mcpField
P
ponytail-gain

ponytail-gain

github.com/dietrichgebertAgent 工作流179.1k43.0k 次安装2 周前更新
代码仓库

关于 ponytail-gain

ponytail-gain 用于展示 Ponytail 已发布的 Agent 基准测试记分板，呈现相对无技能基线的汇总测量结果，并引导用户通过债务清单获取代码库特定的计数。

主要功能

  1. 01展示基准测试记分板
  2. 02列出代码、令牌、成本和耗时指标
  3. 03报告隐藏检查结果
  4. 04区分基准结果与代码库数据
  5. 05单次展示且不修改内容

适用场景

  1. 01查看已发布的 Ponytail 基准结果
  2. 02对照无技能基线比较测试指标
  3. 03避免声称未经测量的代码库节省量

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/dietrichgebert/ponytail --skill ponytail-gain

安装后在 Claude Code 中输入/ponytail-gain确认已加载。

详细介绍

Ponytail 收益

调用时显示此排行榜。一次性操作：不要更改模式、写入标记文件或持久化任何内容。

这些数据是 Ponytail 5 已发布的 Agentic 基准测试结果：在 39 项任务（真实 FastAPI + React 代码库中的功能工单、Bug 修复、安全与隐私案例、小型应用）上，对无头模式下的 Claude Code（Opus 5.5，默认推理强度）进行测试，每项任务运行 5 次，并与未使用该技能的同一 Agent 对比。其中 18 项任务设有针对正确性和安全性的隐藏检查。每项数据均为各任务中位数的几何平均值。这些数据是实际测得的，并非根据当前代码库计算得出。 来源：benchmarks/results/2026-10-07-agentic.md 和 README。

排行榜

使用纯 ASCII 条形图呈现。条形长度表示 ponytail 相对于无技能基准的占比；标签显示精确数值：

  ponytail gain           benchmark · 39 tasks × 5 runs · Opus 5.5

  no-skill        ████████████████████  100%
  Lines of code   █████████···········   47%   ▼ 53%
  Output tokens   ███████████·········   55%   ▼ 45%
  Cost            ███████████████·····   74%   ▼ 26%
  Time            ████████████········   59%   ▼ 41%
  Hidden checks passed   97%  (no-skill 96%)
  Tests where the logic needs one   98%  (no-skill 68%)

  This repo:  /ponytail-debt  (shortcuts you deferred)
              /ponytail-audit (what's still cuttable)

诚实边界

这些是基准测试的平均值，不代表此代码库。绝不要打印针对某个代码库的节省数值（“你在这里节省了 X 行代码/令牌”）：未构建的版本从未编写过，因此在实际代码库中没有真实基准可供相减。每个代码库唯一真实的数值来自 /ponytail-debt（一份计数台账），此卡片会指向它，而不是凭空编造数值。

边界

一次性显示。不编辑任何内容，也不更改模式。

评论

支持 Markdown