个系列里，caveman 宣传 −65% 实测 −8.5%，rtk 宣传 −60~90% 实测 +7.6%（更贵）——对比之下 ponytail 已经算诚实。

− 审阅 04 · 它翻过一次车

七个英文词，打败了整个仓库

这段历史比它省的代码更值得看，因为它是这一类“prompt 型工具”的通用剧本。

2026-06-12
发布，原始 benchmark 声称代码减少 80~94%
四个月冲到十七万星，是这个夏天增长最快的仓库之一。
2026-07
Scott Logic 的 CTO 把仓库拆开看
6,232 行的仓库里，真正有内容的是约 100 行 markdown，在复述 1990 年代的 YAGNI 原则；其余是各家插件系统的样板。
同一周
杀手实验：换成七个词，分数更高
“Follow YAGNI principles, and one-liner solutions”——在原 benchmark 上直接打赢了整个 ponytail。原因是原对照组 agent 太啰嗦，把基线数据灌了水。
2026-08
作者推倒重做 benchmark，公开认错
换成真实 FastAPI + React 仓库里的 headless 会话，按 git diff 计分；承认“94% 是单任务上限被当成平均数报了”，还自己披露了 harness 里的污染 bug（对照组也被偷偷注入了规则）。现在仓库带行为测试框架和可复现路径。
2026-10
v5 重新报数：−53% 代码 / −26% 成本
同时补上“98% 高风险逻辑带测试”（不装只有 68%）这类过程指标，而不是只报省钱。

− 审阅 05 · 装之前该知道的

四个会让人白折腾的点

PITFALL / 01

不装插件，等于没装

把 SKILL.md 丢进 skills 目录、让模型自己决定用不用——10 次试验里自激活 0 次。必须走 plugin + SessionStart hook 强制注入，才有可测量的效果。

PITFALL / 02

它要求写的记录，模型不写

规则要求用 shortcut: 标注故意留下的技术债，80 次试验里只照做了 1 次。阶梯会被遵守，台账没人填。

PITFALL / 03

23MB 的仓库，11MB 是图

45 个 JS 文件基本是各家 IDE/CLI 的 hook 适配层，真正的“思想”就是那 100 行。HN 上有人说这是“prompt 界的 leftpad”——不算冤枉，但适配层确实让它到处能用。

PITFALL / 04

只从官方源装

README 自己声明：只在 GitHub DietrichGebert/ponytail 或 npm @dietrichgebert/ponytail 发布，从不带 .exe / .dll，带了就是假货。hook 每次会话跑 node 脚本，本地读写 ~/.config/ponytail/，无外连遥测。

− 审阅 06 · 值不值得装

当行为矫正器用，别当省钱神器

适合

agent 动不动给你造抽象层、加依赖、写三百行你只要十行
多人共用同一个 agent，想统一“别过度设计”的口味
老项目、烂代码多，需要它先读现有实现再动手

不适合

代码库本来就很克制，收益接近零
你需要的是更保守、更啰嗦、更多兜底的输出——它就是反方向
只想省钱：真实折扣大约一两成，还要算上安装和维护成本

真正值钱的不是 YAGNI，是这三条

先读后写——阶梯强制它在动手前把调用方、测试、fixture、配置都数一遍。
不可削减清单——校验、防数据丢失、安全、无障碍被明确写进“永远不砍”，这比任何“写得简洁点”的嘱咐都管用。
结尾必须交代跳过了什么——直接对抗 agent 最坏的习惯：假装什么都做完了。

− 附 · 怎么装

Claude Code / Codex 两条命令

# Claude Code
/plugin marketplace add DietrichGebert/ponytail
/plugin install ponytail@ponytail

# Codex：装完打开 /hooks，信任它的两个生命周期钩子，再开新会话
codex plugin marketplace add DietrichGebert/ponytail
codex plugin add ponytail@ponytail

# 其它宿主（Cursor / Copilot / Gemini / OpenCode…）：
# 把 AGENTS.md（32 行精简版）拷进项目，
# 或让 agent 把 skills/ponytail/SKILL.md 装成 skill

装完先跑一周再判断：看它砍掉的到底是过度设计，还是你其实需要的东西。