AI 编程工具的问题正在从“会不会写”变成“会不会写太多”。GitHub 上已有 17 万星的 ponytail 项目，单日新增接近两千颗星，其核心只是一个 3.2KB 的 Markdown 规则文件，试图让 Claude Code、Cursor 等工具在生成代码前先做减法。掘金一篇测试文章用不到 2 毛钱成本，让同一模型分别在不带规则和带规则的情况下完成 3 个任务，观察代码行数、token 消耗、自检和安全校验差异。结果显示，这类规则减少的不只是代码，也包括模型替开发者做决定的倾向。
一段规则文件，约束 AI 的“过度工程”
ponytail 没有运行时，也不执行代码，本体是一个 3.2KB 的 Markdown 文件，采用 MIT 协议。放入 Claude Code 或 Cursor 后，它相当于给模型加入几百个 token 的指令。项目 README 的说法是：让 AI agent 像房间里最懒的资深开发一样思考——“你从没写过的代码，就是最好的代码”。
其核心是一套“决策阶梯”：模型写代码前先判断功能是否需要存在，代码库是否已有实现，能否用标准库、平台原生特性或已安装依赖解决，最后才考虑新写“能跑通的最小代码”。规则同时列出“never cut”清单：信任边界的输入校验、防止数据丢失的错误处理、安全、无障碍以及用户点名要的内容，不许被砍。非平凡逻辑要保留一个小测试，回复结尾要说明跳过了什么、有什么风险。
官方基准显示：同一 agent 分不带规则、v4.13.0、最新 Ponytail 5 三组，跑 39 个任务，每组 5 次，共 585 个真实 Claude Code 会话。结果是代码量降 53%，成本降 26%，耗时降 41%。6 个安全任务的 30 次运行全部通过，带测试的风险逻辑占比 98%，不带规则只有 68%。这些会话全部运行在 Opus 5.5 上。
低成本对照：三个任务看行为差异
为了验证规则在低价模型上的效果，上述文章作者改用 deepseek-flash 做对照：3 个任务，每个任务同一模型跑两遍，一组不带规则，一组将 ponytail 规则全文放入系统提示；温度 0.7，其他参数一致。每个任务只跑一次，属于冒烟测试。
三个任务分别是加缓存、中文日期解析、外部 CSV 导入 SQLite。
- 加缓存：不带规则组写出 40 行双检锁实现；带规则组为 41 行，行数未降，但把 8 行辅助函数换成一行 setdefault，并补充 8 线程并发自检，验证上游接口只被调用一次、第二次调用走缓存。回复末尾还列出跳过项：不做缓存淘汰、不做负缓存、不跨进程共享，并提示 requests.Session 的线程安全原本存疑。
- 中文日期解析：不带规则组写了 46 行，并自行决定如果“本周五”已经过去，则顺延到下一个周五；带规则组压缩到 20 行，按自然周返回周五，同时用注释标记语义可能需要调整，并在结尾说明“要不要顺延你定”。
- CSV 导入 SQLite：不带规则组耗时 92 秒，思考 token 1.7 万，最终 141 行；带规则组为 49 行，并保留 6 个坏样本的断言自检。两组都包含参数化 SQL、Decimal 拒收 NaN 和负数、表头校验、文件大小限制和事务回滚。差异在于带规则版本去掉了 35 行限流读取类、20 行流类型探测、手工 SAVEPOINT 管理和 500 行分批插入等未被要求的扩展。
实验还出现了一个插曲：CSV 任务的不带规则版本第一次把思考预算撑到顶格，没有输出正文，作者调大输出上限后重跑。因此账单按 7 次调用计算，而不是 6 次。两次实验总成本不到 2 毛钱。
对 rules 写作的启发：不是压缩字数，而是约束边界
这次测试样本有限：3 个任务、每组 1 次、单一模型，不能与官方 585 个会话直接比较，也不能把 deepseek-flash 的结果简单外推到 GPT 系或 Gemini。但它呈现的变化较一致：带规则后，模型会说明跳过了什么，为非平凡逻辑补充测试，在安全校验上不缩水，同时减少未经确认的业务决策。
这对 Copilot、Cursor、Claude Code 等工具的 rules 写作有参考意义。规则不应只写“代码要简洁”，而应明确边界：
- 先判断是否不写：优先复用已有代码、标准库、平台能力和已安装依赖。
- 列出不允许删减的底线：输入校验、错误处理、安全、无障碍和用户明确要求。
- 要求模型交代取舍：说明暂不支持哪些场景、哪些风险仍在。
- 把有歧义的业务语义交回开发者：可以标注问题，但不要静默替用户选择。
- 为关键逻辑保留最小测试：用少量断言验证核心行为。
文章作者的使用建议是：新项目、原型期或个人小工具，可以直接启用完整规则；接手旧项目或团队有严格规范时，可用 lite 档，让模型只提示“有更省的写法”，不直接改动；ultra 档会质疑需求本身，不适合常规场景。安装方式为：Claude Code 中执行 /plugin marketplace add DietrichGebert/ponytail 和 /plugin install ponytail@ponytail；其他 agent 可通过 npx skills add DietrichGebert/ponytail@ponytail 添加，删除目录即可移除。
ponytail 的价值不在于复杂算法，而在于它把一个开发习惯转成模型可执行的边界。AI 编码工具的规则文件正在成为新的工程接口：模型能写多少代码只是表层问题，更重要的是它是否知道何时停下，并把最终决定权留给开发者。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/3-2kb-de-ponytail-gui-ze-shi-ce-ai-bian-cheng-shao-xie-de
