AI 编码 Agent 写代码太多管不住？Piggy 的”懒人资深开发者”模式直降 80% 冗余代码
你有没有遇到过这种情况——让 Claude Code 实现一个简单的字符串校验，结果它给你造了一个 80 行的 Validator 类，带抽象接口、工厂方法、单元测试框架，甚至还留了个”未来扩展”的 TODO？或者让 Codex 加一个排序功能，它引入了 Lodash，尽管 Array.prototype.sort() 完全够用？
AI 编码 Agent 的能力越强，”过度工程化”的问题就越突出。它们像年轻的全栈工程师，什么模式都见过、什么框架都想用，唯独缺少一个见过世面的资深开发者在背后说一句：”这个需要吗？”
Piggy 就是那个资深开发者——一个开源的 AI 编码技能（Plugin），在所有主流 AI 编码 Agent 中注入”懒人模式”。它不教 Agent 写更聪明的代码，而是教它写更少的代码。实测数据：代码量降低 80–94%，Token 成本降低 47–77%，速度提升 3–6 倍。
问题：AI Agent 为什么总爱写多余代码？
这不是 Agent 的”性格问题”，而是训练数据和激励机制决定的。AI 编码模型的训练数据来自 GitHub 上大量生产级代码库，这些库普遍过度使用设计模式、抽象层和第三方依赖。模型学到的是”生产级代码就该这样写”——接口要抽象、错误要分类、配置要外置、未来要做好扩展准备。
但真实世界的开发需求往往是：
- 一个简单的 debounce 函数，不需要 DebounceManager 类
- 一个 CSV 求和，不需要 pandas
- 一个日期格式化，不需要 moment.js
- 一个 email 校验，不需要 validator 库加正则解析器
Piggy 的核心洞察就在这里：Agent 不是学不会简单代码，而是缺少一个约束层来压制它的”过度工程化本能”。
Piggy 是什么？一个”反过度工程”的行为约束层
Piggy 的工作原理很简单——它用一个 7 级阶梯（The Ladder）在 Agent 动笔之前先做决策，只允许走到满足需求的最短路径：
- 这东西真的需要存在吗？ 推测性需求？跳过（YAGNI）
- 代码库里已经有现成的了？ 复用已有工具、辅助函数或模式
- 标准库能搞定吗？ 用标准库
- 平台原生能力覆盖了吗？ HTML
胜过一个日期选择器库，CSS 胜过 JS，数据库约束胜过应用层校验 - 已安装的依赖能解决吗？ 用已有的，绝不为了几行功能加新依赖
- 能不能一行搞定？ 一行。
- 以上都不行？ 写最少能跑的代码。
这个阶梯听起来简单，但对 AI Agent 的行为影响巨大。它的设计哲学可以概括为：“先理解问题，再懒惰”——理解问题这一步从不偷懒，但解决方案要尽可能短。
安装：一行命令，所有 Agent 通用
Piggy 覆盖了几乎所有主流 AI 编码 Agent：
/plugin marketplace add piggy/piggy codex plugin marketplace add piggy/piggy /plugin marketplace add piggy/piggy
安装后默认激活 full 级别——阶梯完全生效，Agent 使用标准库和平台原生能力优先。
三档强度：lite / full / ultra
Piggy 提供三个级别，适应不同场景：
| 级别 | 行为 | 适用场景 |
|---|---|---|
| lite | 按需求写代码，但每处改动用一行附上更懒的替代方案 | 团队协作，你决定是否采用 |
| full（默认） | 阶梯完全执行，标准库和原生优先，最短 diff | 日常开发 |
| ultra | YAGNI 极端模式，先删再加。直接挑战需求本身 | 清理技术债务、重构遗留代码 |
用实际需求举例——”给 API 响应加缓存”：
- lite：
缓存已加。顺便说一句，functools.lru_cache 一行搞定，如果你不想维护一个缓存类的话。 - full：
@lru_cache(maxsize=1000) 用到 fetch 函数上。跳过自定义缓存类，等 lru_cache 真的不够用时再加。 - ultra：
不加缓存，直到 profiler 数据说了算。等到需要缓存时：@lru_cache。手写 TTL 缓存类是一个自带 bug 率的农场。
核心命令：不只是”少写代码”
除了主要的 /piggy 模式开关，Piggy 还有一套审查和治理工具：
/piggy-review：对 diff 做”过度工程化审查”。每条一行，标注行号：
“`
L12-38: stdlib: 27 行的 Validator 类。”@” in email，1 行。
L4: native: moment.js 只为了一个 format 调用。Intl.DateTimeFormat，零依赖。
L88: yagni: 只有一个实现类的 AbstractRepository。直接内联。
L52-71: delete: 对幂等的本地调用套了重试包装器。没东西能替它失败。
“`
结尾给出 net: -N lines possible. 的净减行数。
/piggy-audit：全仓库扫描，按可删除/简化幅度排序。只读，不修改代码。
/piggy-debt：收集中所有piggy:注释形成债务清单，防止”回头再修”变成永不修：
“`
src/cache.js:42, global lock. ceiling: serializes all requests. upgrade: per-account locks if p95 > 200ms.
“`
结尾显示 N markers, M with no trigger.
/piggy-gain：显示基准测试面板，直观对比启用前后的代码量、成本和速度：
“`
Lines of code no-skill ████████████████████ 100%
piggy ██▌················· 6–20% ▼ 80–94%
Cost no-skill ████████████████████ 100%
piggy █████▌·············· 23–53% ▼ 47–77%
Speed piggy ▸ 3–6× faster
“`
Piggy 不会偷懒的地方
Piggy 虽然叫”懒人模式”，但它对以下场景从不偷懒：
- 信任边界的输入验证
- 防止数据丢失的错误处理
- 安全措施
- 无障碍基础
- 用户明确要求的任何功能
非平凡的逻辑必须留下一个可执行的检查——能验证逻辑正确的最小代码片段。没有测试框架、没有 fixture。一行能验证的 trivial 代码不需要检查。
配置自定义
Piggy 支持环境变量和配置文件设置默认模式：
export PIGGY_DEFAULT_MODE=ultra
或写入 ~/.config/piggy/config.json：
{ "defaultMode": "lite" }
设置为 "off" 可完全禁用自动激活。优先级：环境变量 > 配置文件 > 默认 full。
值得一试吗？
Piggy 的 7 级阶梯和三条纪律（无未请求的抽象、无”为以后准备”的脚手架、删除优先于添加）看起来是常识——但正是这些常识性约束，在 AI 编码时代变得稀缺。Agent 每 session 产生 300+ 行代码的速度，让人类的审查能力只能覆盖其中一小部分。与其事后 reviewer 一处处说”这个不需要”，不如让 Agent 在写之前就想清楚。
Piggy 适合以下团队：
- 已经用 AI 编码 Agent 写生产代码，但觉得代码量不可控
- 代码审查中发现大量”Agent 自己加的抽象层”
- 项目中有大量技术债务来自 AI 生成的过度工程化代码
- 希望在不牺牲质量的前提下控制 API 调用成本
MIT 许可证，零依赖，安装即用。
GitHub 仓库：adamyasingh-12/Piggy- 安装命令：
/plugin marketplace add piggy/piggy（Claude Code / Codex / OpenCode） 配置：~/.config/piggy/config.json