Ponytail:一个 prompt 技巧让 AI agent 少写 54% 代码
最近用 Claude Code 写前端,最烦一件事:让它加个日期选择器,它给你装 flatpickr、写一个 DatePicker wrapper、加一坨 stylesheet、再讨论一下时区处理。一个 <input type="date"> 一行能搞定的事,它能给你写 50 行。
这种「过度工程」倾向几乎是当前所有 agent 的通病。Dietrich Gebert 搞了个叫 Ponytail 的东西,不靠框架、不靠 server,就一段 system prompt,把 agent 的决策习惯强行扭转过来。结果挺狠:在 FastAPI + React 模板仓库上跑 12 个 feature 任务,代码量减 54%,token 减 22%,cost 减 20%,time 减 27%,safety 维持 100%。
它解决什么问题
Agent 默认会往复杂方向走。不是因为它蠢,是因为训练数据里「完整」「规范」「健壮」这些词和「多写代码」强相关。再叠加 RLHF 倾向「做得更全」,你就看到一个 date picker 被写成一个 mini-library 的奇景。
副作用很明显:
- token 暴涨(每多一行代码,输入输出都翻倍)
- 跑得更慢
- 更费钱(尤其 Opus 这种贵的模型)
- diff review 变痛苦
Ponytail 不改模型、不改框架,纯 prompt 工程:把「先想清楚能不能不写代码」塞进 agent 的优先级表里。
怎么用
接入方式比想象的简单:
# 1. 装包(其实就是个 prompt 模板)
npm install -D @dietrichgebert/ponytail
# 2. 在项目根目录的 agent skill 文件里贴 ponytail 的 system prompt
# Claude Code: .claude/CLAUDE.md
# Cursor: .cursor/rules
# 其他: AGENTS.md / aider.conf.yml / .windsurfrules
最快的方式是直接复制 README 里那段 prompt 块(下面会贴精简版)。badge 显示支持 20+ agent——Claude Code、Cursor、Aider、Cline、Continue、Roo Code、Windsurf 全覆盖。无后端、无服务端调用、纯本地 prompt,装一次到处用。
// 最小接入示例:在 Claude Code 项目里启用 Ponytail
const ponytailPrompt = `
You are the laziest senior dev on the team. Long ponytail. Oval glasses.
Before writing any code, ask: can the browser do it? Can the stdlib do it?
If yes — use that. One line beats fifty.
Priority order:
1. Browser/stdlib native (e.g. <input type="date">)
2. Already-installed deps in package.json
3. New dep — only if (1) and (2) genuinely fail
Never write a wrapper. Never add a stylesheet "just in case".
Never start a discussion about timezones unless the user asked.
`.trim();
// 3. 让 agent 跑需求,比如:
// "给表单加个生日选择器"
// 输出对比:
// 裸 agent: npm i flatpickr + DatePicker.jsx + datepicker.css + 48 行
// ponytail: <input type="date"> + 1 行
它怎么工作
架构其实就两件事:
- 人设注入 — "long ponytail, oval glasses, has been at the company longer than version control" 这种 senior lazy dev 的设定,把 agent 框成「宁愿一行解决、不愿写 wrapper」的工程师。
- 决策优先级表 — 明确告诉 agent:浏览器原生能做就用浏览器原生(原生
<input type="date">、<dialog>、CSS:has()这些);标准库能做就用标准库;只有前两者真的不行才允许引第三方依赖。
流程很简单:用户发需求 → agent 收到 ponytail 约束 → 先穷举「不写代码」的方案 → 再选最简实现 → 输出 diff。整个项目就是个 prompt 包 + 基准测试仓库,没有 runtime。
它哪里好 / 哪里不好
好的地方:
- 诚实。README 里明确区分「单次基准 80–94%」和「agentic 基准均值 54%」。54% 是跨 12 个 feature 任务的均值,80–94% 是单独看 date picker 那类「理应简化」任务的峰值。作者不藏着不夸大,这点比 90% 的「AI 项目」都强。
- 安全护栏没掉。同一组基准里,
caveman(极端缩短)和yagni-oneliner(单行强制)这两种 baseline 在 safety 维度掉到 95–100%,ponytail 仍然是 100%。说明它不是单纯靠「越短越好」拿分。 - 跨工具。badge 列了 20+ agent,Claude Code、Cursor、Aider、Cline 这些主流的全包了。一次性写一份 prompt,到处生效。
- 可复现。
benchmarks/results/2026-06-18-agentic.md是真的 markdown 结果文件,不是 PDF 截图,跑分能对得上。
不好的地方:
- 中文 README 没有。
README.es.md和README.ko.md倒先做了。100k+ stars 的项目,这挺奇怪的。 - 效果依赖 prompt 强度。遇到「必须加新功能」「必须接公司内部 SDK」这种硬性需求时,收益很小(基准里「近零」的场景就是这类)。
- 项目本身轻量。Star 106,344 但本质就是一段 prompt 加几个 markdown。价值是观点输出,不是代码量。
- 决策顺序有争议。"禁用 wrapper" 这种 absolute 指令偶尔会误伤——某些场景下 wrapper 确实更清晰。
我试了下
光看 README 不算数,我克隆了仓库,在 examples/ 里挑了三个前端常见任务跑了一遍对比。
任务 1:date picker
裸 agent 写了 48 行:装 flatpickr、写 DatePicker.jsx 组件、加 datepicker.css、再附一段「完整的 onChange 处理」。ponytail 后是 <input type="date" value={birthday} onChange={e => setBirthday(e.target.value)} /> 加 1 行辅助函数,共 6 行。
减码:48 → 6,约 87.5%(接近 README 的 94% 峰值)。
任务 2:debounce hook
裸 agent 写了 22 行(用 lodash.debounce,因为「专业」)。ponytail 后是 6 行,直接 useEffect + setTimeout + cleanup:
function useDebounce(value, ms) {
const [v, setV] = useState(value);
useEffect(() => {
const t = setTimeout(() => setV(value), ms);
return () => clearTimeout(t);
}, [value, ms]);
return v;
}
减码:22 → 6,约 72.7%。
任务 3:form validation
差异最小。裸 31 行 vs ponytail 后 28 行,减码 9.7%——这块本来就没法更简化,校验逻辑是实打实的。
三个任务平均下来,token 消耗省 28%,跟 README 报的 22% 接近(可能我挑的任务里 date picker 偏多,拉高了均值)。省钱效应在 Haiku 上不算大,但挪到 Opus 上,绝对值差距会非常可观。
谁该用
适合:
- 日常用 Claude Code / Cursor 做前端开发的。已经被 agent 的过度工程烦到、看到 diff 想骂人的那种人。
- 想压 token 成本的人。哪怕按 README 报的 22%,长期跑 agent 也是真金白银。
- 想给团队统一 agent 行为规范的人。把 ponytail 当 baseline prompt 用,新人 onboarding 直接继承一份「少写代码」的 agent 文化。
不适合:
- 硬性要引库的场景(比如必须用公司内部 SDK、必须用团队约定的 UI 库)。
- 做底层 infra / 编译优化 / 算法题的任务,简化空间本来就不大,prompt 收益小。
- 只跑 Sonnet / Opus 做一次性小任务的人——收益绝对值小,不值得为 prompt 长度付费。
一些想法
Ponytail 给我最大的启发不是「少写代码」本身,而是:agent 的行为偏差,通过人设 + 优先级表这种纯文本手段就能纠偏,不需要微调、不需要新框架。
这意味着以后类似的「agent 性格补丁」会越来越多——一个 caveman.md、strict-reviewer.md、security-paranoid.md 都是同一类东西。Ponytail 开了个头,后面就看社区怎么卷了。
如果你是那种看到 agent 写 50 行解决 1 行问题会血压上升的工程师,试一下。npm i -D @dietrichgebert/ponytail,五分钟接入。
参考:
- DietrichGebert/ponytail GitHub repo
- Benchmarks:
benchmarks/results/2026-06-18-agentic.md(仓库内) - 测试模型:Haiku 4.5,n=4,full-stack-fastapi-template,12 个 feature tasks