ponytail

Ponytail est une compétence, un plugin et un ensemble de règles pour les agents de codage IA, conçu pour les pousser à écrire moins de code et plus simple. Son slogan est le « développeur senior paresseux » : au lieu de générer un composant wrapper, une feuille de style et une dépendance pour quelque chose comme un sélecteur de date, l'agent est guidé vers l'utilisation d'un input HTML natif existant (`<input type="date">`) quand c'est tout ce dont la tâche a besoin. ## Comment ça marche Avant d'écrire du code, l'agent parcourt une échelle et s'arrête au premier échelon qui tient : 1. Est-ce que cela doit exister ? Si non, on passe (YAGNI). 2. Déjà dans cette base de code ? On réutilise, on ne réécrit pas. 3. La stdlib le fait ? On l'utilise. 4. Fonctionnalité native de la plateforme ? On l'utilise. 5. Dépendance installée ? On l'utilise. 6. Une ligne ? On écrit une ligne. 7. Seulement alors : le minimum qui fonctionne. Le projet souligne que l'échelle s'exécute après que l'agent a compris le problème, pas à la place de cette compréhension : l'agent doit toujours lire le code et tracer le flux réel. Il insiste aussi sur le fait que « paresseux » n'est pas « négligent » : la validation, la gestion des erreurs, la sécurité et l'accessibilité ne sont jamais sacrifiées. ## Revendications de benchmark Le README rapporte un benchmark agentique utilisant une session Claude Code headless modifiant un vrai template FastAPI + React, évalué sur le diff git à travers douze tâches de fonctionnalités (Haiku 4.5, n=4). Il affirme que ponytail a réduit les LOC d'environ 54 % (jusqu'à 94 % dans les cas de sur-construction) tout en réduisant aussi les tokens, le coût et le temps, et en restant à 100 % sur un niveau de sécurité. Il inclut d'anciens chiffres en tir unique montrant 80-94 % de code en moins, avec la mise en garde qu'une partie de cet écart provenait d'un artefact de baseline conversationnelle. Le projet renvoie à des analyses complètes et à des instructions de reproduction plutôt que de présenter les chiffres comme la seule preuve. ## Installation et prise en charge Ponytail s'installe comme plugin ou ensemble de règles sur un large éventail d'hôtes de codage IA, notamment : - Claude Code et Codex via les commandes du marketplace de plugins - GitHub Copilot CLI via l'installation de plugin - Gemini CLI et Antigravity CLI via l'installation d'extension - OpenCode via une entrée de plugin dans `opencode.json` - Pi, Hermes Agent, Devin CLI, OpenClaw, Grok Build et Qoder via leurs propres mécanismes de paquets - Cursor, Windsurf, Cline, Kiro, Zed, CodeWhale, Swival et d'autres en copiant un fichier de règles tel que `AGENTS.md` ou le répertoire de règles pertinent Il est livré sous forme d'un seul dépôt avec des répertoires partagés `hooks/` et `skills/` plus des adaptateurs spécifiques à chaque agent. ## Commandes Les hôtes compatibles avec les compétences exposent une poignée de commandes slash : - `/ponytail [lite | full | ultra | off]` - définir l'intensité ou la désactiver - `/ponytail-review` - examiner le diff actuel pour détecter la sur-ingénierie et renvoyer une liste de suppressions - `/ponytail-audit` - auditer tout le dépôt pour détecter la sur-ingénierie - `/ponytail-debt` - collecter les raccourcis différés « ponytail: » dans un registre - `/ponytail-gain` - afficher l'impact mesuré à partir du benchmark - `/ponytail-help` - référence rapide Les niveaux peuvent être contrôlés par session, par sous-agent via la variable d'environnement `PONYTAIL_SUBAGENT_MATCHER`, ou par défaut via la variable d'environnement `PONYTAIL_DEFAULT_MODE` ou un petit fichier de configuration. ## Développement Le dépôt inclut des scripts pour garder le texte de règle compact synchronisé entre toutes les copies d'agents (`node scripts/check-rule-copies.js`), générer le paquet de compétence OpenClaw, publier les compétences sur ClawHub, et exécuter le benchmark de correction (Python est utilisé pour les vérifications d'e-mail et de CSV). ## Licence MIT.