6 月发布即获 8.2 万 GitHub 星标的 Ponytail，因贡献者指出初始基准存在统计偏差，作者公开自纠——将"减少 80%–94% 代码"修正为平均约 54%，并补齐了行为测试框架。
Ponytail 是一个开源代理技能，核心理念是让 AI 编码代理像"房间里最懒惰的资深开发者"那样行事。它解决了一个几乎所有编程代理用户都抱怨过的问题：代理过度实现功能——你只要一个日期选择器，它却安装一个库、写封装组件、加样式表，甚至讨论时区问题。
但数据只是故事的一部分。
项目最初宣称代码量减少 80% 至 94%。Scott Logic 首席技术官 Colin Eberhardt 深入分析后发现：这个 6232 行的存储库，实质上仅是约 100 行的 Markdown 文件，重述了上世纪 90 年代的 YAGNI 原则。更尖锐的是——用"遵循 YAGNI 原则，用一行代码解决"这一句话替代 Ponytail，竟在原始基准中超越了 Ponytail 的得分。
宣称代码减少 80%–94%；基准代理本身啰嗦，对比结果被夸大；数据为按任务上限值，却被误报为平均值。
真实 FastAPI + React 存储库上运行 12 项功能开发任务；平均减少约 54%，过度构建时达 94%，本已极简时接近零。
注：左侧"初始基准"数据已被项目作者公开撤回；右侧为通过 Claude Code 在真实代码库上重新运行后的修正结果。94% 为极端场景上限而非均值。
Ponytail 的机制并不复杂：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。只有全部回答完毕，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。任何有意的简化都必须通过注释标注，注明上限值和升级路径。
一个诚实的注脚：这套规则本身，大约只有 100 行。
该技能可通过技能、插件钩子或规则文件安装在十余种主流代理平台上：
注：以上数据为修正后基准在真实 FastAPI + React 存储库、12 项功能任务上的平均表现。代码量减少为均值，非最初报道的按任务上限值。速度与成本为附加收益。
作者还明确指出：仅使用"编写一行代码"这一简单提示词，会缺少 Ponytail 所保留的安全防护机制——这正是 100 行 Markdown 相比一句话提示词的真正价值所在。
Eberhardt 更深层的观点经受住了基准修正的考验：技能和提示词框架正在大量涌现，却缺乏相应的评估标准。
他在 Anthropic 的技能库中提出的问题——即技能作者如何测试并确保质量——是该库中点赞数最高的问题之一，但至今仍未得到维护者的回答。他指出，自己尚未在 GitHub 上看到任何一个拥有全面评估套件的技能库。
现在，Ponytail 填补了这块空白。
这个项目（其基准测试修正是在受到外部批评后才进行的）已经包含行为测试框架和公开的重现路径。这或许才是更具持久价值的贡献：不是 YAGNI 原则的重新包装，而是期望技能必须证明其主张。
对于这次修正，Eberhardt 的回应很简洁："我很高兴他们对批评做出了积极回应。"
Agent 技能生态的成熟，不靠星标数量衡量——而靠"敢不敢公开证伪自己"来衡量。
Ponytail 为开源项目，支持 Claude Code、Cursor、Codex 等十余种主流代理平台，可通过技能、插件钩子或规则文件安装。
GitHub 搜索 Ponytail agent skill →