منصوبے کے بارے میں

Ponytail AI کوڈنگ ایجنٹس کے لیے ایک اسکل، پلگ ان اور رول سیٹ ہے، جو انہیں کم اور سادہ کوڈ لکھنے کی طرف راغب کرنے کے لیے ڈیزائن کیا گیا ہے۔ اس کا ٹیگ لائن "lazy senior dev" ہے: کسی ڈیٹ پکر جیسی چیز کے لیے wrapper component، stylesheet اور dependency بنانے کے بجائے، ایجنٹ کو ہدایت دی جاتی ہے کہ جب کام کے لیے بس اتنا ہی کافی ہو تو موجودہ native HTML input (`<input type="date">`) استعمال کرے۔ ## یہ کیسے کام کرتا ہے کوڈ لکھنے سے پہلے، ایجنٹ ایک سیڑھی پر کام کرتا ہے اور پہلی سیڑھی پر رک جاتا ہے جو درست ہو: 1. کیا اس کا وجود ضروری ہے؟ اگر نہیں، تو چھوڑ دیں (YAGNI)۔ 2. پہلے سے اسی codebase میں موجود ہے؟ اسے دوبارہ استعمال کریں، نئے سرے سے نہ لکھیں۔ 3. Stdlib یہ کرتا ہے؟ اسے استعمال کریں۔ 4. Native platform feature؟ اسے استعمال کریں۔ 5. نصب شدہ dependency؟ اسے استعمال کریں۔ 6. ایک لائن؟ ایک لائن لکھیں۔ 7. صرف اسی صورت میں: کم سے کم جو کام کرے۔ یہ پروجیکٹ اس بات پر زور دیتا ہے کہ سیڑھی ایجنٹ کے مسئلہ سمجھنے کے بعد چلتی ہے، اس کے بجائے نہیں: ایجنٹ کو پھر بھی کوڈ پڑھنا اور اصل flow trace کرنا چاہیے۔ یہ اس بات پر بھی زور دیتا ہے کہ "lazy" کا مطلب "negligent" نہیں: validation، error handling، security اور accessibility کبھی قربان نہیں کیے جاتے۔ ## Benchmark کے دعوے README ایک agentic benchmark رپورٹ کرتا ہے جس میں headless Claude Code session ایک حقیقی FastAPI + React template میں ترمیم کرتا ہے، اور بارہ feature tasks پر git diff کی بنیاد پر اسکور کیا جاتا ہے (Haiku 4.5، n=4)۔ یہ دعویٰ کرتا ہے کہ ponytail نے LOC تقریباً 54% کم کیا (over-build cases میں 94% تک) جبکہ tokens، cost اور time بھی کم کیے، اور safety tier پر 100% برقرار رکھا۔ اس میں پرانے single-shot اعداد و شمار بھی شامل ہیں جو 80-94% کم کوڈ دکھاتے ہیں، اس caveat کے ساتھ کہ اس فرق کا کچھ حصہ conversational baseline artifact سے آیا۔ یہ پروجیکٹ مکمل writeups اور reproduction instructions کے لنکس دیتا ہے بجائے اس کے کہ اعداد و شمار کو واحد ثبوت کے طور پر پیش کرے۔ ## انسٹال اور سپورٹ Ponytail ایک پلگ ان یا رول سیٹ کے طور پر بہت سے AI کوڈنگ hosts پر انسٹال ہوتا ہے، جن میں شامل ہیں: - Claude Code اور Codex، plugin marketplace commands کے ذریعے - GitHub Copilot CLI، plugin install کے ذریعے - Gemini CLI اور Antigravity CLI، extension install کے ذریعے - OpenCode، `opencode.json` میں plugin entry کے ذریعے - Pi، Hermes Agent، Devin CLI، OpenClaw، Grok Build اور Qoder، اپنے اپنے package mechanisms کے ذریعے - Cursor، Windsurf، Cline، Kiro، Zed، CodeWhale، Swival اور دیگر، `AGENTS.md` یا متعلقہ rules directory جیسی rules file کاپی کر کے یہ ایک ہی repo کے طور پر آتا ہے جس میں مشترکہ `hooks/` اور `skills/` directories کے ساتھ agent-specific adapters بھی شامل ہیں۔ ## کمانڈز Skill-capable hosts چند slash commands فراہم کرتے ہیں: - `/ponytail [lite | full | ultra | off]` - intensity سیٹ کریں یا بند کریں - `/ponytail-review` - موجودہ diff کا over-engineering کے لیے جائزہ لیں اور delete-list واپس دیں - `/ponytail-audit` - پورے repo کا over-engineering کے لیے آڈٹ کریں - `/ponytail-debt` - deferred "ponytail:" shortcuts کو ledger میں جمع کریں - `/ponytail-gain` - benchmark سے ماپا گیا اثر دکھائیں - `/ponytail-help` - فوری حوالہ Levels کو per session، per subagent `PONYTAIL_SUBAGENT_MATCHER` env var کے ذریعے، یا بطور default `PONYTAIL_DEFAULT_MODE` env var یا ایک چھوٹی config file کے ذریعے کنٹرول کیا جا سکتا ہے۔ ## ڈیولپمنٹ Repo میں scripts شامل ہیں جو تمام agent copies میں compact rule text کو sync رکھتی ہیں (`node scripts/check-rule-copies.js`)، OpenClaw skill package بناتی ہیں، skills کو ClawHub پر publish کرتی ہیں، اور correctness benchmark چلاتی ہیں (email اور CSV checks کے لیے Python استعمال ہوتا ہے)۔ ## لائسنس MIT۔