Caveman — 让 AI 编程助手说"穴居人话"省 Token

> 一句话版本：一个 Claude Code 插件，让 AI 回答问题时去掉所有废话和客套话，只说重点，能省 65% 的输出 token，同时技术准确性完全不变。

核心内容

Caveman 基于"LLM 说穴居人话也能保持技术准确性"这个病毒式观察，做成了一个一键安装的插件。核心思路：去掉 AI 回复中的客套话、填充词、hedging，只保留技术内容。

对比示例

正常："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."（1180 tokens）

Caveman："New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo."（159 tokens，省 87%）

三档强度

实际效果

Caveman Compress（输入端压缩）

除了输出压缩，还有配套工具压缩输入 token：

• 压缩 CLAUDE.md 等记忆文件（每次会话都会加载）
• 保留人类可读的 .original.md 备份
• 代码块、URL、文件路径、版本号等技术内容不压缩
• 平均节省 ~45% 输入 token

规则

科学依据

2026年3月论文 Brevity Constraints Reverse Performance Hierarchies in Language Models 发现：限制大模型简洁回答反而提升了 26 个百分点的准确率。啰嗦不等于好。

分析

优势：

• 安装极简（一行命令），立刻生效
• 4 天 6.4k stars，增长极快
• 不影响技术准确性，只砍废话
• 输出+输入双端压缩，配合使用效果叠加
• 有学术支撑（不是纯 meme 项目）

与 rtk 的区别：

• rtk 压缩命令输出（git status、test 等），减少输入 token
• caveman 压缩 AI 回复本身，减少输出 token
• 两者互补，一起用可以双向省 token

风险：

• 项目仅 4 天，非常新
• 可能不适合需要详细解释的场景（教学、文档生成）
• 目前主要面向 Claude Code 生态
• 部分 AI 工具的 hook 支持可能不稳定

与 Jay 的关联：

• Jay 用 Claude Code / OpenClaw，可以直接用
• 和 rtk 互补：rtk 省"喂给 AI 的 token"，caveman 省"AI 吐出的 token"
• 幽默实用，降低 API 费用的同时增加乐趣

评分