给 Agent 装上“少废话”三件套：代码减半、回答先给重点、上下文省 98%

情报来源：逛逛GitHub《盘点 20 个 9 月份 GitHub 上顶顶顶的开源项目》（2026-10-11）· 项目地址 Ponytail / i-have-adhd / Context Mode · 数据均对照各仓库 README

一文看懂

先看痛点。 用 Agent 写代码，你大概率见过这三种画面：一个日期选择器，它吭哧吭哧手搓 335 行（其实浏览器自带）；一个简单问题，它先“Great question! Let me think about this…”铺垫五十字才说正事；一个工具调用，50KB 原始数据直接倒进上下文，聊半小时窗口就满了。Agent 干活最大的隐性成本不是模型贵，是废话多——代码啰嗦、回答啰嗦、上下文占用啰嗦，三个方向都在烧你的钱和耐心。

三件套对症下药：Ponytail 让代码减半、i-have-adhd 让回答先给行动、Context Mode 把上下文占用砍 98%。都是装上就能用的 Skill / MCP，互不冲突，可以一起上。

Ponytail：让 Agent 当那个“一句话换五十行”的资深同事

Ponytail（dietrichgebert/ponytail，MIT）的比喻很传神：公司里那个扎马尾、戴圆框眼镜、资历比版本控制系统还老的程序员——你给他看五十行代码，他看一眼不说话，换成一行的那位。它把这个“懒人资深开发”装进你的 AI agent，目前支持 20 个 Agent（Claude Code、Cursor、Codex 等）。

效果（作者基准，Claude Code 同 Agent 开/关对比，39 个任务 × 5 轮，Opus 5.5）：代码量 -53%、耗时 -41%、成本 -26%、token -45%；而且质量不降反升——危险逻辑带测试的比例从 68% 升到 98%，Agent 自测抓注入 bug 从 46% 升到 66%，6 个安全任务 30 轮全过。

它的原则值得单独记：规则从来不是“token 越少越好”，而是“只写任务需要的代码，但绝不砍验证、错误处理、安全、可访问性”——代码变少是因为“必要”，不是“打高尔夫球式压行”。典型例子：加日期选择器，无 skill 时手搓 335 行日历；用了之后变成一个 10 行的文件，复用仓库里现成的，日历交给浏览器。

i-have-adhd：回答先给下一步，编号，别铺垫

i-have-adhd（ayghri/i-have-adhd，MIT）名字玩梗，功能正经：一套输出规则，让 Agent 的回答“对注意力不集中的人友好”。它不诊断 ADHD，只是把回答格式改成“行动优先”：

改之前：“Great question! 让我想想……你的认证流程有几个环节，中间件、token 验证、cookie 处理……建议更新依赖再重写函数……顺便你依赖版本整体可以看看……希望能帮到你！”

改之后：“编辑 src/auth.ts:42 更新 token 校验。① 打开文件 ② 用下面这段替换 verifyToken（42-58 行）③ 跑 npm test -- auth.spec.ts。下一步：贴第一条失败输出。”

10 条规则，核心几条：以下一步行动开头；多步任务编号；结尾给一个具体的下一步；压住跑题；每轮重述状态；时间估算用分钟（不说“一会儿”）；列表上限 5 项；无开场白、无复述、无收尾语。安装也简单——把仓库的 AGENTS.md 装进你的 agent，或者直接复制粘贴它的安装指令。想改规则？fork 改 SKILL.md 换自己的版本就行。

Context Mode：把原始数据挡在上下文窗口外面

Context Mode（mksglu/context-mode，ELv2）解决的是另一个维度——工具调用的输出污染。一个 Playwright 快照 56KB，20 个 GitHub issue 59KB，一条访问日志 45KB；30 分钟后 40% 上下文就没了，压缩时 Agent 还会忘记自己在改哪个文件。它是个 MCP server，四个机制：

上下文节省——沙箱工具把原始数据挡在窗口外：315KB 变成 5.4KB，砍 98%；
会话连续性——文件编辑、git 操作、任务、错误、你的决定全部跟踪进 SQLite；对话压缩时不把数据倒回窗口，而是索引进 FTS5，按需 BM25 检索，模型精确接上断点；
用代码思考——逼 Agent“写脚本算，而不是把 50 个文件读进来数”：一个 ctx_execute() 脚本替代 10 次工具调用，47 次 Read（700KB）变成一次执行（3.6KB）；
不干涉说话风格——只管数据去哪，不管模型怎么组织语言（README 特意指出：激进的简洁提示词反而会降低编码/推理基准分）。

安装：Claude Code 里两条命令装插件（/plugin marketplace add mksglu/context-mode + install），自动路由；其他平台走 MCP。支持 17 个客户端 + OpenClaw 网关。README 显示 Microsoft / Google / Meta / Amazon / ByteDance 等团队在用，上过 Hacker News 榜首。

Ponytail 怎么装

Ponytail 是 Agent 技能（skill），装法跟普通技能一样：Claude Code 里把它加进 marketplace，Cursor / Codex 等其他 Agent 用 npx skills add 装；想深度定制可以 fork 仓库改规则。安装门槛几乎为零，见效立竿见影——它改的是 Agent 的“工作习惯”而不是某个具体功能。

三件套怎么配

要代码少而稳 → Ponytail（最推荐，效果有硬数据）
要回答直给 → i-have-adhd（装一个，立刻见效）
要上下文省 → Context Mode（适合频繁读文件/调工具的日常工作流）

三者不冲突：一个管“写出来的代码”、一个管“说出来的话”、一个管“灌进来的数据”。

信号强度

三件套背后是同一个趋势：Agent 能力的瓶颈开始从“会不会”转向“值不值”——模型越来越能干，但上下文窗口和 token 账单是硬约束，谁先把“输出纪律”做好，谁就在同等成本下多干一倍活。Ponytail 那句“代码少不是目的，必要才是”值得刻进每个 Agent 的提示词里。对普通用户，i-have-adhd 零成本先装，Ponytail 有数据背书最值得深用。

SIGNAL FILE · 情报档案

逛逛GitHub《盘点 20 个 9 月份 GitHub 上顶顶顶的开源项目》（2026-10-11）+ 三个仓库 README 实测核对

本文基于 AI 情报库收录的条目展开深析；事实性信息以原始报道为准，分析与展望为编辑观点。

原始报道：https://github.com/dietrichgebert/ponytail（GitHub）

查看原始报道 ↗返回首页