DietrichGebert/ponytail

Ponytail – 面向 AI 编码代理的“资深开发人员”提示

它是什么 – Ponytail 是一个单文件提示（外加一个微型 npm 包），你可以将其加载到 LLM 驱动的编码助手（如 Claude Code、Codex、Cursor、Copilot、Gemini 等）中。安装后，代理会表现得像一位资深开发人员：查看变更请求，不说话，返回满足任务所需的最小实现，同时保留验证、安全性和可访问性。

核心理念

• 阶梯 – 代理理解问题后，会沿着七个问题的“阶梯”行走（该功能是否已存在？标准库能否实现？能否用一行代码完成？……），并在第一个可行的阶梯处停下。这迫使代理重用现有代码，只编写真正需要的代码。
• 审查与审计命令 – /ponytail‑review 检查你即将提交的差异，标记错误、安全漏洞、缺失测试、性能问题和多余代码。/ponytail‑audit 对整个仓库运行相同分析，并对结果进行排序，以便你知道先修复什么。
• Band 与 board – 在 Claude Code 中，提示上方的一个小“band”显示实时统计（token 使用量、成本、代理时间、重用率、测试结果）。可选的 board 是一个本地仪表板，聚合所有会话的这些指标。
• 模式 – /ponytail lite|full|ultra|off 让你调整提示的激进程度。“Ultra” 模式即使代码库对你不好也会继续深挖。
• 零配置 – 该工具开箱即用；可选的 ~/.config/ponytail/config.json 或 PONYTAIL_DEFAULT_MODE 环境变量可以设置默认模式。

工作原理

1. 安装 – 将插件添加到 Claude Code（/plugin marketplace add DietrichGebert/ponytail）或 Codex（codex plugin marketplace add …）。对于其他代理，你只需将 AGENTS.md 或 skills/ponytail/SKILL.md 文件复制到项目中。
2. 提示注入 – 技能文件作为系统级提示加载，覆盖代理的正常行为。所有后续消息都通过 Ponytail 规则进行解释。
3. 命令处理 – 插件注册斜杠命令（/ponytail‑review、/ponytail‑audit 等），由宿主 IDE/CLI 转发给 LLM。LLM 返回结构化答案（代码差异、测试片段、风险说明），宿主将其显示给你。
4. 指标 – 每轮之后，代理报告 token 使用量、成本和生成的测试是否通过；band 可视化这些数据，board 在 ~/.config/ponytail/band/ 下存储本地日志。

典型工作流程

1. 在 Claude Code 中打开新线程（或启动 Codex 会话）。
2. 输入 `/ponytail` 启用默认模式。
3. 请求一个功能，例如“在结账表单中添加日期选择器”。
4. Ponytail 读取仓库，找到现有的 `Input` 组件，并返回一个 10 行的文件，重用原生 HTML 日期输入。
5. 运行 `/ponytail‑review` – 代理指出任何缺失的验证，并添加一个小测试。
6. 提交更改；band 显示你节省了约 45% 的 token 和每轮 0.72 美元。

它声称的内容（由 README 的基准测试支持）

• 与基线“无技能”代理相比，‑53% 代码、‑41% 时间、‑26% 成本、‑45% token。
• 98% 的风险逻辑附带测试（而使用 Ponytail 之前为 68%）。
• 在安全相关任务（SQL 注入、路径遍历等）中，它通过了全部 30 次运行，同时使用了更少的代码。

谁可能使用它

• 已经依赖 LLM 编码助手并希望有一个强制最小、安全更改的护栏的团队。
• 希望减少 token 支出并保持仓库整洁的独立开发人员。
• 需要将审计式安全网（安全检查、测试覆盖）直接嵌入 AI 工作流的组织。

限制 / 注意事项

• Ponytail 只是一个提示；其质量取决于底层模型（Claude、Gemini 等）。如果模型产生幻觉，安全检查可能会漏掉。
• “band”可视化仅适用于 Claude Code 2.1.290+；其他宿主获得核心提示，但没有 UI。
• 它假设宿主可以运行 /plugin 命令，并为本地 board 暴露一个小型文件系统——并非所有 IDE 集成目前都支持这一点。
• 该工具不附带任何编译二进制文件；添加可执行文件的恶意分支将超出作者的控制范围。

底线 – Ponytail 是一个文档完善、开源的基于提示的扩展，它将通用的 LLM 编码代理转变为“资深开发人员”，编写尽可能小的正确更改，同时自动审查错误、安全性和测试覆盖。它保持在 AI 代理工具领域内，并提供具体指标来证明其节省成本的声明。