你有没有遇到过这种情况：让AI帮你写个日期选择器，它给你装了flatpickr，写了个wrapper组件，加了一堆样式表，然后开始跟你讨论时区问题。

你：？？？我就是想要个日期选择器啊，你给我整这么复杂干嘛。

包括主流的AI编程助手，Claude Code、Codex、Gemini CLI，都存在这个问题，你让它干点啥，它都给你整出来一堆你听都没听过的库，搞得项目越来越复杂。

然后我就去搜，有没有一种方法，能让AI别那么"热情"，能够克制一点。

还真让我找到了。

这个项目叫Ponytail，翻译过来就是"马尾辫"。

它的核心理念很有意思，叫"lazy senior dev mode"，翻译过来就是"懒散老司机模式"。

什么是懒散老司机？你公司里肯定有这种人，头发扎个马尾，戴个椭圆眼镜，在公司待的时间比Git历史记录还长。你给他看五十行代码，他看都不看，说不用，然后给你删成一行。

Ponytail，就是想把这种老司机思维，装进AI编程助手里面。

那它是怎么装进去的呢？说白了就是给AI写了一套规则文件。

对于支持skill的助手，比如Claude Code、Codex，它就以skill的形式加载。对于不支持skill的助手，比如Cursor、Windsurf，它就以规则文件的形式加载。相当于给不同的AI助手配了一套使用说明书，让它们学会用"懒散老司机"的方式去写代码。

举几个例子，你就知道有多离谱了。

先说邮箱验证。你让AI写一个验证邮箱的功能，正常情况下它会给你整出来这样的代码：

import reEMAIL_PATTERN = re.compile(    r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$')class EmailValidator:    def __init__(self, pattern: re.Pattern = EMAIL_PATTERN):        self.pattern = pattern    def validate(self, email: str) -> bool:        ifnot isinstance(email, str):            raise TypeError("email must be a string")        email = email.strip()        ifnot email:            returnFalse        return bool(self.pattern.match(email))

一屏幕的代码，一个类，一个正则，一个包装函数。用了Ponytail，它就会先问问自己，这玩意真需要这么复杂吗？然后给你精简成一行：

# ponytail: good enough, real validation is sending the mail"@" in email and "." in email.split("@")[-1]

对，就这一行。什么意思呢，就是判断你输入的这个东西，像不像一个邮箱地址。它就检查两件事：第一，有没有@符号；第二，@后面的部分有没有小数点。

就跟你看一个人给你的邮箱，心里想"嗯，有@，有.com"，就差不多是这个意思。

为什么要这么简单？说白了，不管你正则写得多复杂，它本质上就是个"看起来对不对"，真正的验证方式只有一个：往这个邮箱发一封邮件过去，看对方能不能收到。既然这样，搞那么复杂干嘛？

最离谱的是日期选择器。就是浏览器自带的那个日期选择框，一行HTML的事：

<input type="date">

对，就这一行。Ponytail会告诉AI，人类使用了几十年的浏览器自带日期选择器，你不用，你非要去装个第三方库，你图什么？

就是这样，太离谱了。

有人可能觉得这不就是少写代码吗，能有多大用？

你还别说，真有人做了测试。在Haiku、Sonnet、Opus三个模型上，各跑了十遍，取中位数。结果怎么说呢。

用了Ponytail，在所有模型上，代码量直接减少80%到94%，成本降低47%到77%，速度比无技能智能体快3到6倍。

什么意思呢，就是你让AI写一个功能，正常情况下它可能给你整一百多行代码，用了Ponytail，可能就十几行，甚至一行。

你要问快在哪了？就在于它不在那想太多，这个库要不要引用、这个功能要不要预留，想那么多干嘛，系统自带的功能直接用不就得了。

那它是怎么做到的呢？

说白了就是给AI定了一套规则，让AI在写代码之前，先问自己六个问题：

第一，这个功能真的需要存在吗？第二，标准库是不是已经有现成的了？第三，平台原生功能能不能直接用？第四，我已经装好的依赖能不能解决？第五，能不能一行代码搞定？第六，实在不行了，再写最少的必要代码。

就这六个问题，你看着简单，但就是这六个问题，能把AI从"热情过头"拉回"刚好够用"。

而且Ponytail有个特别骚的地方，它会把每一个偷懒的决策都标出来，写一个ponytail: 注释。意思是"这个地方我走捷径了，记住，后面可能要找后账"。

比如它写了个全局锁，它就会标一个ponytail: global lock, per-account locks if throughput matters。翻译过来就是："我这里走捷径了，用了全局锁。如果以后发现多人同时用它变卡了，升级方案是改成'每个账户一把锁'。"然后你后面真的遇到性能问题了，你再回去改。

不欠债，也不提前还债。刚好够用就行。

不过Ponytail的"懒"也是有底线的。涉及到trust-boundary validation（信任边界验证）、data-loss handling（数据丢失处理）、security（安全）、accessibility（可访问性）的地方，它是绝对不会糊弄的。为什么？你见过哪个老司机在踩刹车这件事上偷懒的？关乎安全的地方，省省省，后面迟早要还的。

行了，说了这么多，你可能已经心动了，想知道怎么装。

安装过程并不复杂，而且支持贼多AI编程助手。

Claude Code、Codex、Cursor、Windsurf、Cline、Aider、Copilot、Kiro、Gemini CLI、OpenCode、Pi agent harness，基本你听过的都有。

Claude Code

在对话框里敲这两行：

/plugin marketplace add DietrichGebert/ponytail/plugin install ponytail@ponytail

完事。

Codex

codex plugin marketplace add DietrichGebert/ponytail

然后打开 /plugins，找到Ponytail市场，安装。安装完后再打开 /hooks，审查并信任它的两个生命周期钩子，开启新对话就好了。

Gemini CLI

gemini extensions install https://github.com/DietrichGebert/ponytail

Cursor、Windsurf、Cline、Copilot这些

从项目的 .cursor/rules/、.windsurf/rules/、.clinerules/、.github/copilot-instructions.md 等目录，把对应的规则文件复制到你的项目里就行。

装完以后，每次对话它都会自动激活。你可以随时切换模式：

• /ponytail lite — 轻度模式，给你建议但不那么激进
• /ponytail full — 完整模式，默认就是这个
• /ponytail ultra — 极致模式，YAGNI狂热者，先给你一行代码然后挑战你的需求
• /ponytail off — 关掉它

说真的，我第一次看到这个项目的时候，我就觉得很有意思。

为什么呢，除了那个扎着马尾辫的油腻大叔logo，还因为它不是在教AI怎么写更好的代码，它是在教AI怎么少写代码。

这其实也是一种思维方式。很多时候我们写那么多代码，不是因为真的需要那么多，是因为我们习惯性地在"增加"，而不是在"取舍"。

真正的高手，做的都是减法。

就像那个马尾辫老司机，你给他看五十行代码，他删成一行。不是他不懂，是他已经到了那个level，知道什么是不需要的。

而Ponytail，就是想帮AI也到达这个level。

行了，今天就聊到这。

GitHub地址

DietrichGebert/ponytailhttps://github.com/DietrichGebert/ponytail