Caveman: AI 代理極簡輸出外掛,省 65% token 像原始人說話

解決什麼

AI 程式設計助手(Claude Code、Cursor、Copilot 等)回覆冗長是普遍痛點:解釋一個 React 重渲染問題,正常模式輸出 69 個 token 的客套話和完整句式,而技術核心只需 19 個 token 表達。Caveman 通過讓 AI 採用"原始人語法"(去冠詞、連詞、客套語),在保持技術準確度 100% 的前提下,將輸出 token 削減 65%-87%,直接降低 API 成本並提升響應速度約 3 倍。

專案提供四檔壓縮級別:lite(去填充詞)、full(預設原始人)、ultra(電報體)、wenyan(文言文,極致壓縮)。關鍵特性是語言保留:你用中文提問,AI 用中文原始人回覆;程式碼、命令、路徑位元組級精確保留。

為何火

HN 討論達 904 點、366 條評論,GitHub 8.1 萬星,核心爭議在於"token 是思考單位"假說:反對者認為強制精簡會削弱 LLM 推理能力(類似用佔位符"…"替代推理 token 會降低準確度),支持者實測顯示技術輸出無損,且人類說話也用填充詞爭取思考時間。社群熱議點包括:這是否會加速語言退化(類似早期 Google 關鍵詞搜尋訓練出的"noob"習慣)、不同語言的壓縮潛力(德語精確但冗長,英語壓縮性最強)。

真實 benchmark 顯示 10 個任務平均省 65% token,單任務最高 87%(解釋 React 錯誤邊界從 3454→456 token)。專案作者同步推出 caveman-code 全棧代理,號稱比 Codex 省 50% token。

核心功能

• /caveman 四檔壓縮:會話級切換 lite/full/ultra/wenyan,後續所有回覆自動壓縮
• /caveman-commit:生成 ≤50 字元的 Conventional Commit 訊息,強調"為何"而非"做了什麼"
• /caveman-review:單行 PR 評論格式 L42: 🔴 bug: user null. Add guard.
• /caveman-stats:即時顯示會話和累計節省的 token 數及美元成本,--share 生成可分享統計
• /caveman-compress:重寫記憶檔案(如 CLAUDE.md)為原始人語法,每次會話輸入 token 省 46%,程式碼/URL 完全保留
• caveman-shrink MCP 中介軟體:包裝任意 MCP 伺服器,壓縮工具描述
• 狀態列徽章:Claude Code 顯示 [CAVEMAN] ⛏ 12.4k 累計節省量

支援 30+ 工具:Claude Code、Codex、Gemini(內建自動啟用),Cursor/Windsurf/Cline/Copilot 通過 --with-init 規則檔案實現全域性開啟。

安裝

一鍵安裝(自動檢測並配置所有已安裝的 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。安裝耗時約 30 秒,安全可重複執行。觸發方式:輸入 /caveman 或對話中說"talk like caveman",恢復用"normal mode"。

單獨配置特定代理或手動安裝見 INSTALL.md。安裝失敗可直接讓 AI 讀取倉庫的 CLAUDE.md 和 INSTALL.md 自行修復。

適合誰

• 高頻 API 使用者:每天數百次 Claude/GPT 呼叫的開發者,月省數十美元
• 上下文敏感場景:長會話中需保留更多歷史記錄,壓縮輸出延長有效上下文
• 非英語開發者:中文/西班牙語/葡萄牙語使用者,壓縮保留母語表達
• 團隊協作:統一 commit message 和 PR 評論風格,強制簡潔

不適合需要詳細解釋的新手學習場景,或需要完整文件輸出的技術寫作任務。

社群評價

HN 熱度 904 點,核心爭議聚焦**"少即是多"悖論**:

• 支援方:實測技術準確度 100%,德語母語者指出"精確但冗長"的語言天然適合壓縮;有人類比人類說話用"嗯""那個"爭取思考時間,AI 同理需填充詞但可最佳化
• 質疑方:引用"token 是思考單位"理論,認為強制精簡會降低推理深度(類似用佔位符替代推理 token 導致 benchmark 下降);擔憂加速語言退化,舉例早期 Google 關鍵詞搜尋培養出的"搜尋語法"習慣
• 中立觀察:有人發現孩子嘲笑其在搜尋時用問號,印證語言使用已被工具塑造;另有評論指出"複雜變格系統"的斯拉夫語和德語其實不符合"原始人"刻板印象

作者未提供 caveman vs 預設 Claude 的 eval 對比,僅與 Answer concisely. 基準對比,誠實度尚可。實際 benchmark 顯示回撥改 async/await 任務僅省 22%,架構討論省 30%,說明覆雜推理場景壓縮空間有限。

選型對比

維度	Caveman	原生 AI "簡潔模式"	付費 API 最佳化工具
壓縮率	65%-87%	20%-40%(需每次提示)	通常 <50%
技術準確度	100%(據作者 benchmark)	依賴模型理解	變化大
語言保留	是(中文輸入→中文輸出)	否(常退化為英文)	少數支援
成本	免費開源	免費但效果弱	月費 $10-50
學習曲線	一鍵安裝+四檔切換	無需學習	需配置規則

vs caveman-code(同作者全棧代理):後者是完整終端代理(含規劃模式、自動駕駛),本專案僅為現有 AI 助手的輸出壓縮外掛。

已知坑

1. 361 個 open issues:社群活躍但問題積壓多,可能遇到特定代理相容性問題
2. Node.js 依賴:需 ≥18 版本,部分 Windows 環境 PowerShell 指令碼執行策略可能受限
3. 中文網路:安裝指令碼從 GitHub raw 拉取,國內可能需映象或手動下載;Claude API 呼叫仍需網路暢通
4. 推理任務侷限:benchmark 顯示架構討論(30%)、程式碼重構(22%)等複雜任務壓縮率顯著低於 bug 修復(83%)
5. 無官方 eval:作者未提供 caveman vs 預設模式在標準 benchmark(HumanEval/MBPP)上的對比,"100% 準確度"僅基於自建 10 任務集
6. 會話狀態:壓縮級別僅在當前會話生效,重啟 AI 助手需重新觸發 /caveman;Cursor/Windsurf 等通過 --with-init 可全域性開啟但需手動配置
7. MCP 中介軟體:caveman-shrink 需單獨安裝 npm 包,非一鍵指令碼覆蓋範圍

來源:GitHub 專案主頁 + HN 討論帖(904 點,366 評論)