Como fazer um agente de IA escrever código mínimo e esquecer do overengineering
Lembra daquele tipo de pessoa nos departamentos de TI? Óculos ovais, rabo de cavalo comprido na nuca, está na empresa há mais tempo do que o controle de versão existe. Você mostra cinquenta linhas de novo código, eles encaram em silêncio por alguns segundos, apagam tudo e escrevem uma linha que faz a mesma coisa.
Modelos modernos autônomos de IA como Claude Code, Codex ou Cursor sofrem do problema oposto. Se você pedir a um agente para adicionar um simples seletor de data a um formulário, ele vai instalar um pacote de terceiros, criar um componente wrapper, escrever estilos e abrir uma discussão sobre fusos horários. O código cresce, as dependências se multiplicam, a conta de tokens aumenta.
O repositório DietrichGebert/ponytail resolve exatamente esse problema. O projeto substitui o hábito do modelo de construir castelos elaborados pela lógica daquele mesmo desenvolvedor com rabo de cavalo: não sente sobre código extra, use recursos nativos e bibliotecas padrão.
Por que agentes de IA precisam de uma atitude sênior de "não me importo"
Cada fragmento adicional de código é um potencial bug, uma etapa extra durante a revisão e um atraso em cada chamada LLM. Os modelos padrão é gerar mais do que o solicitado. Eles se esforçam para parecer úteis envolvendo operações mundanas em abstrações.
O Ponytail entrega um conjunto de regras e ganchos para agentes LLM que forçam o modelo a parar antes de escrever a primeira linha. Em vez de construir andaimes arquiteturais, o agente percorre uma pequena escada de decisões:
- Isso é mesmo necessário? Se não, a tarefa é pulada (YAGNI).
- Existe um fragmento adequado no codebase? Reutilize-o.
- Uma biblioteca padrão pode resolver a tarefa?
- Existe um recurso nativo do navegador ou plataforma?
- A tarefa pode ser resolvida em uma linha?
- Só no final — escreva código mínimo funcional.
A lógica de segurança permanece intocada. O modelo não corta validação de entrada, tratamento de erros, verificações de permissão ou parâmetros de acessibilidade. As configurações apenas eliminam gordura arquitetural.
Detalhamento completo:
<!-- Обычно агент ставит тяжелый JS-календарь -->
<!-- С подключенным Ponytail: -->
<input type="date">
O que os números mostram
O autor do projeto testou a eficácia das regras em um projeto real. Para o teste, pegaram o template FastAPI + React do tiangolo e tiveram o Claude Code (no modelo Haiku 4.5) executando 12 tarefas de escrita de funcionalidades. Os resultados foram comparados com um agente limpo sem instruções adicionais.
Resumo das medições:
- Volume de código criado (LOC): reduzido em média 54% (em tarefas individuais como seletor de cores nativo, a economia chegou a 94%).
- Custos de tokens: reduzidos em 22%.
- Custo total das chamadas: caiu 20%.
- Tempo de resolução das tarefas: encurtado em 27%.
- Taxa de aprovação em testes de segurança adversários: 100%.
Outras técnicas participaram dos benchmarks. Por exemplo, o prompt caveman reduz o chatter do agente nas conversas mas não altera o código escrito. Conjuntos de regras formatados como "YAGNI + one-liners" reduzem o código em 33%, mas frequentemente cortam verificações de segurança, fazendo a taxa de sucesso dos testes cair para 95%. O Ponytail foi a única opção que economizou recursos em todas as métricas sem perder confiabilidade.
Como instalar e configurar
O suporte a plataformas aqui é amplo. O plugin é adaptado para duas dezenas de ferramentas, desde utilitários CLI até plugins de IDE.
Para Claude Code, a instalação consiste em dois comandos no chat integrado:
/plugin marketplace add DietrichGebert/ponytail
/plugin install ponytail@ponytail
Para Codex no console:
codex plugin marketplace add DietrichGebert/ponytail
codex plugin add ponytail@ponytail
Se você trabalha no Cursor, Windsurf ou Cline, basta copiar o arquivo de regras do repositório (.cursor/rules/, .windsurf/rules/, ou AGENTS.md) para o seu projeto. As instruções serão captadas automaticamente quando a sessão iniciar.
Em clientes de console, comandos especiais ficam disponíveis:
/ponytail— ver ou trocar o modo de agressividade (lite,full,ultra,off)./ponytail-review— verificar o diff atual do git com lista de linhas a deletar./ponytail-audit— auditoria completa do repositório em busca de abstrações redundantes./ponytail-debt— coletar todos os hacks e simplificações adiados em uma lista única.
O modo ultra é projetado para casos em que o codebase está tão entrelaçado que é mais fácil demolir metade das camadas de abstração.
Benefícios práticos
A ferramenta será útil para desenvolvedores que delegam refatorações rotineiras, fechamento de tickets Jira ou escrita de componentes CRUD para agentes de IA. Sem restrições rígidas, os agentes inundam o repositório com utilitários duplicados, helpers falsos e pacotes npm desnecessários.
O Ponytail funciona como um mentor rigoroso ao lado do modelo. Ele economiza saldo de API, acelera a geração de respostas e elimina a necessidade de limpar a bagunça da rede neural durante a revisão de código.
Se você está cansado de um pedido simples como "adicione um botão" resultando em três novos arquivos e alterações no package.json, este projeto definitivamente vale a pena experimentar.
Projetos relacionados