caveman：让 Claude Code 说"原始人话"，输出 token 直降 65% 的开源 Skill

📝

GitHub 91K star 的病毒式开源项目 caveman：一个 Claude Code/Codex/Gemini 等 30+ AI 编码 Agent 通用的 Skill，用"原始人说话"风格砍掉所有客套话和冗余解释，实测输出 token 平均减少 65%，代码/命令/报错字节级保留，还附带 caveman-compress、caveman-shrink 等一整套 token 瘦身生态。

🪨 why use many token when few token do trick

项目速览

项	值
仓库	JuliusBrussee/caveman
Star	91,508（2026-07 数据）
语言	JavaScript
License	MIT
官网	caveman.so
定位	Claude Code / Codex / Gemini / Cursor / Windsurf / Cline / Copilot 等 30+ AI 编码 Agent 通用的 Skill/插件

一句话概括：给 AI 编码 Agent 装上一个”原始人嘴替”——同样的技术答案，把客套话、铺垫、解释性废话全部砍掉，只留干货，输出 token 平均省 65%，代码、命令、报错信息一个字不动。

前后对比

普通 Agent（69 tokens）：

The reason your React component is re-rendering is likely because you’re creating a new object reference on each render cycle. When you pass an inline object as a prop, React’s shallow comparison sees it as a different object every time, which triggers a re-render. I’d recommend using useMemo to memoize the object.

Caveman Agent（19 tokens）：

New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo.

同样的修复方案，字数砍掉 2/3，技术信息零损失。

┌────────────────────────────────────────────┐
│   output tokens saved   █████████       65% │
│   input tokens saved    ░░░░░░░░░         0% │
│   technical accuracy    █████████      100% │
│   vibes                 █████████       OOG │
└────────────────────────────────────────────┘

作者的原话：Caveman no make brain smaller. Caveman make mouth smaller. —— 砍的是 Agent 说的话，不是它知道的东西。

安装

一条命令，自动检测机器上所有 Agent 并逐个安装（需要 Node ≥18，约 30 秒）：

# macOS / Linux / WSL / Git Bash
curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash

# Windows PowerShell
irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex

开启方式：输入 /caveman 或直接说 “talk like caveman”；关闭说 “normal mode”。在 Claude Code、Codex、Gemini 上装完默认从第一条消息就生效。

六档压缩级别

随时用 /caveman <level> 切换，级别保持到会话结束：

级别	同一句话的压缩效果
普通 Agent	You should wrap the object in `useMemo`, since a new reference is created on every render.
`lite`	Wrap object in `useMemo`. New ref created every render.
`full`（默认）	New ref each render. Wrap object in `useMemo`.
`ultra`	New ref/render. `useMemo` it.
`wenyan`	用文言文输出，单 token 信息密度最高

注意：Caveman 保留你的语言——用中文提问就用中文压缩，绝不翻译。wenyan 是唯一故意的例外，因为文言文是天然的高密度编码。

完整命令集

命令	作用
`/caveman [lite\|full\|ultra\|wenyan]`	压缩每条回复
`/caveman-commit`	Conventional Commit，subject ≤50 字符
`/caveman-review`	单行 PR 评论：`L42: 🔴 bug: user null. Add guard.`
`/caveman-stats`	真实会话 token 用量、累计节省、折算美元
`/caveman-compress <file>`	把 CLAUDE.md 等记忆文件改写成 caveman 体，之后每个会话的输入 token 永久省 ~46%
`caveman-shrink`	MCP 中间件，压缩任意 MCP server 的 tool 描述
`cavecrew-*`	Caveman 子 Agent（investigator/builder/reviewer），比 vanilla 省 ~60% token

实测 Benchmark

基于 Claude API 真实 token 计数，10 个任务平均 65% 输出压缩（范围 22%–87%）：

任务	普通	Caveman	节省
解释 React re-render bug	1180	159	87%
修复 auth middleware token 过期	704	121	83%
配置 PostgreSQL 连接池	2347	380	84%
解释 git rebase vs merge	702	292	58%
callback 重构为 async/await	387	301	22%
微服务 vs 单体架构	446	310	30%
PR 安全 review	678	398	41%
Docker 多阶段构建	1042	290	72%
调试 PostgreSQL 竞态	1200	232	81%
实现 React error boundary	3454	456	87%
平均	1214	294	65%

⚠️ 诚实数字警告

作者在 docs/HONEST-NUMBERS.md 里明说：Caveman 只压缩输出 token，输入和 reasoning token 不动，而且 Skill 本身每轮还要额外加 ~1–1.5k 输入 token。所以：

整会话维度的成本节省会比 65% 小
对本来就简短的任务，可能净亏
真正的收益是可读性和速度——省成本是 bonus

caveman-compress 对记忆文件的压缩（平均 46%）才是”一劳永逸”的输入 token 节省。

简短 = 更准？

2026 年 3 月一篇论文 Brevity Constraints Reverse Performance Hierarchies in Language Models（arXiv:2604.00025）测试了 31 个模型，发现约束大模型给出简短回答反而在某些 benchmark 上提升准确率约 26 个百分点。少说话不只是便宜，有时还更对。

整个 Cave 生态

一个理念贯穿五个项目：agent do more with less。

仓库	砍的是什么
caveman（本仓库）	Agent 说的话
caveman-code	整个 Agent——完整终端编码 Agent，相同任务比 Codex 省 ~2× token
cavemem	Agent 跨会话记忆
cavekit	构建循环——spec 驱动，不瞎猜
cavegemma	把压缩烧进权重（Gemma 微调）

另外还有 JuliusBrussee/skills 全家桶：grill-me（动手前先被 Agent 拷问方案）、interface-kit、junior-to-senior（对抗式 review）、loop-factory（spec 驱动任务循环）。

隐私

零遥测、零分析、零账号、零后端。装完后没有任何网络调用——Skill 本体就是一段 prompt，hook 是本地脚本，/caveman-stats 读的是磁盘上已有的日志。

点评

这个项目能冲到 91K star，一半是踩中了”token 成本焦虑”的真实痛点，另一半是 meme 级的产品表达——“why use many token when few token do trick”这种自嘲式文案天然带传播性。但剥离 meme 外壳，它实际做了几件扎实的事：

把”输出压缩”做成了可量化的 benchmark（22%–87%，平均 65%），而不是一句”更省 token”
承认局限（HONEST-NUMBERS.md），明确说只省输出、可能净亏——这在过度营销的开源圈很少见
caveman-compress 是真正的杀手级功能——压缩 CLAUDE.md 等常驻上下文文件，省的是每个会话的输入 token，复利效应远大于单次回复压缩
跨 30+ Agent 的统一安装器，降低了多工具用户的接入成本

对重度 Claude Code / Codex 用户，尤其上下文里挂着大 CLAUDE.md 的，值得一试。先从 /caveman-compress CLAUDE.md 开始，收益最直接。