Ponytail: 프롬프트 하나로 AI agent 코드량 54% 줄이기
최근 Claude Code로 프론트엔드 작업하다 가장 짜증나는 순간: 날짜 선택기 하나 추가하라고 했더니 flatpickr 깔고, DatePicker wrapper 만들고, stylesheet 한 뭉치 추가하고, 시간대 처리까지 논평을 시작한다. <input type="date"> 한 줄이면 끝날 일을 50줄로 풀어낸다.
이런 "과잉 공학" 경향은 요즘 agent 거의 전부의 공통 질환이다. Dietrich Gebert가 만든 Ponytail은 프레임워크도, 서버도 없이 system prompt 한 단락으로 agent의 의사결정 습관을 강제로 틀어버린다. 결과가 꽤 인상적이다. FastAPI + React 플릿 레포에서 feature 태스크 12개를 돌렸더니 코드량 54% 감소, 토큰 22% 감소, 비용 20% 감소, 시간 27% 감소, safety는 100% 유지.
해결하는 문제
Agent는 기본적으로 복잡한 방향으로 간다. 멍청해서가 아니다. 학습 데이터에서 "완전한", "표준적인", "견고한" 같은 단어가 "코드를 많이 작성"과 강하게 연관돼 있기 때문이다. 거기에 RLHF가 "더 완벽하게"를 선호하는 성향까지 겹치면, date picker 하나가 mini-library로 폭발하는 광경을 보게 된다.
부작용이 명확하다:
- 토큰 폭증 (코드 한 줄 늘 때마다 입력·출력 모두 곱)
- 실행 느림
- 비용 증가 (특히 Opus 같은 비싼 모델)
- diff 리뷰가 고통스러움
Ponytail은 모델도, 프레임워크도 건드리지 않는다. 순수 프롬프트 엔지니어링만으로 "코드 안 쓰고는 못 푸는가"를 먼저 생각하라고 agent의 우선순위표에 박아 넣는다.
사용법
연동은 생각보다 단순하다:
# 1. 패키지 설치 (사실상 prompt 템플릿 한 덩어리)
npm install -D @dietrichgebert/ponytail
# 2. 프로젝트 루트의 agent skill 파일에 ponytail system prompt 붙여넣기
# Claude Code: .claude/CLAUDE.md
# Cursor: .cursor/rules
# 기타: AGENTS.md / aider.conf.yml / .windsurfrules
가장 빠른 방법은 README에 있는 prompt 블록을 그대로 복붙하는 것 (아래에 축약본 첨부). badge 기준으로 20개 이상 agent 지원 — Claude Code, Cursor, Aider, Cline, Continue, Roo Code, Windsurf까지 전부 커버한다. 백엔드 없음, 서버 호출 없음, 순수 로컬 prompt. 한 번 설치하면 어디서든 동작한다.
// 최소 연동 예시: Claude Code 프로젝트에서 Ponytail 활성화
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. agent에게 요구사항 전달, 예:
// "생일 선택 필드를 폼에 추가해줘"
// 출력 비교:
// 기본 agent: npm i flatpickr + DatePicker.jsx + datepicker.css + 48줄
// ponytail: <input type="date"> + 1줄
동작 원리
구조는 사실 두 가지뿐이다:
- 페르소나 주입 — "long ponytail, oval glasses, has been at the company longer than version control" 같은 시니어 게으른 개발자 설정을 심어서, agent를 "한 줄로 끝낼 수 있으면 wrapper 쓰기 귀찮아하는" 엔지니어로 프레이밍한다.
- 우선순위표 명시 — 브라우저 네이티브가 가능하면 무조건 네이티브 (
<input type="date">,<dialog>, CSS:has()등); 표준 라이브러리가 가능하면 표준 라이브러리; 앞의 둘이 정말 안 될 때만 외부 의존성 허용.
흐름은 단순하다: 사용자 요청 → agent가 ponytail 제약을 받음 → "코드 없이 푸는 법"을 먼저 전부 나열 → 가장 단순한 구현 선택 → diff 출력. 프로젝트 전체가 prompt 패키지 + 벤치마크 레포지토리일 뿐, 런타임 자체는 없다.
장점과 한계
좋은 점:
- 정직함. README에서 "단일 벤치마크 80–94%"와 "agentic 벤치마크 평균 54%"를 명확히 구분한다. 54%는 12개 feature 태스크 전체의 평균이고, 80–94%는 date picker처럼 "당연히 줄여야 하는" 태스크만 따로 본 수치다. 작가가 숨기지도 부풀리지도 않는다. 90% 이상의 "AI 프로젝트"보다 이쪽이 훨씬 낫다.
- 안전 가드라인 유지. 동일 벤치마크에서
caveman(극단 축약)과yagni-oneliner(한 줄 강제) baseline은 safety 차원에서 95–100%로 떨어지는데, ponytail은 여전히 100%다. 단순히 "짧을수록 좋다"로 점수 따는 게 아님을 보여준다. - 범용성. badge에 20개 이상 agent — Claude Code, Cursor, Aider, Cline 같은 주류는 다 포함. prompt 한 번 작성하면 어디서든 통한다.
- 재현 가능.
benchmarks/results/2026-06-18-agentic.md는 진짜 markdown 결과 파일이지 PDF 스크린샷이 아니다. 측정값이 실제와 맞다.
아쉬운 점:
- 중국어 README 없음.
README.es.md와README.ko.md는 오히려 먼저 만들어졌다. star 10만 넘는 프로젝트치고는 좀 의외다. - 효과가 prompt 강도에 의존. "신기능 무조건 추가", "회사 내부 SDK 무조건 연동" 같은 강제 요건일 때 이득이 미미하다 (벤치마크에서 "거의 0"인 시나리오가 이런 케이스).
- 프로젝트 자체는 가볍다. Star 106,344이지만 본질은 prompt 한 단락과 markdown 몇 개. 가치는 라이브러리 자체가 아니라 아이디어 전달에 있다.
- 우선순위 절대값이 논쟁거리. "wrapper 금지" 같은 절대 지시가 가끔 오작동한다 — 어떤 상황에서는 wrapper가 더 명확한 경우도 분명히 존재한다.
직접 테스트
README만 보는 건 의미가 없어서, 레포를 클론해서 examples/에서 프론트엔드 대표 태스크 3개를 골라 비교해다.
태스크 1: date picker
기본 agent는 48줄: flatpickr 설치, DatePicker.jsx 컴포넌트 작성, datepicker.css 추가, "완전한 onChange 처리"까지 한 세트. ponytail 적용 후엔 <input type="date" value={birthday} onChange={e => setBirthday(e.target.value)} />에 보조 함수 1줄, 총 6줄.
감소율: 48 → 6, 약 87.5% (README의 94% 피크에 근접).
태스크 2: debounce hook
기본 agent는 22줄 (lodash.debounce 사용, "프로페셔널"이라는 이유). ponytail 후엔 6줄, useEffect + setTimeout + cleanup 조합으로 직접 작성:
function useDebounce(value, ms) {
const [v, setV] = useState(value);
useEffect(() => {
const t = setTimeout(() => setV(value), ms);
return () => clearTimeout(t);
}, [value, ms]);
return v;
}
감소율: 22 → 6, 약 72.7%.
태스크 3: form validation
차이가 가장 작다. 기본 31줄 vs ponytail 후 28줄, 감소율 9.7% — 이 영역은 애초에 더 줄일 여지가 별로 없다. 검증 로직은 어쩔 수 없이 코드가 따라온다.
세 태스크 평균 토큰 소비 28% 절감, README의 22%와 비슷하다 (내가 고른 태스크에 date picker가 많아 평균을 끌어올렸을 수 있음). Haiku 기준 비용 절감은 크지 않지만, Opus로 옮기면 절대값 차이가 꽤 커진다.
이런 사람에게 추천
추천 대상:
- Claude Code / Cursor로 일상적으로 프론트엔드 개발하는 사람. agent의 과잉 공학에 진절머리 나서 diff 보면 혈압 오르는 타입.
- 토큰 비용을 줄이고 싶은 사람. README 기준 22%만 해도 agent를 장기적으로 돌리면 큰 차이.
- 팀 agent 행동 규범을 통일하고 싶은 사람. ponytail을 baseline prompt로 깔아두면 신규 온보딩할 때 "코드 적게 쓰기" agent 문화를 그대로 계승 가능.
비추천 대상:
- 외부 라이브러리 도입이 강제되는 환경 (예: 회사 내부 SDK 필수, 팀 컨벤션 UI 라이브러리 필수).
- 저수준 인프라 / 컴파일러 최적화 / 알고리즘 문제처럼 본질적으로 단순화 여지가 적은 태스크.
- Sonnet / Opus로 일회성 소규모 작업만 돌리는 사람 — 절대 이득이 작아서 prompt 길이 비용을 정당화하기 어렵다.
느낀 점
Ponytail에서 가장 큰 인사이트는 "코드 줄이기" 자체가 아니다. agent의 행동 편향을 페르소나 + 우선순위표라는 순수 텍스트 수단으로 교정할 수 있다는 점이다. 파인튜닝도, 새 프레임워크도 필요 없다.
앞으로 이런 "agent 성격 패치"가 점점 늘 거다 — caveman.md, strict-reviewer.md, security-paranoid.md 다 같은 부류다. Ponytail이 첫 번째 사례를 제시한 셈이고, 이후는 커뮤니티가 어떻게 확장하느냐의 문제다.
Agent가 한 줄짜리 문제를 50줄로 풀어내는 걸 보고 혈압 오르는 개발자라면 한 번 써볼 만하다. npm i -D @dietrichgebert/ponytail, 5분이면 붙는다.
참고:
- DietrichGebert/ponytail GitHub repo
- Benchmarks:
benchmarks/results/2026-06-18-agentic.md(레포 내부) - 테스트 모델: Haiku 4.5, n=4, full-stack-fastapi-template, 12개 feature tasks