github每日一库：DietrichGebert/ponytail

让 AI 代理像“最懒的资深工程师”一样写代码：Ponytail 实测代码量减半，安全性反而更高
如果你用 Claude Code、Codex 或 Cursor 写过稍微复杂一点的功能，大概经历过这样的场景：你只想要一个日期选择器，AI 却给你装了一个日期库，或者手搓了一个完整日历组件，洋洋洒洒三百多行。代码能跑，但你心里清楚：这里面大部分东西，你根本不需要。

Ponytail 就是冲着这个问题来的。它的口号直白得近乎挑衅：“让 AI 代理像房间里最懒的资深工程师一样思考。 ”

它解决的不是“AI 写不出代码”，而是“AI 写太多代码”
2026 年的编码代理已经足够能干，但“能干”本身正在制造新的负担。AI 倾向于把每一个需求都当作从零开始的工程问题：引入新依赖、新建抽象层、铺开完整的错误处理和状态管理。结果就是代码库越写越厚，审查成本越来越高，真正需要改的时候反而更难动。

Ponytail 的切入点非常具体。它不是一个模型，也不是一个 IDE 插件，而是一个编码代理 Skill——通过 Hook 机制在代理执行前后注入行为约束。它的核心规则只有一条：先看已经有什么，再决定写什么。

README 里有一个很典型的例子。你让代理加一个日期选择器。没有 Ponytail 时，代理会装一个日期库，或者从零手写一个日历，输出 335 行。有 Ponytail 之后，代理先扫了一眼仓库，发现项目里已经有一个 Input 组件，而浏览器本身就自带原生日期选择器。把两者接在一起，10 行搞定。

数据：代码少了，但该有的一个没少
Ponytail 5 在 Claude Code 上做了一组基准测试：39 个任务，包含一个真实的 FastAPI + React 仓库，Opus 5.5，每个任务跑 5 次。结果如下：

指标    变化
代码量    −53%
完成时间    −41%
成本    −26%
Token 消耗    −45%
如果只看这几行，很容易把它误解成“又一个教 AI 偷懒的工具”。但真正的信号在下面：高风险逻辑附带测试的比例，从 68% 提升到了 98%；在 6 个安全相关任务（SQL 注入、路径遍历、伪造 token、速率限制、畸形 CSV 行、缓存）的全部 30 次运行中，Ponytail 全部通过。

换句话说，Ponytail 砍掉的是不必要的代码，而不是校验、错误处理、安全边界和可访问性。它的规则从来不是“用最少的 token”，而是“只写任务需要的东西”。代码之所以变少，是因为很多代码从一开始就不该被写出来。

不只是“写的时候省”，还有审查和审计
Ponytail 5 把能力从“编码时约束”延伸到了“审查时把关”。

/ponytail-review 不再只盯着“哪里可以删代码”。它现在会读你的改动所触及的上下文，而不只是 diff，然后检查 bug、安全、真实负载下的表现、缺失的测试、速度，以及哪些部分可以砍掉。每条发现都会说明：这段代码在做什么、哪里会出问题、怎么修、不修会怎样。

/ponytail-audit 则把同一套逻辑铺到整个仓库。它会先画出代码地图：入口在哪里、数据怎么流动、项目预期承受多大的负载，然后给出按优先级排序的修复清单，而不是像旧版那样只列“可以删什么”。

在 Claude Code 2.1.290 及以上版本中，Ponytail 还会在提示框上方显示一条轻量状态栏，实时告诉你当前任务花了多少钱、用了多少 token 和代理时间、复用现有代码而不是新写代码的频率，以及上次改动后测试是否通过。

怎么装上
Ponytail 支持 Claude Code、OpenCode、Codex 以及多数主流编码代理，安装方式一致：

text
/skill install ponytail
如果需要单独使用审查或审计功能，也可以分别触发：

text
/ponytail-review
/ponytail-audit
如果不想要状态栏，/ponytail band 可以隐藏，再执行一次即可恢复。

适合谁，不适合谁
Ponytail 最适合已经在用编码代理、并且开始感受到“AI 写得太多”的人。如果你发现自己经常在 review 时删掉 AI 生成的大段冗余代码，或者项目里因为代理的“主动发挥”多出了不需要的依赖和抽象，它值得放进你的代理配置里。

它不适合追求“AI 帮我从零搭建一个完整系统”的场景。Ponytail 的前提是：你已经有一个代码库，库里有可以复用的东西，而代理应该先看见它们。 它的哲学不是让 AI 少干活，而是让 AI 把活干在必要的地方。在一个 AI 生成代码越来越廉价的时代，这种“知道什么不该写”的能力，可能比“能写多少”更稀缺。

项目地址：https://github.com/DietrichGebert/ponytail

数据截至：2026 年 10 月，基准测试基于 Claude Code + Opus 5.5，39 任务 × 5 次运行，详细方法和逐任务表格见仓库 benchmarks/results/ 目录。