Caveman是一个Claude Code的开源插件，通过让Claude模仿原始人极简说话（砍掉客套话和修饰词），实测可节省约65%的输出token且技术准确率不受影响。提供Lite/Full/Ultra三档压缩强度及文言文模式，内置安全阀防止关键信息遗漏。适合高频使用Claude Code的开发者，配合输入端压缩可大幅降低token成本。
Tags:
前几天看到一个帖子，标题大概是教 Claude 用原始人语言说话来省 token。
我当时觉得这什么鬼，点进去一看，还真的有道理，
这个开源项目的核心思路特别简单直接：让 Claude 模仿原始人说话，砍掉所有客套话、解释性废话和修饰词，只留关键信息。
实测下来能省大约 65% 的输出 token，而且技术准确率不受影响。
01
开源项目简介
Caveman 是一个 Claude Code 的 Skill 插件，作者是一个 19 岁的开发者 Julius Brussee。
它做的事情一句话就能说清楚：强制 Claude 用极简风格回复你的问题，把那些"当然，我很乐意帮助你"之类的废话全部砍掉。
你可能觉得这不就是告诉 Claude 请简洁回答就行了？
还真不行。
Julius 在项目里做了对比测试，单纯告诉 Claude 要简洁，它的训练偏好会把它拉回啰嗦模式，效果很差。
但给它一个具体的人设，比如你是一个原始人，只会说短句，压缩效果就好得多。
这个发现挺有意思的，有点像方法派演员，你给一个具体的角色背景，比给一个抽象的指令效果好得多。
开源地址：github.com/JuliusBrussee/caveman02
核心功能
三档压缩强度
这个插件给了三档可选：
举个例子，同样是解释一个 bug，正常 Claude 可能会说：
根据我的分析，在您的代码第 42 行，我发现了一个潜在的问题。变量 user 可能为 null，建议您在使用前添加一个空值检查。
Ultra 模式下就变成了：
L42: user null. Add guard.
从 60 多个词压到 5 个词，信息量一点没丢。
文言文模式
这个是我觉得最妙的。
除了英文的原始人模式，它还提供了文言文模式，而且分了 wenyan-lite、wenyan-full、wenyan-ultra 三个子档。
文言文这个选择特别有道理。
人类历史上信息密度最高的文字系统之一就是文言文，同样一个意思，文言文用字最少，而且中文本身每个字的 token 就比英文少。
Caveman 把这个优势用到了极致。
比如一段代码审查意见，正常输出大概 850 token，文言文模式压到 420 token，省了一半。
配套子技能
除了主技能，它还带了几个实用工具：
L42: bug: user null. Add guard.，没有任何废话
安全阀设计
这个项目不是一味地省 token，它有一个 auto-clarity 机制。
遇到安全警告、不可逆操作的确认、多步骤序列（怕顺序搞混）、或者用户看起来有点懵的时候，会自动退出原始人模式，恢复正常回复。
另外还有一点值得提，README 里引用了一篇 2026 年 3 月的论文，叫 Brevity Constraints Reverse Performance Hierarchies in Language Models。
研究发现限制大模型输出简短回复，在某些基准测试上反而提升了 26% 的准确率。也就是说省 token 不是牺牲质量，在某种程度上还提升了质量。
03
如何使用
安装特别简单，在 Claude Code 里一行命令搞定：
claude plugin marketplace add JuliusBrussee/cavemanclaude plugin install caveman@caveman
如果你用的是 Cursor、Copilot、Windsurf 之类的其他 AI 编程工具，也可以通过 npx 安装：
npx skills add JuliusBrussee/caveman安装完之后，在对话里直接说 /caveman 或者 /caveman ultra 就能激活。
退出的话说 /caveman off 或者正常模式就行了。
它还支持 Hook 自动激活，每次启动 Claude Code 会话就自动进入 Caveman 模式，还能在终端状态栏显示当前档位，比如 [CAVEMAN:ULTRA]。
Caveman 这个项目看似搞笑，但背后触及了一个很真实的痛点：
LLM 的输出里大约 70% 是礼貌性的废话，而每一个 token 都是真金白银。
它给我们的启发是，在和 AI 交互的时候，与其被动接受它的啰嗦回复，不如主动约束它的表达方式。
而且这个约束越具体越好，一个有趣的人设比一句抽象的要求管用得多。
如果你平时用 Claude Code 比较多，尤其是跑自动化流水线或者高频交互的场景， Caveman 值得一试。
搭配 RTK 在输入端压缩，基本上能把 token 账单砍掉一大截。
04
点击下方卡片，关注逛逛 GitHub
这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接关注微信公众号：逛逛 GitHub ，后台对话聊天就行了：
没有评论:
发表评论