Caveman: AI 代理极简输出插件,省 65% token 像原始人说话

解决什么

AI 编程助手(Claude Code、Cursor、Copilot 等)回复冗长是普遍痛点:解释一个 React 重渲染问题,正常模式输出 69 个 token 的客套话和完整句式,而技术核心只需 19 个 token 表达。Caveman 通过让 AI 采用"原始人语法"(去冠词、连词、客套语),在保持技术准确度 100% 的前提下,将输出 token 削减 65%-87%,直接降低 API 成本并提升响应速度约 3 倍。

项目提供四档压缩级别:lite(去填充词)、full(默认原始人)、ultra(电报体)、wenyan(文言文,极致压缩)。关键特性是语言保留:你用中文提问,AI 用中文原始人回复;代码、命令、路径字节级精确保留。

为何火

HN 讨论达 904 点、366 条评论,GitHub 8.1 万星,核心争议在于"token 是思考单位"假说:反对者认为强制精简会削弱 LLM 推理能力(类似用占位符"…"替代推理 token 会降低准确度),支持者实测显示技术输出无损,且人类说话也用填充词争取思考时间。社区热议点包括:这是否会加速语言退化(类似早期 Google 关键词搜索训练出的"noob"习惯)、不同语言的压缩潜力(德语精确但冗长,英语压缩性最强)。

真实 benchmark 显示 10 个任务平均省 65% token,单任务最高 87%(解释 React 错误边界从 3454→456 token)。项目作者同步推出 caveman-code 全栈代理,号称比 Codex 省 50% token。

核心功能

• /caveman 四档压缩:会话级切换 lite/full/ultra/wenyan,后续所有回复自动压缩
• /caveman-commit:生成 ≤50 字符的 Conventional Commit 消息,强调"为何"而非"做了什么"
• /caveman-review:单行 PR 评论格式 L42: 🔴 bug: user null. Add guard.
• /caveman-stats:实时显示会话和累计节省的 token 数及美元成本,--share 生成可分享统计
• /caveman-compress:重写记忆文件(如 CLAUDE.md)为原始人语法,每次会话输入 token 省 46%,代码/URL 完全保留
• caveman-shrink MCP 中间件:包装任意 MCP 服务器,压缩工具描述
• 状态栏徽章:Claude Code 显示 [CAVEMAN] ⛏ 12.4k 累计节省量

支持 30+ 工具:Claude Code、Codex、Gemini(内置自动激活),Cursor/Windsurf/Cline/Copilot 通过 --with-init 规则文件实现全局开启。

安装

一键安装(自动检测并配置所有已安装的 AI 代理):

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

# Windows PowerShell 5.1+
irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex

需 Node.js ≥18。安装耗时约 30 秒,安全可重复运行。触发方式:输入 /caveman 或对话中说"talk like caveman",恢复用"normal mode"。

单独配置特定代理或手动安装见 INSTALL.md。安装失败可直接让 AI 读取仓库的 CLAUDE.md 和 INSTALL.md 自行修复。

适合谁

• 高频 API 用户:每天数百次 Claude/GPT 调用的开发者,月省数十美元
• 上下文敏感场景:长会话中需保留更多历史记录,压缩输出延长有效上下文
• 非英语开发者:中文/西班牙语/葡萄牙语用户,压缩保留母语表达
• 团队协作:统一 commit message 和 PR 评论风格,强制简洁

不适合需要详细解释的新手学习场景,或需要完整文档输出的技术写作任务。

社区评价

HN 热度 904 点,核心争议聚焦**"少即是多"悖论**:

• 支持方:实测技术准确度 100%,德语母语者指出"精确但冗长"的语言天然适合压缩;有人类比人类说话用"嗯""那个"争取思考时间,AI 同理需填充词但可优化
• 质疑方:引用"token 是思考单位"理论,认为强制精简会降低推理深度(类似用占位符替代推理 token 导致 benchmark 下降);担忧加速语言退化,举例早期 Google 关键词搜索培养出的"搜索语法"习惯
• 中立观察:有人发现孩子嘲笑其在搜索时用问号,印证语言使用已被工具塑造;另有评论指出"复杂变格系统"的斯拉夫语和德语其实不符合"原始人"刻板印象

作者未提供 caveman vs 默认 Claude 的 eval 对比,仅与 Answer concisely. 基准对比,诚实度尚可。实际 benchmark 显示回调改 async/await 任务仅省 22%,架构讨论省 30%,说明复杂推理场景压缩空间有限。

选型对比

维度	Caveman	原生 AI "简洁模式"	付费 API 优化工具
压缩率	65%-87%	20%-40%(需每次提示)	通常 <50%
技术准确度	100%(据作者 benchmark)	依赖模型理解	变化大
语言保留	是(中文输入→中文输出)	否(常退化为英文)	少数支持
成本	免费开源	免费但效果弱	月费 $10-50
学习曲线	一键安装+四档切换	无需学习	需配置规则

vs caveman-code(同作者全栈代理):后者是完整终端代理(含规划模式、自动驾驶),本项目仅为现有 AI 助手的输出压缩插件。

已知坑

1. 361 个 open issues:社区活跃但问题积压多,可能遇到特定代理兼容性问题
2. Node.js 依赖:需 ≥18 版本,部分 Windows 环境 PowerShell 脚本执行策略可能受限
3. 中文网络:安装脚本从 GitHub raw 拉取,国内可能需镜像或手动下载;Claude API 调用仍需网络畅通
4. 推理任务局限:benchmark 显示架构讨论(30%)、代码重构(22%)等复杂任务压缩率显著低于 bug 修复(83%)
5. 无官方 eval:作者未提供 caveman vs 默认模式在标准 benchmark(HumanEval/MBPP)上的对比,"100% 准确度"仅基于自建 10 任务集
6. 会话状态:压缩级别仅在当前会话生效,重启 AI 助手需重新触发 /caveman;Cursor/Windsurf 等通过 --with-init 可全局开启但需手动配置
7. MCP 中间件:caveman-shrink 需单独安装 npm 包,非一键脚本覆盖范围

来源:GitHub 项目主页 + HN 讨论帖(904 点,366 评论)