ponytail

Ponytail es una skill, plugin y conjunto de reglas para agentes de codificación de IA, diseñado para empujarlos a escribir menos código y más simple. Su lema es el "lazy senior dev": en lugar de generar un componente wrapper, una hoja de estilos y una dependencia para algo como un selector de fecha, se guía al agente a usar un input HTML nativo existente (`<input type="date">`) cuando eso es todo lo que la tarea necesita. ## Cómo funciona Antes de escribir código, el agente recorre una escalera y se detiene en el primer peldaño que se sostiene: 1. ¿Esto necesita existir? Si no, omitirlo (YAGNI). 2. ¿Ya está en este codebase? Reutilizarlo, no reescribirlo. 3. ¿La stdlib lo hace? Usarla. 4. ¿Es una característica nativa de la plataforma? Usarla. 5. ¿Es una dependencia instalada? Usarla. 6. ¿Una línea? Escribir una línea. 7. Solo entonces: el mínimo que funcione. El proyecto enfatiza que la escalera se ejecuta después de que el agente entiende el problema, no en lugar de eso: el agente todavía debe leer el código y trazar el flujo real. También subraya que "lazy" no es "negligente": la validación, el manejo de errores, la seguridad y la accesibilidad nunca se sacrifican. ## Afirmaciones de benchmark El README reporta un benchmark agéntico usando una sesión headless de Claude Code editando una plantilla real de FastAPI + React, puntuado sobre el git diff en doce tareas de características (Haiku 4.5, n=4). Afirma que ponytail redujo las LOC en ~54% (hasta 94% en casos de sobre-construcción) mientras también reducía tokens, costo y tiempo, y se mantenía en 100% en un nivel de seguridad. Incluye números más antiguos de un solo disparo que muestran 80-94% menos código, con la advertencia de que parte de esa brecha provino de un artefacto de baseline conversacional. El proyecto enlaza a writeups completos e instrucciones de reproducción en lugar de presentar los números como la única evidencia. ## Instalación y soporte Ponytail se instala como plugin o conjunto de reglas en una amplia gama de hosts de codificación de IA, incluyendo: - Claude Code y Codex mediante comandos del marketplace de plugins - GitHub Copilot CLI mediante instalación de plugin - Gemini CLI y Antigravity CLI mediante instalación de extensión - OpenCode mediante una entrada de plugin en `opencode.json` - Pi, Hermes Agent, Devin CLI, OpenClaw, Grok Build y Qoder mediante sus propios mecanismos de paquetes - Cursor, Windsurf, Cline, Kiro, Zed, CodeWhale, Swival y otros copiando un archivo de reglas como `AGENTS.md` o el directorio de reglas correspondiente Se distribuye como un único repo con directorios compartidos `hooks/` y `skills/` más adaptadores específicos por agente. ## Comandos Los hosts con capacidad de skills exponen un puñado de comandos slash: - `/ponytail [lite | full | ultra | off]` - establecer la intensidad o desactivarlo - `/ponytail-review` - revisar el diff actual en busca de sobre-ingeniería y devolver una lista de eliminación - `/ponytail-audit` - auditar todo el repo en busca de sobre-ingeniería - `/ponytail-debt` - recopilar los atajos diferidos "ponytail:" en un ledger - `/ponytail-gain` - mostrar el impacto medido del benchmark - `/ponytail-help` - referencia rápida Los niveles se pueden controlar por sesión, por subagente mediante la variable de entorno `PONYTAIL_SUBAGENT_MATCHER`, o por defecto mediante la variable de entorno `PONYTAIL_DEFAULT_MODE` o un pequeño archivo de configuración. ## Desarrollo El repo incluye scripts para mantener el texto compacto de reglas sincronizado entre todas las copias de agentes (`node scripts/check-rule-copies.js`), generar el paquete de skill de OpenClaw, publicar skills en ClawHub y ejecutar el benchmark de corrección (se usa Python para las comprobaciones de email y CSV). ## Licencia MIT.