AI的“废话文学”，终于有人忍不了了

如果你是一个重度AI编程用户，大概率经历过这样的场景：

你只想要一行正则表达式，AI却从正则的历史起源开始，洋洋洒洒给你写了五个自然段。你问一个Bug怎么修，它先来一句“当然！我很乐意帮你解决这个问题”，然后才开始正文。改一个标点符号，它把整个800行的文件重新输出了一遍。

看着API余额肉眼可见地往下掉，你忍不住仰天长叹：能不能闭嘴，直接说重点？

这不是你一个人有这种感觉。2026年上半年，一个名叫 Caveman（穴居人）的开源项目，让全球开发者集体破防，贡献了86,000多个Star，长期霸榜GitHub Trending。

它的核心逻辑粗暴到令人发笑：

让AI像山顶洞人一样说话。删掉“the”“please”“thank you”，删掉一切不影响技术含义、却不断吞噬Token的“人类客套”。

但就是这一招，据称能平均省下65%的输出Token。

（项目地址：https://github.com/JuliusBrussee/caveman）

Caveman是什么？

Caveman是开发者Julius Brussee写的一个Claude Code Skill（技能/插件）。把它装进你的AI编程助手（支持Claude Code、Codex、Gemini、Cursor、Windsurf、Cline、Copilot等30多个平台），AI的回复风格就会从“温文尔雅的英伦管家”变成“能用三个词绝对不说四个的原始人”。

项目主页上写着两句话，基本说清了全部精神内核：

“why use many token when few token do trick”（为啥要用那么多Token，少点Token不就行了） “Brain still big. Mouth small.”（脑子还在，嘴变小了。）

它不是一个新的模型，不是推理层面的优化，本质上就是一条精心编写的系统提示词（System Prompt）。它告诉AI：技术术语和代码块必须保留，报错信息原样引用——其余能砍就砍。

Caveman的火爆，与其说是一个技术事件，不如说是一次社区情绪的集中爆发。

去看看Hacker News、Reddit、推特上的讨论，你会发现开发者对AI“话痨”的抱怨已经成了一种亚文化：

• “我花15美元/100万Token的价格，就是为了看AI跟我道歉和寒暄？”
• “求求你别再对我说Certainly! Here is the...了，直接给我报错或者给我代码行不行？”
• “因为要改一个标点，它把整个文件重新输出了一遍，我差点破产。”

这些抱怨背后有一个结构性矛盾：AI模型越强大，它的回复就越“周到”，越喜欢把话讲完整、讲漂亮、讲到读者满意为止。但对于每天要和AI打交道的程序员来说，这种“周到”就是噪音，每一句“我很乐意帮您”背后都是白花花的银子。

Julius Brussee敏锐地抓住了这个痛点。他在README中的核心思想可以理解为：

“为什么少量Token能说清楚的事，要用那么多Token去说？”

Caveman的核心机制不复杂，但设计得很细致。它提供了一个SKILL.md文件，告诉AI一套全新的“说话规则”：

删除以下内容：冠词、语气填充词、客套话、犹豫性表达。

允许使用短句、碎片句。优先使用更短的同义词——说“大”而不是“庞大”，说“修”而不是“实施一个解决方案”。推荐句式结构：[问题][动作][原因]。[下一步]。

看一个对比就明白了：

【正常AI】“The reason your React component is re-rendering is likely because you are creating a new object reference on each render cycle. When you pass an inline object as a prop, React shallow comparison sees it as a different object every time, which triggers a re-render. I would recommend using useMemo to memoize the object.” 【Caveman模式】“New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo.”

从上面的对比可以看出，Caveman模式用极少的词传达了同样的技术信息。

六种模式，总有一款适合你

Caveman提供了五个压缩级别（加上normal agent共六档），随时可以通过/caveman 切换：

值得一提的是wenyan模式——文言文。中文天然就比英文“省Token”，而文言文更是把每个字的表意密度拉到了极致。Julius在README里特意提到，Caveman不会改变你的语言，你说中文它就压缩中文，说日文就压缩日文。只有wenyan是个例外：它故意用文言文来获得最大的压缩比。

除了说话模式，Caveman还提供了一系列实用命令：

• /caveman-commit：生成50字以内的Conventional Commit信息，只说“为什么”不说“做了什么”
• /caveman-review：一行式的PR评论，比如“L42: bug: user null. Add guard.”
• /caveman-stats：实时统计当前会话的Token使用量和累计节省量
• /caveman-compress ：把记忆文件（比如CLAUDE.md）改写成Caveman风格，每次会话都省输入Token

安装Caveman的简单程度，可能是它能爆火的另一个原因。一条命令搞定：

// curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash

它会自动检测你机器上安装的所有AI编程助手，逐个完成安装。全程大约30秒，需要Node.js 18以上。装完之后，在Claude Code里输入/caveman就能激活。更贴心的是，在Claude Code、Codex和Gemini上，Caveman从第一条消息开始就是默认开启的——你甚至不需要输入任何命令。

装完后，Claude Code的状态栏会出现“[CAVEMAN] ⛏ 12.4k”这样的标识，实时显示你累计节省的Token数量。

作者在项目中提供了完整的基准测试数据：

10个任务，平均从1214个Token压缩到294个，节省65%。其中技术性越强的任务（Bug修复、架构配置、调试），压缩效果越好，因为这类问题AI本来就不需要“铺垫”。反而偏“解释型”的任务（如git rebase vs merge），压缩空间小一些——毕竟要讲清楚概念，话太少也不行。

等等，它真的能省钱吗？

这里需要说一句大实话。

Caveman压缩的是输出Token，但它不压缩输入Token，甚至因为加载Skill本身要消耗上下文预算，每轮对话还会多出约1~1.5k的输入Token。更关键的是，它不触及模型的Hidden Reasoning Tokens——AI在“思考”阶段的Token消耗，才是Claude Code这类工具成本的大头。

作者在文档里也诚实地标注了这一点：

“Honest number warning. Caveman only shrinks output tokens. Input and reasoning tokens are untouched.”

所以，如果你指望装了Caveman就能把API账单砍掉65%，大概率会失望。端到端的真实成本节省，远没有65%那么夸张。

但这并不妨碍Caveman的价值。

因为对于很多开发者来说，“省钱”只是结果，真正的痛点是“AI话太多，读起来太累”。Caveman带来的是一种阅读体验的解放——AI终于不再像刚入职的实习生一样每句话都要铺垫了，而是像跟一个经验丰富的老同事交流，直接说重点。

而且，简洁真的有助于准确。2026年3月的一篇论文《Brevity Constraints Reverse Performance Hierarchies in Language Models》测试了31个模型，发现对大型模型施加简洁约束后，在某些基准测试上准确率提升了约26个百分点。有时候，说得少确实说得对。

Caveman早已不止是那个让AI说“人话”的Skill。围绕它，作者搭建了一整套工具链：

• caveman-shrink：一个MCP中间件，可以压缩任何MCP Server的工具描述——让AI调用外部工具时也说“穴居人语”。
• cavecrew-investigator / builder / reviewer：三组子Agent，分别负责信息调查、方案构建和代码审查，每个都内置了Caveman风格的压缩逻辑。
• caveman-code：端到端压缩整个编码Agent流程，输出Token约为原生的一半。
• cavemem / cavekit / cavegemma：面向不同场景的生态工具，进一步扩展了Caveman的压缩理念。

项目还在持续演进。README中明确标注了Caveman 2正在开发中，核心目标是让Token节省变得可证明、可验证——不再只是“感觉省了”，而是有精确的度量。

值得一提的是，Caveman在隐私方面做得相当彻底。项目明确声明：无遥测、无分析、无账号、无后端服务器。安装后零网络调用，所有处理都在本地完成。这种克制在今天的开源项目中并不多见。

Caveman的快速成长也得到了商业支持。项目由Atlas Cloud赞助，这是一家全模态AI推理平台。

这些信号指向同一个方向：下一代AI工具的竞争，不再是“谁更会说话”，而是“谁在更少的Token里传递了更多的价值”。

Agent不需要漂亮的界面和礼貌的寒暄，它要的是结构化输入、结构化输出、可编程的接口。Caveman看似只是一个让AI说“人话”的玩笑插件，但它踩中的，其实是AI从“人机交互”走向“机机交互”的时代脉搏。

Julius Brussee在Hacker News上解释自己为什么要做Caveman时说了一句话：“我受够了AI的废话。”

这大概也是85,000多个Star背后，每一个开发者的心声。

Caveman不会让你的AI变聪明，但它会让你的AI更“懂事”。在这个Token就是金钱的时代，少说废话，本身就是一种美德。（本文首发钛媒体APP，作者 | 硅谷Tech_news，编辑 | 焦燕）