夜雨聆风最近 GitHub 上有个项目很有意思，名字叫 caveman。
它的自我介绍非常直白：为什么要用很多 token，当少量 token 也能把事情说清楚？
这个项目不是新的大模型，也不是新的 IDE。它更像是一层“表达风格压缩器”，安装到 Claude Code、Codex、Gemini、Cursor、Windsurf、Cline、Copilot 等 AI 编程助手里之后，让助手用更短、更像“洞穴人”的方式回答问题。
听起来像玩笑，但它戳中了一个真实痛点：很多 AI 助手并不是不会解决问题，而是太爱解释、太爱铺垫、太爱把每个回答包装成一段客服式长文。
它到底做了什么
caveman 的核心思路很简单：让 AI 助手“嘴变小”，但“脑子不变小”。
也就是说，它不会压缩你的代码上下文，不会减少模型推理，也不会神奇地改造模型能力。它主要做一件事：把输出变短。
比如普通助手可能会说：
“你的 React 组件重新渲染，可能是因为你在每次 render 时创建了新的对象引用。React 浅比较发现 prop 每次都不同，所以触发重新渲染。建议用 useMemo 缓存这个对象。”
caveman 风格会变成：
“每次 render 都是新对象引用。inline object prop = 新引用 = re-render。用 useMemo。”
意思没有变，废话少了很多。
项目文档里强调了一个边界：代码、命令、错误信息要保持原样，压缩的是解释和表达，不是技术事实。
为什么这件事有价值
AI 编程助手的成本不只是钱，还有阅读时间和上下文噪音。
在真实开发里，我们经常只是想知道：
- bug 在哪
- 改哪几行
- 命令怎么跑
- 失败原因是什么
- 下一步应该做什么
但很多助手会先说“当然可以”“我来帮你看看”“这个问题通常由多种原因导致”，然后才进入重点。
当一次回答只有几十个字时，这些礼貌性内容无伤大雅；但当一天里要和 AI 来回几十次，或者让它做代码审查、架构解释、调试分析时，这些“软包装”会变成实实在在的认知负担。
caveman 的产品判断是：对开发者来说，很多时候更短就是更好。
数据漂亮，但要看清口径
项目 README 里给出了一组 benchmark：在 10 个任务上，caveman 相比默认啰嗦回答，平均减少 65% 的输出 token，范围大约是 22% 到 87%。
但这个项目比较可贵的一点，是它没有只留下漂亮数字。
在 docs/HONEST-NUMBERS.md 里，作者专门解释了限制：
caveman 只减少输出 token，不减少输入 token、上下文 token 或推理 token。作为一个技能/规则，它本身还会给每轮对话增加大约 1k 到 1.5k 的输入 token 开销。
所以如果你的场景本来就很短，比如只是问一些 100 多 token 就能回答的小问题，caveman 可能反而不省钱。它真正适合的是长解释、代码审查、架构讨论、调试 walkthrough 这类原本会输出很多内容的场景。
一句话：它不是万能省钱按钮，更像是“减少啰嗦输出”的工作流偏好。
安装方式也很符合它的气质
它提供了一键安装脚本，会自动检测本机安装了哪些 AI coding agent，然后按各自方式安装。
macOS、Linux、WSL、Git Bash：
curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash
Windows PowerShell：
irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex
它也支持按单个 agent 安装。例如 Claude Code 用插件方式，Gemini CLI 用 extension，Cursor、Windsurf、Cline、Codex 等则可以走 skills registry。
项目要求 Node.js 18 或以上。安装文档还提供了 --dry-run、--only、--minimal、--uninstall 等参数，适合不想直接 curl | bash 的用户先审查再执行。
有趣的不只是“洞穴人语气”
这个项目真正值得借鉴的，不是把 AI 变成某种搞笑语气，而是它把“表达长度”当成了一个可以工程化管理的变量。
过去我们讨论 AI 编程助手，常见指标是：
- 能不能写对代码
- 能不能理解上下文
- 能不能调用工具
- 能不能自主完成任务
但 caveman 提醒我们，还有一个更日常的指标：
它能不能在不损失信息的前提下，把话说短？
这件事看起来小，却直接影响开发者是否愿意长期和 AI 一起工作。一个总是写长篇说明的助手，哪怕正确，也会慢慢让人疲劳；一个只给关键判断、关键命令、关键 diff 的助手，反而更像真正的结对同事。
我的看法
caveman 最适合三类人：
第一类，是每天高频使用 AI coding agent 的开发者。你不是偶尔问问题，而是把 AI 放进日常开发循环里。
第二类，是经常让 AI 做代码审查、重构解释、架构权衡的人。回答越长，压缩收益越明显。
第三类，是已经厌倦 AI 客服腔的人。你不需要它每次都“很高兴为你服务”，你只需要它快速说重点。
但如果你主要用 AI 做短问短答，或者你的工具按请求次数计费而不是按 token 计费，那它的省钱意义就有限。甚至在某些场景下，因为规则本身也占输入 token，可能会得不偿失。
这也是它最有意思的地方：一个看起来很玩梗的项目，最后反而落在了很严肃的产品问题上。
AI 助手不一定要更会说话。
有时候，它应该少说一点。
仓库地址
- https://github.com/JuliusBrussee/caveman