AI热榜 Ponytail 是一个开源技能，它指导 AI 编码代理像“房间里最懒惰的资深开发者”那样行事。
自 6 月 12 日发布以来，该项目在 GitHub 上已经积累了超过 82000 个星标，成为今夏增长最快的存储库之一。
该项目解决了几乎所有编程代理用户都曾抱怨的问题：代理会过度实现功能。
当你要求一个日期选择器时，代理会安装一个库、编写一个封装组件、添加一个样式表，甚至还会就时区问题展开讨论。
Ponytail 的解决方案是 。
其机制是在代理的上下文中注入一套规则，在编写任何代码之前强制执行一套决策流程：这功能是否真的有必要存在？
代码库中是否已有现成的实现？
标准库是否已提供该功能？
平台原生功能是否已覆盖该需求？
已安装的依赖项是否能解决该问题？
能否用一行代码实现？
只有在回答完上述问题后，才编写能正常运行的最小代码量。
规则明确排除了在问题理解、信任边界输入验证、防数据丢失错误处理、安全性和无障碍性方面偷工减料的可能性。
任何有意的简化都必须通过注释进行标注，其中需注明上限值和升级路径。
该技能可通过技能、插件钩子或规则文件，安装在十余种代理平台上，包括 Claude Code、Codex、Cursor、GitHub Copilot、Gemini CLI 和 Aider。
该项目的基准测试历程与该技能本身同样发人深省。
最初的单次基准测试声称代码量减少了 80% 至 94%。
Scott Logic 首席技术官 Colin Eberhardt 对这些数据进行了深入分析 ，发现这个 6232 行的存储库，实质上仅是一个约 100 行的 Markdown 文件，其中重述了 20 世纪 90 年代提出的 YAGNI 原则。
他更敏锐地发现：用“遵循 YAGNI 原则，用一行代码解决”这一句话取代 Ponytail，竟在原始基准测试中超越了 Ponytail 的得分。
这是因为基准代理比较啰嗦，而且在答案中添加了冗余内容，从而夸大了对比结果。
Hacker News 上有怀疑者得出了类似的结论：
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接