夜雨聆风一句话说清楚
AI 编码助手什么都好，就是话太多。你问个 bug，它先来一段"我理解您的问题很有挑战性..."，然后才说正事。这些废话不仅浪费时间，还直接烧你的 token 额度。
[Caveman](https://github.com/JuliusBrussee/caveman) 是一个开源技能，专门干一件事：**让 AI 说人话，省废话**。效果很直观——
原话："The reason your React component is re-rendering is likely because you're creating a new object reference on each render cycle."
Caveman 版："New object ref each render. Wrap in useMemo."
意思一模一样，字数砍了 70%。这不是搞笑，这是**真金白银**。
这项目是啥
Caveman 本质上是一个 skill/plugin，支持 Claude Code、Codex、Gemini CLI、Cursor、Windsurf 等 30+ 个 AI 编码工具。安装后，AI 的输出风格会变成**极简模式**——去掉所有客套话、废话、铺垫，只留干货。
安装极其简单：
```bash
macOS / Linux / WSL
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
```
或者用 Claude Code 插件市场：
```bash
claude plugin marketplace add JuliusBrussee/caveman
claude plugin install caveman@caveman
```
全过程大概 30 秒。不需要翻文档，不需要配啥配置文件。
我实测的数据
项目 README 里给了基准测试数据，我自己的实际测试也基本吻合：
| 场景 | 正常输出(tokens) | Caveman 输出(tokens) | 节省 |
|------|:-:|:-:|:-:|
| React 重渲染问题排查 | 1180 | 159 | **87%** |
| 修复 auth 中间件 token 过期 | 704 | 121 | **83%** |
| 配 PostgreSQL 连接池 | 2347 | 380 | **84%** |
| git rebase vs merge 解释 | 702 | 292 | **58%** |
| Docker 多阶段构建 | 1042 | 290 | **72%** |
| 实现 React Error Boundary | 3454 | 456 | **87%** |
平均节省 **65%**。注意这是输出 tokens，不是输入。
算笔账：到底能省多少钱
以 Claude Code 为例，Claude Sonnet 的定价大概是 $3/M 输入 tokens、$15/M 输出 tokens。假设每天你让 AI 输出 10 万 tokens：
- 正常的一天：$1.50
- Caveman 的一天：$0.53
- **一个月：省 ~$30**
如果你重度使用，每天输出 50 万 tokens：
- 正常的一天：$7.50
- Caveman 的一天：$2.63
- **一个月：省 ~$150**
一年下来 1800 美元，够换个不错的显示器了。
更重要的是——**上下文窗口更耐用**。在 Claude Code 的长会话中，token 累计到爆上下文是家常便饭。输出短了，每次对话能多问好几个问题，这才是最大的隐性收益。
不是没有代价
讲实话，Caveman 也有坑：
1. 输入 tokens 反而多了
Caveman 本身会注入 ~1-1.5k 输入 tokens 每次。项目自己诚实地说：**"对已经很简短的工作负载，可能净亏。"**
我的实测：如果你本身就在用一个 prompt 很精炼的 workflow，Caveman 加成不大。它的真正价值在于**对话式开发**——那种你问一句 AI 写一大段解释的场景。
2. 输出太简略有时难懂
Caveman 有 5 个等级：`lite`、`full`（默认）、`ultra`、`wenyan`（文言文）。我试了一圈：
- `lite`：还算正常，就少了客套话
- `full`：大部分场景刚好，信息量够
- `ultra`：真的太简略了，有些上下文不清晰
- `wenyan`：纯玩梗，真干活不推荐
建议日常用 `full`，排查复杂问题时切回 `normal`。
切换也很简单：
```bash
/caveman full # 默认极简模式
/caveman normal # 恢复正常啰嗦模式
```
3. 不适合新手
如果你刚接触某个技术栈，AI 的"废话"其实是有用的——那些解释性的话帮你理解背景。Caveman 适合**你已经知道自己在干什么**的场景，只需要 AI 直接给答案。
一些隐藏功能值得提
caveman-compress：压缩你的记忆文件
这个功能我很喜欢。把项目的 CLAUDE.md 或者 CURSORRULES 传入压缩，平均能砍 46%：
```bash
/caveman-compress CLAUDE.md
```
如果你的 CLAUDE.md 有 1000 tokens，压缩后 540 tokens——每次加载都省。长期来看，输入端的节省也很可观。
caveman-review：单行 CR
代码审查时，AI 动不动写一篇小作文。Caveman 的 review 模式把 CR 压成单行：
```
L42: bug: user null 无保护。加 guard。
```
这对快速 review 极其友好。
caveman-stats：实时看省了多少
```bash
/caveman-stats --share
```
会显示当前会话省了多少 tokens、折合多少钱。实时反馈会让你上瘾。
同类工具对比
我试过几个类似方案：
| 方案 | 效果 | 缺点 |
|------|------|------|
| **Caveman** | 节省 65% | 输入 tokens 增加 1-1.5k |
| **手动 prompt 加"简洁回答"** | 节省 20-30% | 不稳定，AI 不一定听 |
| **用更小的模型（如 Haiku）** | 节省 80%+ | 能力下降明显 |
| **流式响应及时中断** | 0% | 浪费时间精操作 |
Caveman 是唯一一个**不降智商、不改模型、不影响代码质量**的纯输出压缩方案。这也是为什么它能在 GitHub 上两天拿 5 万星。
我的看法
Caveman 不是省钱的银弹，但它抓住了 AI 工具的一个核心痛点：**废话太多**。
大语言模型被训练得"礼貌"、"全面"、"娓娓道来"，这在客服场景是好的，但在开发场景就是浪费。我需要的是：
1. 告诉我哪行代码错了
2. 给出修复
3. 下一个问题
不需要："你提出了一个非常好的问题！让我帮你分析一下..."
Caveman 的价值观和我一致：**尊重用户的时间**。
当然，如果在"极端简略"和"废话连篇"之间选，我宁愿选废话——至少还能看。但 Caveman 不是极端的二选一，它是**一个可以随时切换的开关**。复杂场景切回正常，日常干活用 Caveman。这才是正确用法。
总结
如果你是一个每天用 AI 编码助手写代码的开发者，Caveman 值得装。安装 30 秒，不想要了卸载也很简单。尝试成本为零，潜在收益每月几十到几百刀。
省下的不仅仅是钱，还有你的耐心和上下文窗口。
装一个，打开 `/caveman full`，用一周看看效果。你大概率会留下。
**链接：** [github.com/JuliusBrussee/caveman](https://github.com/JuliusBrussee/caveman)