上周三晚上，老金我又一次打开Claude中转站后台看用量。

那张账单条形图涨得比A股还猛。我盯着看了两分钟，没生气，就是有点疲。Claude Code跑一天，几百万token下去，钱倒还能接受，关键是看那个输出——它每次都要把话讲完整、讲漂亮、讲到读者满意为止。我心里清楚，里面起码有三成token是在重复解释、铺垫语气、礼貌客套。

我点开GitHub Trending想找点新乐子，结果第一条就是这玩意儿。
一个emoji石头图标，标题三个字「caveman」，slogan写着「why use many token when few do trick」。直译过来差不多就是：少词办大事，何必字多。50天涨到63k stars，3.7k个fork，5月20日还在更新。看到这数据的时候，我心里咯噔了一下。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/2a592a693ec997522f405ee1927d4967.webp)
## 一个让Claude变穴居人的Skill
caveman是一个skill/插件。

它的本事就一件——让模型的输出像穴居人讲话。技术准确性不掉，但词全部砍到最短。它的README里直接给了Before/After对比，老金我看完先笑了一下，然后认真琢磨了十分钟。

Normal Claude（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."

翻译：你的 React 组件之所以会重新渲染，很可能是因为你在每一个渲染周期中都创建了一个新的对象引用。当你将一个内联对象作为 props 传递时，React 的浅层比较机制会认为它在每一次渲染时都是一个不同的对象，从而触发重新渲染。我建议你使用 useMemo 来对该对象进行记忆化处理。

Caveman Claude（19 tokens）：
"New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo."

翻译：每次渲染都会生成一个新的对象引用。若对象属性是内联定义的，则会产生新的引用，从而导致重新渲染。请将其包裹在 useMemo 中。
同一个Bug定位，同一个解决方案。69个token压到19个，准确性100%保留。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/7f7322628978d2f0900e8cdc4b7c2877.webp)
​
光看英文还体会不深。换个中文场景，正常Claude会说「这个问题的根本原因可能在于你的认证中间件没有正确校验token的过期时间」，caveman会直接给你「auth中间件token过期判断错。改成<=」。

意思一点没丢。语气全部砍掉。
## 4个模式，文言文那个有点东西
caveman不是一刀切。

作者JuliusBrussee给了4个档位，让你自己挑：
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/551da9fc487aff8899d02730f454739b.webp)
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/f175587202099b9c994bc1e0cda10264.webp)
​
前三个我都试过，确实能省token。

但真正让老金我多看一眼的，是最后那个wenyan模式。文言文。

它的设计逻辑是这样——中文的现代汉语本身就比英文费token，因为分词模型对中文不友好。但文言文不一样。文言文几个字能讲一件事，「夫子曰」三个字顶白话十几个字，对tokenizer来说，文言文是天然省token的。

老金我心里有一下是亮的。这个作者是真的下功夫了。

我让Claude用wenyan模式回答了一个「Python里list和tuple的区别」。原本要写一段「list是可变的，可以增删改查，tuple是不可变的，一旦创建就不能修改……」的Claude，直接给我吐出来「list可变，tuple不可。前者增删改皆可，后者一经定，终身不易」。

讲道理，这种风格用来回答技术问题，居然意外地清爽。

## 安装及使用
Github地址：[https://github.com/JuliusBrussee/caveman](https://github.com/JuliusBrussee/caveman)
安装就一行指令：
```
npx -y github:JuliusBrussee/caveman
```
不要使用官方那个脚本，win是有BUG的。
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/904c69bae60e709f53598372c99652d1.webp)
​
使用方法： 标记橙色的代表老金我常用的。
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/4d7f1bd622051c5a01060114a31afa85.webp)
## 不止省钱，更像是反向训练AI
老金我装上caveman跑了两天。

token消耗确实降了。我做了个粗略统计，同样的代码review任务，开caveman前平均每次2400 tokens，开了之后800左右。降幅大概65%到75%之间，跟官方数字基本对得上。

但真正让我停下来想的，不是这个百分比。

是这个项目背后的逻辑——它不是在优化prompt，不是在压缩上下文，不是在精调模型。它是从输出端，反向定义了AI应该怎么说话。

正常人做prompt工程，路径是这样的：写更精准的指令，给更具体的范例，限制更明确的格式。这一套是在「告诉AI怎么理解」。

caveman反过来——它直接改了AI的「输出习惯」。你不需要每次都在prompt里写「请简洁回答」，你只要装上这个skill，AI就自动用穴居人语法说话。一次配置，永久生效。

这一下挺关键。

老金我一直觉得，AI真正的爆发点，不是把活全权交给AI，那听起来很爽，但真用起来经常翻车。更重要的是人机协作——人负责目标、判断、取舍、审美，AI负责搜索、生成、执行、提醒。最终要的不是一个AI自己觉得合理的结果，而是一个符合人类目标的结果。

caveman这种工具，本质上就是用户在用一种meme的方式，告诉AI：别按你以为漂亮的方式说话，按我能用的方式说话。是用户在主导沟通规则，不是模型。

## 49天涨63k stars，meme也是生产力
这个项目的传播力，老金我看了一眼数据，挺服气的。
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/15f81286b1d1bdb8e566870917ab0184.webp)
​
![Image](https://developer.qcloudimg.com/http-save/yehe-10990648/7d1a7583b1fb17907dd0f54467bc1be1.webp)
49天涨到63k stars，日均增长1300+。这个增速放在GitHub历史上，能挤进top级开源爆款。

它能爆，老金我琢磨了一下，根本不只是因为它省token。

省token的工具多了，prompt压缩库一抓一大把。但只有caveman做到了meme传播 + 实用工具的双重buff。「穴居人说话」这个梗本身就是社交货币，技术圈刷到了忍不住转，普通用户刷到了好奇点进去试。它的README做得也很有意思，每一行都在讲笑话，但每一行又都在说技术。

这种「认真做meme，meme就是生产力」的项目，国内之前也有几个雏形，但能做到这个量级的，caveman算是给后来者立了个标杆。

## 别急着冲，先看几个坑
caveman再香，老金我也得把丑话说在前面。

第一，它只省output token，input不省。  

你给Claude发的代码、文档、上下文，该多少token还是多少token。caveman管的是Claude嘴上的话，不管你嘴上的话。如果你的输入本身就大，省的那部分占比其实没你想的多。

第二，复杂推理场景可能损失。  

简单的Bug定位、概念解释、配置修改，caveman完全hold住。但碰到那种需要详细推导过程的任务，比如「请帮我分析这段代码可能的并发问题，给出三种不同的修复思路」，穴居人语法就显得太单薄了。这种时候你可能还是得切回正常模式。
第三，中文wenyan模式吃文化背景。  

你要看得懂「list可变，tuple不可」这种半文半白的表达，对老开发者无所谓，对入门用户可能反而是阅读门槛。我建议团队协作场景里慎用，自用爽就行。
第四，它依赖Claude Code的skill机制。  

其他IDE虽然官方说支持30+，但实际兼容度还是Claude Code最好。Cursor、Windsurf这些走的是配置文件适配，体验上会有差异。

## 写在最后
老金我现在的工作流里，caveman已经成了默认开关。

每天写代码、做review、调Bug，背景里默默给我省着token。我不需要每次都在prompt里写「请简洁」，也不需要纠结模型回复是不是太啰嗦。它自己就把这件事处理掉了。

更有意思的是，这个项目让我重新想了一下AI工具的可能性。

我们一直在想怎么把prompt写好，怎么让AI更懂我们。但caveman提供了一个反方向——与其让AI更懂我们，不如让AI按我们能用的方式说话。一个能省75% token的开源插件，背后其实是用户对AI对话权的一次小小夺回。

工具越多，越考验人会不会取舍。

真正省时间的，从来不是装更多东西，而是让AI少做那些没必要的客套。

* * *
每次我都想提醒一下，这不是凡尔赛，是希望有想法的人勇敢冲。  
我不会代码，我英语也不好，但是我做出来了很多东西。  
我真心希望能影响更多的人来尝试新的技巧，迎接新的时代。
谢谢你读我的文章。  
如果觉得不错，随手点个赞、在看、转发三连吧🙂  
如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章。

那张账单条形图涨得比A股还猛。我盯着看了两分钟，没生气，就是有点疲。Claude Code跑一天，几百万token下去，钱倒还能接受，关键是看那个输出——它每次都要把话讲完整、讲漂亮、讲到读者满意为止。我心里清楚，里面起码有三成token是在重复解释、铺垫语气、礼貌客套。

老金装上Caveman后Claude和Codex变穴居人，账单立省75%

开发工具

人工智能

前端

Claude中转站用户老金分享使用caveman插件的体验，这款开源工具能将AI回复压缩至原长度的30%，保留技术准确性同时剔除冗余客套。通过4种输出模式（含文言文模式）实现人机协作优化，49天斩获63k GitHub stars。文章剖析其meme传播逻辑，并提醒用户注意复杂场景适配性及中文文言模式的使用门槛。

人机协作

中间件

Python

GitHub

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

老金装上Caveman后Claude和Codex变穴居人，账单立省75%-腾讯云开发者社区-腾讯云

老金装上Caveman后Claude和Codex变穴居人，账单立省75%

老金装上Caveman后Claude和Codex变穴居人，账单立省75%

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐