Ponytail: eine Sieben-Stufen-Leiter, die Coding-Agenten vom Überbauen abhält

Eine Anweisungsebene, keine Codebibliothek

Ponytail von DietrichGebert ist kein Framework und keine Generierungsbibliothek, sondern eine Anweisungsschicht für Coding-Agenten. Das Paket besteht aus Plugin-Manifesten, Skill-Dateien und Regeldokumenten, die der Agent vor und während des Schreibens von Code berücksichtigt. Das Motto des README bringt die Haltung auf eine Zeile: Er sagt nichts, er schreibt eine Zeile, sie funktioniert. Die Figur dahinter ist der Senior-Entwickler mit Ponytail, der fünfzig Zeilen ansieht und sie durch eine ersetzt.

Die Reichweite ist bemerkenswert: Die Metadaten weisen 115.088 Sterne und 6.289 Forks aus, die Release-Historie reicht bis v4.9.0 vom August 2026, dessen Titel 53 Commits des Weniger-Tuns trägt. Das Projekt ist in JavaScript geschrieben und unter MIT lizenziert.

Wichtig für die Erwartungshaltung: Die Regel war laut README nie, die wenigsten Token zu schreiben. Sie lautet, nur zu schreiben, was die Aufgabe braucht, und niemals Validierung, Fehlerbehandlung, Sicherheit oder Barrierefreiheit zu kürzen. Der Code bleibt klein, weil er nötig ist, nicht weil er golfet wurde.

Die Leiter von YAGNI bis zur Minimallösung

Der Kernmechanismus ist eine siebenstufige Leiter, die der Agent durchläuft, nachdem er das Problem verstanden hat. Stufe 1 fragt, ob das Stück überhaupt existieren muss, sonst wird es übersprungen. Stufe 2 prüft, ob es schon in der Codebasis gibt, Stufe 3, ob die Standardbibliothek es kann, Stufe 4, ob die Plattform ein natives Feature bietet, Stufe 5, ob eine installierte Abhängigkeit es liefert, Stufe 6, ob eine Zeile genügt. Erst Stufe 7 erlaubt das Minimum, das funktioniert.

Zwei Randbedingungen machen den Unterschied zur bloßen Sparanweisung. Die Leiter läuft nach dem Verständnis, nicht an seiner Stelle: Der Agent liest den berührten Code und verfolgt den echten Ablauf, bevor er eine Stufe wählt. Das README nennt das faul in der Lösung, niemals im Lesen.

Außerdem stehen Vertrauensgrenzen-Validierung, Datenverlustbehandlung, Sicherheit und Barrierefreiheit nie auf der Streichliste. Das Beispiel im README zeigt das Muster: Statt flatpickr zu installieren, einen Wrapper zu bauen und eine Zeitzonendiskussion zu starten, genügt input type=date mit dem Kommentar, der Browser habe eines bereits.

Die agentische Benchmark und ihre Korrektur

Die ehrliche Messung ist laut README ein echter Agent bei echter Arbeit: eine headless Claude-Code-Sitzung, die das FastAPI-und-React-Repository full-stack-fastapi-template von tiangolo bearbeitet, bewertet nach dem hinterlassenen git diff. Zwölf Feature-Tickets, derselbe Agent mit und ohne Skill, n=4, Modell Haiku 4.5.

Gegen die Baseline ohne Skill schnitt ponytail mit minus 54 Prozent LOC, minus 22 Prozent Tokens, minus 20 Prozent Kosten und minus 27 Prozent Zeit ab, bei 100 Prozent Sicherheit. Die Größeneffekte liegen bei echten Überbau-Fallen: Ein Date-Picker schrumpfte von 404 auf 23 Zeilen, ein Color-Picker von 287 auf 23, weil der Agent ein natives input-Element erreicht. Auf ohnehin minimalem Code liegt die Ersparnis nahe null. Die Kontrollarme zeigen, dass es nicht an Kürze allein liegt: ein knapper-Prosa-Kontrolle schaffte minus 20 Prozent LOC bei leicht höheren Kosten, ein nackter YAGNI-Prompt minus 33 Prozent LOC bei nur 95 Prozent Sicherheit.

Auffällig ist die Selbstanzeige einer älteren Messung: Eine früher berichtete Einzelgenerierungszahl von 80 bis 94 Prozent weniger Code wurde nach Kritik im Issue 126 als Benchmark-Artefakt eines Konversations-Baselines relativiert und als Pro-Aufgaben-Obergrenze statt Durchschnitt neu eingeordnet. Wer die Einzelgenerierungsvariante nachstellen will, nutzt npx promptfoo eval -c benchmarks/promptfooconfig.yaml.

Installation über Plugin-Marketplaces und Regeldateien

Die Installationsvielfalt ist der größte Teil des README. Für Claude Code führt der Weg über /plugin marketplace add DietrichGebert/ponytail und /plugin install ponytail@ponytail, als zwei getrennte Prompts; derselbe Weg gilt im Desktop-App-Tab. Für Codex lauten die Befehle codex plugin marketplace add und codex plugin add, danach öffnet man /hooks und vertraut den beiden Lifecycle-Hooks. GitHub Copilot CLI hat eigene Befehle und namespaced die Befehle unter /ponytail:ponytail.

Weitere Wege existieren für Pi über pi install git:github.com/DietrichGebert/ponytail, für OpenCode über einen Eintrag in opencode.json und für eine Reihe von Nur-Anweisungs-Hosts, die eine Regeldatei laden oder automatisch AGENTS.md aus dem Repository-Root einlesen. Die Claude-Code- und Codex-Plugins betreiben zwei kleine Node.js-Lifecycle-Hooks, daher muss node im PATH der nicht-interaktiven Shell liegen; fehlt es, arbeiten die Skills weiter, nur die Always-on-Aktivierung bleibt stumm.

Für die Konfiguration gibt es PONYTAIL_DEFAULT_MODE oder eine config.json für die Standardstufe sowie PONYTAIL_SUBAGENT_MATCHER, der steuert, welche Subagenten die Regeln erhalten. Voreingestellt ist die Stufe full.

Slash-Befehle von /ponytail-review bis /ponytail-debt

Der Befehlssatz bleibt klein und ist auf Skill-fähigen Hosts verfügbar. /ponytail setzt die Stufe auf lite, full, ultra oder off, ohne Argument meldet er den aktuellen Zustand. /ponytail-review prüft den anstehenden diff auf Überbau, /ponytail-audit das gesamte Repository, /ponytail-debt sammelt bewusst verschobene Abkürzungen in einem Protokoll, /ponytail-gain zeigt die benchmarkte Auswirkung, /ponytail-help listet die Referenz.

Die Workflows ergänzen einander: Der Review-Befehl deckt den Einzelfall, der Audit das Depot, und das Schuldenprotokoll verhindert, dass kurzfristig Vertagtes vergessen wird. Das ist eine bemerkenswerte Erweiterung, weil reine Sparregeln auf Dauer zu stiller Unterleistung führen; hier wird die Abkürzung sichtbar gemacht.

Auf der Werkzeugseite hält das Repository Node-Skripte bereit, die Regelkopien synchron halten, Tests ausführen, das OpenClaw-Skillpaket bauen und Skills auf ClawHub veröffentlichen. Die Korrektheits-Benchmark benötigt python3 mit pandas für die CSV-Prüfungen.

Fazit: Wann die Leiter im Agentenalltag etwas bringt

Ponytail greift ein konkretes, weit verbreitetes Versagen von Coding-Agenten: das Installieren von Abhängigkeiten und das Bauen von Wrappern für Probleme, die Plattformfeatures oder die Standardbibliothek längst lösen. Die Sieben-Stufen-Leiter, der Nachweis über eine agentische Benchmark mit offenem Nachbau und die Befehle für Review, Audit und Schuldenprotokoll sind ein abgerundetes Paket, kein Werbeversprechen.

Nicht geeignet ist es für Leser, die Agenten dauerhaft auf maximale Funktionsdichte trimmen wollen oder in Codebasen arbeiten, die ohnehin schon minimal sind; dort liegt die Ersparnis laut Messung nahe null. Auch ein knapper Reasoning-Modell kann laut README gegenläufig reagieren, weil er Nachdenk-Tokens auf die Leiterstufen verwendet.

Der sauberste Einstieg ist doppelt: Nach der Installation mit /ponytail ultra an einem eigenen Feature-Ticket die diff-Größe mit und ohne Skill vergleichen und parallel den agentic-Bericht benchmarks/results/2026-06-18-agentic.md lesen, um zu sehen, welche der zwölf Aufgaben dem eigenen Fall am nächsten steht.

Redaktionelles Fazit

Ponytail passt zu Teams, deren KI-Agenten dazu neigen, Komponenten, Wrapper und Abhängigkeiten für Probleme zu installieren, die Plattform oder Standardbibliothek längst lösen. Wer maximale Funktionsdichte pro Prompt sucht oder Sicherheit und Barrierefreiheit als verhandelbar betrachtet, ist hier falsch; der erste Prüfschritt ist der Benchmark-Nachbau über npx promptfoo eval -c benchmarks/promptfooconfig.yaml und ein eigener Vergleich der git-diff-Größe an einem eigenen Feature-Ticket.

Offizielle Quellen

1. Official documentation
2. Official README
3. Project repository
4. Release notes