Hoe je een AI-agent minimale code laat schrijven en overengineering vergeet

Ken je dat type in IT-afdelingen? Ovale bril, lange paardenstaart achter op het hoofd, werkt langer bij het bedrijf dan versiebeheer bestaat. Je laat ze vijftig regels nieuwe code zien, ze staren zwijgend een paar seconden, wissen alles en schrijven één regel die hetzelfde doet.

Moderne autonome AI-modellen zoals Claude Code, Codex of Cursor hebben het tegenovergestelde probleem. Vraag je een agent om een eenvoudige datumkiezer aan een formulier toe te voegen, dan installeren ze een third-party package, maken ze een wrapper-component, schrijven ze stijlen en openen ze een discussie over tijdzones. Code groeit, dependencies vermenigvuldigen zich, de tokenrekening stijgt.

De repository DietrichGebert/ponytail lost precies dit probleem op. Het project vervangt het gewoonte van het model om uitgebreide kastelen te bouwen door de logica van diezelfde developer met de paardenstaart: ga niet zitten over extra code, gebruik native mogelijkheden en standaardbibliotheken.

Waarom AI-agents een senior-level "kan-me-niks schelen"-houding nodig hebben

Elk extra stukje code is een potentiële bug, een extra stap tijdens review en een vertraging bij elke LLM-call. Modellen defaulten naar meer genereren dan gevraagd. Ze proberen nuttig te lijken door alledaagse operaties in abstracties te wrappen.

Ponytail levert een set regels en hooks voor LLM-agents die het model dwingen om te stoppen voordat ze de eerste regel schrijven. In plaats van architecturale scaffolds te bouwen, doorloopt de agent een korte ladder van beslissingen:

1. Is dit eigenlijk wel nodig? Zo niet, dan wordt de taak overgeslagen (YAGNI).
2. Is er een geschikt fragment in de codebase? Hergebruik het.
3. Kan een standaardbibliotheek de taak oplossen?
4. Is er een native browser- of platformfunctie?
5. Kan de taak in één regel worden opgelost?
6. Pas helemaal aan het einde — schrijf minimale werkende code.

Beveiligingslogica blijft onaangetast. Het model knipt input-validatie, error handling, permissiechecks of accessibility-parameters niet weg. Instellingen trimmen alleen architecturale vet.

Gedetailleerde breakdown:

<!-- Обычно агент ставит тяжелый JS-календарь -->
<!-- С подключенным Ponytail: -->
<input type="date">

Wat de cijfers laten zien

De auteur van het project testte de effectiviteit van de regels op een echt project. Voor de test namen ze de FastAPI + React-template van tiangolo en lieten Claude Code (op Haiku 4.5-model) 12 feature-schrijftaken uitvoeren. Resultaten werden vergeleken met een schone agent zonder extra instructies.

Samenvatting metingen:

• Codevolume (LOC): gemiddeld met 54% verminderd (bij individuele taken zoals native color picker, werden besparingen van 94% bereikt).
• Token-kosten: met 22% verminderd.
• Totale call-kosten: gedaald met 20%.
• Tijd voor taakoplossing: ingekort met 27%.
• Slaagpercentage adversarial security tests: 100%.

Andere technieken deden ook mee aan de benchmarks. De caveman-prompt bijvoorbeeld vermindert agent-geklets in chat maar verandert de geschreven code zelf niet. Regelsets geformatteerd als "YAGNI + one-liners" verminderen code met 33%, maar knippen vaak beveiligingschecks weg, waardoor het testslaagpercentage daalt naar 95%. Ponytail was de enige optie die resources bespaarde over alle metrics zonder betrouwbaarheid te verliezen.

Hoe te installeren en configureren

Platformondersteuning is hier breed. De plugin is aangepast voor twee dozijn tools, van CLI-hulpprogramma's tot IDE-plugins.

Voor Claude Code bestaat de installatie uit twee commando's in de ingebouwde chat:

/plugin marketplace add DietrichGebert/ponytail
/plugin install ponytail@ponytail

Voor Codex in de console:

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

Als je in Cursor, Windsurf of Cline werkt, kopieer je simpelweg het regelsbestand uit de repository (.cursor/rules/, .windsurf/rules/ of AGENTS.md) naar je project. Instructies worden automatisch opgepikt wanneer de sessie start.

In console-clients worden speciale commando's beschikbaar:

• /ponytail — bekijk of schakel aggression mode (lite, full, ultra, off).
• /ponytail-review — controleer huidige git diff met een lijst regels om te verwijderen.
• /ponytail-audit — volledige repository-audit voor redundante abstracties.
• /ponytail-debt — verzamel alle uitgestelde hacks en vereenvoudigingen in één lijst.

Mode ultra is ontworpen voor gevallen waarin de codebase zo verward is dat het makkelijker is om de helft van de abstractielagen te slopen.

Praktische voordelen

Het hulpmiddel is nuttig voor developers die routinematige refactoring, het sluiten van Jira-tickets of het schrijven van CRUD-componenten delegeren naar AI-agents. Zonder strikte beperkingen overspoelen agents de repository met duplicaat utilities, nep-helpers en onnodige npm-packages.

Ponytail werkt als een strikte mentor over de schouder van het model. Het bespaart API-balans, versnelt responsgeneratie en elimineert de noodzaak om tijdens code review de puinhoop van het neurale netwerk op te ruimen.

Als je moe bent van het feit dat een simpel verzoek zoals "voeg een knop toe" resulteert in drie nieuwe bestanden en wijzigingen in package.json, dan is dit project zeker het proberen waard.