最好的代码是你没写的那行：14.9 万星插件教 agent 偷懒

你肯定认识这样一位同事：马尾辫、椭圆眼镜、入职比版本控制还早。你给他看五十行代码，他什么也不说，然后换成了一行。GitHub 上 149 千星的项目 Ponytail 把这位"最懒的资深工程师"塞进了你的 AI agent：MIT 协议，npm 一条命令安装，兼容 20 个 coding agent。

它解决什么

让 AI 写代码的另一个副作用开始显现：过度构建。你要个日期选择器，agent 会安装 flatpickr、写一层包装组件、加一套样式表，顺便发起一场关于时区的讨论。Ponytail 的版本是：

<!-- ponytail: browser has one -->
<input type="date">

数字是诚实的

这类项目最容易被质疑"数据是不是挑过"。Ponytail 的做法反而值得学习：作者把早期"减少 80-94% 代码"的单轮基准主动撤了（社区 issue 指出裸模型基线爱写废话，差距部分来自对话基线的失真），换成更严格的 agentic 口径：无头 Claude Code 在真实的 FastAPI + React 仓库上做 12 个功能任务、n=4、按 git diff 评分：

它是唯一一项指标全降且安全分满分的方案。过度构建陷阱越明显（日期选择器 404 行砍到 23 行，因为原生 <input> 就够），砍得越狠；代码本已精简处接近零收益。基准方法和逐任务数据全部公开可复现。

原理：七级懒惰阶梯

写代码前，agent 先停在能解决问题的最低一级：这功能需要存在吗（YAGNI）→ 代码库里已有吗 → 标准库有吗 → 平台原生有吗 → 已装依赖里有吗 → 一行能写吗 → 都不行，才写最小实现。阶梯在理解问题之后跑：先读要改的代码、追真实调用流，再选级。对方案懒惰，对读代码从不偷懒。

边界同样清楚：信任边界校验、数据丢失处理、安全、无障碍永远不在砍削范围；"最少 token"从来不是目标，代码小是因为必要，不是打高尔夫。有个反例值得记：在 GPT-5.5 这种爱用思考 token 反复斟酌阶梯的模型上，效果可能反向。

快速上手

Claude Code 两条命令：

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

Codex 有插件版，Cursor 走 hooks，共支持 20 个 agent；Claude Code 和 Codex 的插件会跑两个轻量 Node 生命周期钩子（PATH 里要有 node）。MIT 协议，npm 包 @dietrichgebert/ponytail。

适合谁用

被 agent"热情过度"坑过的人：它把"少写代码"从一句提示词咒语变成了带阶梯、带守则、带可复现基准的工程实践；对照实验里连"简洁提示词"对照组都会掉安全分，这个细节足以说明光喊口号不够。

关心账单的团队：-20% 成本加 -27% 耗时是等比例降本的曲线。

做 agent 技能的作者：它公开基准、公开撤榜原因、公开对照实验的做法，是目前技能类项目里评测透明度的天花板。

一句话总结：它教的不是新语法，而是那句话，最好的代码是你永远不用写、但依然能验收的那行。