AI 一口气写了 300 行代码,你真的需要吗?如何减少Token消耗?

这其实是Ponytail对资深程序员形象的描绘：话少、经验足，能用很少的代码就把事情做好。

Ponytail本质是一个给AI编程工具使用的开源「技能与插件」，目标是让AI用最少的必要代码来完整解决问题，支持的平台高达30多种，基本上常见的都支持，例如

Codex、Claude Code、Code Buddy、Gemini CLI、OpenClaw、Antigravity、Cursor、DeepSeek Harness等

目前最新版本是v5.3.2（10月17号发布）

https://github.com/DietrichGebert/ponytail/blob/main/benchmarks/results/2026-10-07-agentic.md

这里仅分享一个测试示例：

没有要求复杂的日期范围、节假日规则或定制日历。五次运行的代码行数中位数：

Ponytail约能减少97%的代码行数。

当然，它也是有限度的，如果功能实现原本就很简单、需求约束比较明确，它的优势就不会那么明显，更确切的说，它主要减少的是开放需求中模型自行增加的实现规模。

尤其是当需求的表达较为模糊，细节和约束不多的时候，Ponytail的作用就很明显。

当准备AI模型准备开始编程前，Ponytail会介入其决策，具体流程是：

除了上述决策流程，Ponytail在修改代码前，还考虑调用方、测试、配置和导出是否一起受影响。此外，修复问题前，要查找相关调用位置。涉及分支、循环、解析、金额、安全等逻辑，要留下必要测试或断言检查等等。

Ponytail并不是“一份提示词”这么简单，它包括了插件的加载、状态管理、代码摘要、界面适配等。具体组成部分如下：

它共有6个Skill（技能）：

简单来说，Ponytail的运行过程可以理解为：宿主启动它的小脚本，小脚本把开发规则和已有代码摘要放进模型上下文，然后模型按照这些信息处理需求。 真正读取项目、选择方案和修改代码的，其实还是 Claude Code、Codex 等宿主中的 AI，不过Ponytail相当于给这些AI加上了各种约束。大致的运行过程如下：

Ponytail启动后，首先它会把“先理解需求、优先复用、只写必要代码”的规则放进 AI的上下文。注意，新版（v5.x版本）还会扫描项目中的函数、类和导出名称，给AI一份已有能力列表，让AI能大致了解现有代码都能做什么。

随后AI模型就可以根据这些规则读取代码、选择方案并完成修改。Ponytail的作用点，是在新代码产生之前：帮助模型发现可以复用的能力，限制模型开发没有必要的代码，从而降低冗余代码和节省Token。

安装Ponytail并不复杂，下面提供几种常见AI平台的安装方法：

终端执行

codex plugin marketplace add DietrichGebert/ponytailcodex plugin add ponytail@ponytail

在Claude Code输入框输入并执行下列命令（分两次执行）：

/plugin marketplace add DietrichGebert/ponytail

然后再输入：

/plugin install ponytail@ponytail

安装完成后，开启新会话。默认使用 full 模式，也可以手动切换：

/ponytail lite/ponytail full/ponytail ultra

CodeBuddy Code可以直接使用Ponytail的Claude格式插件，安装方式与Claude Code相同。

不得不说，现在这AI工具编码是越来越快，但是额度的消耗也是不小，因此哪些代码值得写，哪些可以复用，哪些根本没有必要存在，我觉得更为值得注意。

大家可以尝试一下Ponytail，欢迎交流~

GitHub榜一：这个开源项目，把找工作做成了一套AI工作流

开源项目分享：找工作也可以流程化，把简历、职位和面试准备放进同一个AI工作台