夜雨聆风你用 AI 写代码的时候，有没有觉得它话太多了？
你问它一个很简单的问题，它先给你来一段"我很乐意帮你"，再解释一遍你已经知道的前因后果，最后才给出你真正需要的那行代码。
你以为这只是体验问题？
不，这直接在烧你的钱。
今天 GitHub 趋势榜第一的项目，专门治这个病。
它叫 caveman。
01 它到底是什么
caveman 的理念用一句话就能说清楚：
让 AI 像穴居人一样说话——脑子还是大的，但嘴巴变小了。
具体来说，它是一个 AI Agent 技能（Skill）。你把它装进你的 AI 编码工具里，AI 的回复风格就会变成"穴居人模式"：去掉所有废话填充，只留核心信息。
但关键在于：它只压缩说话方式，绝不碰代码、命令和错误信息。AI 给你写的代码、跑的命令、报的错误，一个字都不会少。
少的只是那些"我很乐意帮你""让我来解释一下"之类的东西。
02 为什么今天值得写
今天它在 GitHub 日榜上拿到了 2,863 stars，排名第一。总 star 数已经超过 82,000。
但更重要的是，它踩中了一个所有 AI 工具用户都在面对的真问题：
AI 说的废话，正在变成实实在在的成本。
如果你在用 Claude Code、Codex、Cursor、Gemini CLI 这类 AI 编码工具，你一定知道：这些工具按 token 计费。
AI 每多说一句废话，你就多花一份钱。
而 caveman 声称能砍掉 65% 的输出 token。
03 它到底能省多少
直接看一个例子。
你问 AI："这个 React 组件为什么一直重渲染？"
普通 AI 回复（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."
装了 caveman 之后（19 tokens）：
"New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo."
同样的问题，同样的修复，三分之一的字数。技术内容零丢失。
项目做了 10 个任务的基准测试，平均压缩率 65%。最好的情况能压到 87%——原来 3454 个 token 的回复，压缩后只要 445 个。
04 它怎么做到的
caveman 安装后，会在你的 AI 编码工具里注入一个技能指令。
这个指令告诉 AI：丢弃填充内容，保留实质，使用片段语法，但绝不触碰代码、命令和错误信息。
它还有几个很实用的功能：
/caveman-stats：直接告诉你这个会话省了多少 token，换算成美元是多少。你在 Claude Code 状态栏上就能看到累积节省的数字。
/caveman-compress：把你的项目记忆文件也压缩了。比如你的 CLAUDE.md 项目说明文件，压缩后每个后续会话都能减少约 46% 的输入 token。
6 个压缩等级：从 lite 到 ultra，还有一个"文言文模式"——让 AI 用文言文回复，token 更短。是的，你没看错，文言文模式。
它支持 30 多种 AI 编码工具：Claude Code、Codex、Gemini CLI、Cursor、Windsurf、Cline、GitHub Copilot，基本上你能想到的都支持。
安装也简单，一行命令搞定，大约 30 秒。
05 一个反直觉的发现
caveman 火起来，不只是因为它省 token。
还有一个反直觉的发现：让 AI 说话更简短，不只是省钱，还可能提高准确率。
2026 年 3 月有一篇论文测试了 31 个模型，发现约束大型模型给出简短答案，在某些基准上反而提高了约 26 个点的准确率。
也就是说：少说话的 AI，不一定更笨，可能反而更准。
原因可能是：当 AI 被迫用更少的字表达时，它必须更直接地抓住核心，而不是绕圈子。
06 谁适合用
如果你是开发者，并且已经在用 AI 编码工具，这个项目几乎装了就有用。
尤其是这些场景：
你每天和 AI 大量对话，token 账单在涨。你团队里有多个人在用 AI 编码，想降低整体成本。你觉得 AI 回复太啰嗦，影响你快速获取关键信息。你在用 Claude Code 这类按 token 计费的工具，想控制开支。
对普通用户来说，如果你只是偶尔用用 ChatGPT，可能感受不明显。但如果你是重度 AI 工具用户，这个工具的价值会直接体现在你的账单上。
07 但它也不是万能的
caveman 自己也很诚实，在项目里明确警告了几件事。
第一，它只压缩输出 token。 输入和推理 token 不受影响，而且技能本身每轮会增加约 1-1.5k 输入 token。所以整个会话的节省会小于输出数字，在已经很简洁的工作负载上甚至可能净亏损。
第二，它压缩的是风格，不是知识。 如果你的需求本身不清楚，或者项目上下文混乱，caveman 也救不了。它不是让 AI 更聪明，而是让 AI 闭嘴说重点。
第三，真正的收益不只是省钱。 项目自己说：真正的收益是可读性和速度，成本节省是额外奖励。因为更短的回复意味着你更快读到关键信息，AI 也更快完成输出。
这种诚实反而让我更信任它。
08 这背后的趋势
caveman 火起来，说明 AI 工具正在从"能用"进入"算账"阶段。
过去两年，大家关心的是 AI 能不能写代码、能不能做任务、能不能当 Agent。
现在大家开始关心一个更现实的问题：这些工具的 token 消耗，到底能不能控住？
这和前几年云计算的历程很像。先是大家兴奋地上云，然后开始收到天价账单，然后开始认真做成本优化。
AI 工具也在走同一条路。
未来会有更多类似工具出现：不只是让 AI 更强，而是让 AI 更省。
真正能留下来的 AI 工具，不一定是功能最多的，而是能在能力、速度和成本之间找到平衡的。
caveman 的方向很对：不改变 AI 的脑子，只改变它的嘴巴。
写在最后
今天这个项目之所以值得写，不是因为它能让 AI 说文言文——虽然那确实很有趣。
而是因为它提醒了一个所有 AI 工具用户都该正视的事实：
AI 的每一个废话 token，都是你真金白银付出去的。
当 AI 编码工具的月费从 20 美元涨到 200 美元，当 token 消耗成为开发成本里不可忽视的一项，像 caveman 这样的"成本优化工具"就不会只是小众玩具。
它代表的是 AI 工具生态的下一层：从比谁更强，到比谁更省。
你觉得这个方向是真趋势，还是短期热度？评论区打 1：我看好。评论区打 2：我觉得还早。
如果你想拿今天工具的原始地址和使用资料，回复关键词：今日工具。
