让AI编程助手学会偷懒：代码砍半的七级台阶

AI编程助手正在被教一件事：少写代码。开源热榜上冒出一个新项目，不教AI更强的生成能力，反而给它立下七级台阶，能不做就不做，能一行搞定就绝不写十行。听起来像偷懒，但官方基准显示代码量少了53%、时间快41%、成本降26%，而校验、错误处理、安全和无障碍四项永不简化。

七级台阶：写代码之前先问要不要写

这个项目的核心是一个人设：屋里最懒的那位资深开发。它的信条是“最好的代码是你从来没写过的代码”，并把决策拆成七级台阶，从低到高逐级追问。

第一级问这个功能真的需要存在吗，不需要就直接跳过；第二级问仓库里是不是已经有了；第三级问标准库能不能做；第四级问平台本身是不是自带；第五级问装好的依赖能不能解决；第六级问能不能一行搞定；只有都不行，第七级才动手写最小的那份。这套顺序不是单纯追求省事，而是把“避免重复造轮子”变成可执行的检查清单。据B站UP主在视频中的解读，它实际上是把资深开发者的隐性判断显性化了。

更关键的是原文把界限写死了：校验、错误处理、安全、无障碍这四项永不简化。少写的是没人要的那部分，不是把该做的保障砍掉。这个设计让“偷懒”不至于滑向“偷工减料”。

“标准库”指编程语言自带的、随语言发行版一并提供的函数和模块集合，例如 Python 的 os、json，JavaScript 的 Math、Array。它们经过长期测试、文档完善、无需额外安装，通常也是性能最优的实现之一。很多开发者习惯性引入第三方库去完成标准库已有的功能，结果增加依赖体积与维护成本。七级台阶把“标准库能不能做”放在第三级，正是要求 AI 在动手前先盘查语言自身能力，而不是默认去 npm 或 PyPI 上找一个包。

“平台本身是不是自带”中的“平台”，指运行代码的操作系统、浏览器或宿主框架。例如浏览器已内置 fetch、IntersectionObserver，操作系统提供文件监听、剪贴板、通知等 API，现代前端框架也自带路由与状态管理。这些能力往往被忽视，开发者转而引入功能重叠的第三方实现。第四级台阶要求 AI 先确认平台原生能力是否覆盖需求，能复用就不新增依赖，这与标准库一级形成互补：一个看语言层，一个看运行环境层。

官方基准：省下的不只是钱

官方基准给出了同一agent同样39个人跑五轮的数据：代码少53%，时间快41%，成本便宜26%。但比省钱更有意思的是两个更硬的质量数字。

带逻辑的代码有测试兜底的比例从68%升到98%，故意注入的bug被它自己的测试抓住的比例从46%升到66%。这说明少写代码的同时，测试覆盖反而更密了。原因不难理解：写得更少，每一行就更值得被测试保护，AI也更容易把注意力放在关键逻辑上。视频作者在解读时特别点出，这组数字比省多少钱更有价值。

安装极轻，但有两个现实限制

整个项目就是一个prompt，安装负担几乎为零。支持20个agent，Claude Code两条命令装完，Codex也是两条命令，别的工具复制一份说明文件进去就行。适合天天开着Claude Code、Codex、Cursor跑任务的人，尤其是月底看账单肉疼的那批；只偶尔用补全、不跑长任务的用户收益有限。

来源作者在README里明确提醒：他从不发布EXE和DLL，出现这类文件的副本不是他的，只从GitHub仓库或npm安装，别从搜索引擎找镜像。另有一个限制是成本条只支持Claude Code 21.290以上版本，而且只有终端和桌面板能看，VSCode聊天面板、云端绘画、命令行单跑都看不到。

文中反复出现的“agent”，指能自主执行多步任务的 AI 编程代理，而非只做单行补全的编辑器插件。典型代表包括 Claude Code、Codex、Cursor 的 Agent 模式：它们可以读写仓库文件、运行命令、根据报错自我修正，完成一个完整任务往往消耗大量 token。正因如此，这类工具的成本对“写多少代码”极其敏感——少写一行就少一轮生成与校验，这也是七级台阶能同时压低成本与时间的底层原因。只使用补全的用户不跑长任务，自然感受不到这种收益。

从省token插件到给AI立规矩

这个项目今天涨了1948星，冲到总榜第二，是近10天榜单里第一次见到它。但需要提醒：它上一次发版是10月16号，今天没有新版本，所以别理解成刚发布，而是发版之后一直在发酵、被榜单算法推上来的。

我的判断是，它不是又一个省token插件，而是在给AI编程立规矩：先别写。写代码之前先问要不要写，这个习惯比省下的那点钱值钱。视频作者对此同意一半：规矩是好规矩，但它治不了需求本身就想错了的情况。如果方向错了，少写只是让错误更便宜，而不是更正确。

对照榜一：一个管少写，一个管多查

同一天榜单第一是Cloudflare的官方项目，四万星，方向相反：它不管AI少写代码，而是让AI去找自己代码里的漏洞。设计上让找的人不负责判断，避免AI自己给自己背书，这个思路有参考价值。

但它的门槛很高，官方要求操作系统级沙箱、境外网络和资源，没有这套控制只能挂着等验证，而且官方说单跑一次大约只找到一半，需要多跑几轮。它也没有新版本。所以今天它火不代表今天就能用上，更像给安全团队看的流程样板。

两个项目合起来是当天的主线：一个管AI少写，一个管AI多查。趋势可以概括为，给AI加能力的阶段过去了，开始给他立规矩。方向相反，目标一样：让AI少犯错。但规矩是死的，少写不等于写对，多查也不等于查全，最后那道闸还得人来关。

“沙箱”是一种隔离执行环境，让不受信任的代码在受限空间内运行，无法随意访问宿主机文件、网络或系统资源。安全审计类 AI 需要运行目标代码、发起扫描，风险较高，因此官方要求操作系统级沙箱作为前提。这与普通代码生成工具不同：后者只输出文本，前者要实际执行。没有沙箱，项目只能停留在验证阶段，无法放心跑完整流程。这也解释了为何榜一项目门槛高、单次运行只覆盖约一半问题，需要多轮迭代。