你一定见过这种人。长头发扎个马尾戴副椭圆眼镜在公司待的时间比版本控制系统还长。你拿五十行代码给他看他不说话盯着看一会儿然后用一行替换掉。有个叫 ponytail 的开源项目干的就是一件事把这个人装进你的 AI 编程 agent 里。2026 年 6 月 12 日建库两周半冲到六万四千颗星——在「AI 帮你多写代码」喊了两年之后居然是一个「让 AI 少写代码」的工具爆了。值得看看它到底怎么做的。一、AI agent 有个毛病爱过度工程先说它解决的问题。你让 agent 加一个日期选择器一个没被管教过的会给你整出三个文件、一个依赖外加一段时区讨论换来一个浏览器原生就有的东西。这不是抠门是判断。资深和初级的差别很大一部分不在于会写多少而在于知道什么不用写。问题是大模型默认是个「热心的初级」——你给它一个任务它倾向于把能想到的都给你堆上options 拉满、组件包一层、www.ycsjb.com还贴心地解释每一种可能。代码越写越多token 越烧越多维护负担越压越重。二、它怎么做能不写就不写ponytail 的核心是在 agent 动手写代码之前强制它先爬一道七级判断阶梯如上图停在第一个成立的台阶上——从「这东西需不需要存在」一路退到「实在不行才写能跑的最小实现」。日期选择器就停在第 4 级用平台原生的那个 input404 行变 23 行颜色选择器同理287 行变 23 行——伸手去够原生而不是造一个组件。这里有个容易被误解的点。ponytail 标榜「懒」但它懒的是方案不是读代码。阶梯是在它读懂了问题之后才跑的它会先把这次改动碰到的代码读一遍、把真实的数据流追一遍然后才决定停在哪级台阶。对解决方案偷懒对理解上下文绝不偷懒。还有一条硬边界懒不等于不负责。信任边界的校验、数据丢失的处理、安全、可访问性——这几样永远不在被砍的名单上。代码最后变小是因为它必要不是因为它被「高尔夫」掉了code golf比谁写得短的游戏。这条边界是它和「无脑写一行」之间最大的区别。三、它到底有没有用看实测数据讲克制很容易拿数据说话才算数。ponytail 的 benchmark 做得相当实在方法值得单独说。它没有用「给一个孤立的提示、数答案有几行」这种容易掺水的测法而是让一个无头的 Claude Code 真去改一个真实的开源仓库tiangolo 的 full-stack-fastapi-template一个真实的 FastAPI React 项目十二个功能工单同一个 agent 带 skill 和不带 skill 各跑一遍按它留下的 git diff 打分Haiku 4.5每项 n4。结果如上图很干净代码、token、成本、耗时全压下来平均少一半代码——过度工程陷阱最严重的地方能到 94%本来就精简的地方接近零。对照组才说明问题光在嘴上说「简洁点」的 caveman代码是少了token 和耗时反而升了而「YAGNI 一行流」那种暴力提示词虽然也压代码却把一个安全护栏给掉了。ponytail 是唯一一个每项都降、还把安全守在 100% 的。最让我有好感的是另一件事。它早期发过一组「少 80–94% 代码」的数字后来有人在 issue #126 里指出那是单次生成的测法裸模型的基线本身就爱拿废话和选项凑字数所以那个差距有一部分是「话痨基线」造成的假象。作者认了把这组数据降级成「单任务的天花板而非平均值」换上了上面这套更经得起推敲的 agentic 数据。一个在涨星的项目主动把自己最亮眼的数字往下修——这种诚实比那 54% 更值钱。四、怎么用以及它带起的一串生态装起来几乎不费劲Claude Code 一条命令bash 代码解读复制代码/plugin marketplace add DietrichGebert/ponytail官方说它适配十六种 agentCodex 等都在内。原理上Claude Code 和 Codex 插件跑两个很小的 Node.js 生命周期钩子来做「常驻激活」所以 node 要在 PATH 上就算没有skill 本身照样能用只是少了自动激活。它也不是凭空冒出来的。前身是更早的 caveman同样主张让 agent 写得糙而少ponytail 把「糙」收敛成了一道有安全边界的阶梯。火了之后周边还冒出一串ponystack 把它和另一个项目 gstack 的流程合在一起、ponytail-lite 砍掉插件只留规则、还有把它换了个毒舌人设的 reskin 版本甚至有第三方独立跑 benchmark 来复现它的数字。一个小切口的工具能带出一个小生态说明它戳中的是真痛点。收尾克制本身就是一种工程能力把 ponytail 拆开看它其实是一个很典型的「harness 工程」样本——不去动模型本身而是在模型外面套一层确定性的约束改变 agent 的行为。它把「一个资深工程师面对需求时的判断顺序」编码成了一道七级阶梯塞进 agent 动手前的那一步。这两年我们习惯了用「能写多少」衡量 AI 编程的能力。ponytail 提了个反方向的问题知道什么不用写是不是更难、也更值钱它的答案藏在那条规则里——目标从来不是「token 最少」而是「只写任务需要的且绝不砍掉校验、错误处理、安全和可访问性」。代码小是结果不是目的。