夜雨聆风Agent 推理了半天，最后给你回一堆“I'd be happy to...”、“Let me take a look and suggest...”、“The reason is likely because...”，中间全是废话连篇的礼貌措辞，真正有用的代码建议就那么一行。
明明一句话能说清楚的事，AI 非要跟你客套半天。
这不是你的问题，这是 AI 的“礼貌病”。而今天要聊的这个开源项目，直接用一个粗暴但极其有效的方式把它治了——让 AI 学会“说话简洁”。
它不是让 AI 变笨，而是让 AI 闭嘴
项目名叫 Caveman，直译过来就是“原始人”。它的核心理念非常直白：
“为什么用很多 Token 就能做的事，要用一堆废话来说？”
它的作用不是限制 AI 的推理能力，不是让它“变笨”，而是压缩它的输出。安装这个技能后，Agent 会在回答中剔除所有客套话、过渡语、冗余解释，只保留核心的技术要点、代码片段、错误信息。
最直观的效果就是：同样的回答，输出 Token 平均减少 65%。
而且技术准确性完全不缩水——代码、命令、报错信息一字不差，只是没了那些“I recommend”、“Let me explain”之类的废话。
一句话告诉你它解决了什么
看两个对比，你就知道这项目有多实用：
正常 Agent 回答（69 Token）：
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.
Caveman 模式回答（19 Token）：
New object ref each render. Inline object prop = new ref = re-render. Wrap in
useMemo.
同样的技术结论，一样的修复方案，字数直接缩到三分之一。
另一个场景：
正常 Agent：
Sure! I'd be happy to help you with that. The issue you're experiencing is most likely caused by your authentication middleware not properly validating the token expiry. Let me take a look and suggest a fix.
Caveman：
Bug in auth middleware. Token expiry check use
<not<=. Fix:
看，一句话直接定位问题，连“Let me take a look”这种过渡都省了。这就是 Caveman 的核心价值——它不是让 AI 不思考，而是让 AI 的输出更直接。
基准测试：不是吹的，是实打实的数据
该项目通过了基于 Claude API 的实际测试，涵盖 10 个真实编程问题，数据如下：
| 平均 | 1214 | 294 | 65% |
平均每个回答省掉 920 个输出 Token。如果你每天都在用 AI 编程，这笔账很好算。
一行命令，支持 30+ 个 Agent
安装方式极其简单，一条命令自动检测你机器上已有的 Agent 并逐一安装：
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
需要 Node.js 版本 ≥ 18。安装脚本会自动跳过你没有的 Agent，完全安全可重复运行。
目前已兼容 Claude Code、Codex、Gemini、Cursor、Windsurf、Cline、Copilot 等 30 余个主流 Agent。
安装完成后，在对话中直接输入 /caveman 开启压缩模式。如果要关闭，说一句“normal mode”即可。Claude Code、Codex 和 Gemini 在首次运行时就会默认启用，无需手动触发。
六个等级，从“正常模式”到“文言文”
Caveman 提供了 6 种输出风格，你可以随时用 /caveman 切换：
- normal agent
：正常模式，AI 废话频出——你懂的 - lite
：轻度压缩，比如“Wrap object in useMemo. New ref created every render.” - full（默认）
：中度压缩，“New ref each render. Wrap object in useMemo.” - ultra
：极度压缩，“New ref/render. useMemo it.” - wenyan
：文言文模式，利用古汉语的高信息密度进一步压缩
有意思的是，Caveman 还保留了对多语言的支持。你用葡萄牙语提问，它就用葡萄牙语的“原始人风格”回答，只压缩语气，不翻译语言。只有 wenyan 模式是特例——因为文言文天然的 Token 效率最高。
还有更多实用指令
除了基础的 /caveman，项目还提供了几个专为开发者设计的功能指令：
/caveman-commit：帮你生成 Conventional Commit 格式的提交信息，主题行不超过 50 字，只说明“为什么修改”，不啰嗦“做了什么”。
/caveman-review：做代码审查时，输出一行式的 PR 评论，比如 L42: 🔴 bug: user null. Add guard.，一眼就能看清问题。
/caveman-stats：实时查看当前会话的 Token 节省情况、累计节省量、折合美元金额。在 Claude Code 中，状态栏会直接显示 [CAVEMAN] ⛏ 12.4k 这样的提示。
/caveman-compress：这是最有价值的长期功能——它会将你的记忆文件（比如 CLAUDE.md）压缩成 Caveman 风格。一旦压缩，每个会话启动时该文件都会节约 46% 左右的输入 Token。实测数据如下：
这不是一次性的 Token 节省，而是每个 session 都在省。
一个你可能没注意到的点
Caveman 项目明确说明了一点：它只压缩输出 Token。 输入 Token 和推理 Token 是不变的，而且技能本身每次对话会增加约 1-1.5k 的输入 Token。
所以整体 Session 的节省比纯输出节省要小。在本身就已经很简洁的工作流中，甚至可能出现“净负收益”。
项目的真正价值在于可读性和速度提升。Token 节省是 Bonus，不是目标。
另外，一个有趣的研究发现来自 2026 年 3 月的论文《Brevity Constraints Reverse Performance Hierarchies in Language Models》：在 31 个模型上的测试中，约束大型模型给出简短回答，反而让一些基准测试的准确率提升了约 26 个百分点。
有时候，说少点，反而说对了。
隐私与生态
Caveman 完全离线运行。安装后零网络调用——技能本身就是一条 Prompt，Hook 是本地脚本，统计数据读取的是你本地已有的日志。没有任何遥测、分析、账户体系。
如果你想进一步深入，项目还提供了完整的“Caveman 生态体系”——一个由五个开源仓库组成的工作流优化工具集，包括压缩 Agent 记忆、优化构建循环等组件。不过那是另一个故事了。
立刻试试
Caveman 目前是 MIT 开源协议，安装了就可以一直用。一个指令下去，你的 AI 编程助手每轮回复都能省掉一半以上的废话字节。
如果是你，你愿意把它加到你的开发环境里吗？
