逼AI当山顶洞人！Claude防话痨插件爆火，网友：受够了AI废话

新智元报道

编辑：元宇

【新智元导读】一个让AI像原始人一样说话的插件，在HN上一夜爆火，冲破2w星。它的核心只是一条简单粗暴的prompt：删掉冠词、客套和一切废话，号称能省下75%的输出token。它能火，说明开发者已经受够AI话痨了。

最近，一个叫「caveman」（穴居人）的Claude Code插件，在Hacker News炸了。

先看一张图。

从这条GitHub star增长曲线来看，「JuliusBrussee/caveman」在最初很长一段时间里几乎只是缓慢爬升，随后陡然上扬：

短短半天左右，star数从几十一路冲到500，目前已冲破2w！

「穴居人」省Token技能爆红！

caveman一夜爆火背后，其实是一次典型的社区情绪共振。

它意味着「AI Yap（废话连篇）」，这个看上去很小、却让无数人早已破防的痛点，再次被人精准地捅破了。

很快就有网友把caveman称作「2026年最厉害的提示词技巧」，称它能够砍掉浪费在「我很乐意帮你」这种礼貌和铺垫上的token。

这个插件干的事其实很简单：让AI agent像洞穴人一样说话。

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」。

https://github.com/JuliusBrussee/caveman

项目出自开发者Julius Brussee之手，GitHub仓库名为「JuliusBrussee/caveman」。

Julius在README里抛出的核心问题也非常直接：为什么少量token能说清楚的事，要用那么多token去说？

这是一款同时适配「Claude Code」和「Codex」的技能/插件。

它的核心思路是让智能体像「原始人」一样开口，在不牺牲技术准确性的前提下，把输出压缩到极致，并声称可将token消耗降低约75%。

问题也随之而来：删掉冠词和礼貌用语，真的就能为用户省掉四分之三的钱吗？

扒开SKILL.md

网友傻眼，就这？

caveman到底怎么「省」的？

打开它的核心文件SKILL.md，内容确实不长。

https://raw.githubusercontent.com/JuliusBrussee/caveman/main/skills/caveman/SKILL.md

文件frontmatter直接把它定义成「Ultra-compressed communication mode」（超压缩通信模式）。

并写明：

通过像洞穴人一样说话，在保持技术准确性的前提下，目标是把token用量压到更低。

当用户说出「caveman mode」「talk like caveman」「use caveman」「less tokens」「be brief」，或调用「/caveman」时启用。

当用户明确要求更高token效率时，也可自动触发。

它节省「token」的规则也非常简单粗暴：别用冠词，别说废话，别客气；技术术语和代码块保留，其他能砍就砍。

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，比如说「大」而不是「庞大」，说「修」而不是「实施一个解决方案」。

技术术语必须保持精确。

代码块不改。

报错信息必须原样引用。

推荐句式：[问题][动作][原因]。[下一步]。

比如，不要这样写：「当然！我很乐意帮你。你遇到的问题，很可能是由……引起的……」

而是要这样写：「Bug在认证中间件。Token过期判断用了<，没用<=。改这里：」

它支持三档强度级别：lite、full（默认）、ultra。

• lite：去掉填充词和犹豫表达。保留完整句子和正常书面感。专业、简洁；

• full：进一步压缩表达，可省略部分虚词，允许碎片句，使用短词替代。典型caveman风格；

• ultra：大量缩写，如DB、auth、config、req、res、fn、impl；尽量去掉连接词；用箭头表达因果，如「X→Y」；能用一个词说明，就不用两个词。

举个例子：

lite：「连接池会复用已经打开的数据库连接，而不是每次请求都新建一个，从而避免重复握手开销。」

full：「连接池复用已打开的DB连接。不是每个请求都新建。省掉握手开销。」

ultra：「连接池=复用DB连接。跳过握手→高并发更快。」

当然，遇到安全警告、不可逆操作确认、多步骤流程、或用户明显已经困惑时，清晰表达仍然优先。这也是SKILL.md里明确写出的例外逻辑。

没有模型架构改动，没有推理机制层面的压缩，caveman的本质就是一条精心编写的system prompt，约束的是AI的输出风格。

更关键的一点：作者Julius Brussee本人在HN讨论帖里主动澄清了，这个skill不针对hidden reasoning tokens和thinking tokens。

模型在后台「想」的过程并不会因为caveman自动变短，它主要压缩的是最后说出来的那部分。

Anthropic官方文档也提到，skills的名称和描述本身会占用上下文预算。

换句话说，加载caveman这个skill本身就要消耗token。

所以端到端的真实成本节省，未必等于README里那个醒目的「75%」。

因此，caveman很可能显著压缩了可见输出长度，但这不应被直接理解为同等比例的总成本下降。

README里的75%，到底靠不靠谱？

从仓库公开内容看，作者确实提供了benchmark脚本，也在README里列出了若干任务的token对比，区间从22%到87%，平均65%。

但截至目前，公开仓库里能直接看到的是测试脚本和示例表格；外界仍难以仅凭仓库当前内容完整复核每一项结果的复现实验链条。

作者在HN帖子里表示：这只是初步测试，不是严格的基准测试。

不过，「简洁表达是否会伤害AI性能」这个问题，学术界确实有人研究过。

https://arxiv.org/pdf/2401.05618

2024年的论文《The Benefits of a Concise Chain of Thought on Problem-Solving in Large Language Models》显示：

当研究者要求模型使用更简洁的推理链时，GPT-3.5和GPT-4的平均回答长度下降了48.70%，而整体解题能力几乎没有明显下降；但在数学题上，GPT-3.5的表现平均下降了27.69%。

2026年的论文《Brevity Constraints Reverse Performance Hierarchies in Language Models》则更进一步指出：

在部分基准上，对大模型加入简洁约束，准确率可提升26个百分点，甚至可能改变不同规模模型之间原本的表现排序。

https://arxiv.org/pdf/2604.00025

以上两篇论文，为「简洁未必伤性能」提供了研究背景。

但必须说清楚：它们研究的是brevity作为通用提示策略的效果，不是对caveman这个GitHub仓库的专项评测。

README引用这些研究，最多只能说明它的思路并非毫无理论背景，不能直接当作对项目自身效果的严格验证。

Claude Code的插件生态

开始起来了

caveman能火，还有一个背景原因：

Anthropic已经为Claude Code提供了相对完整的skill与plugin机制。

https://code.claude.com/docs/en/skills

根据Anthropic官方文档，开发者只需创建一个SKILL.md文件，Claude就能把它识别为skill；其中description用来决定何时自动加载，name则会变成可直接触发的斜杠命令。

官方文档还明确写了plugin级skill的路径结构是 /skills/ /SKILL.md 。

而caveman仓库中，确实能看到.claude-plugin、plugins/caveman、skills/caveman等目录，说明它不是一个停留在「几句提示词」层面的玩具，而是按照Claude Code的skill/plugin机制包装出来的扩展。

这也意味着，开发者确实可以通过一个SKILL.md，在不改模型底层的前提下，改变Claude Code在特定任务中的调用方式和输出风格。

某种意义上，这已经有点像早期VS Code扩展生态：

先有一批看起来轻量、甚至带点玩笑感的扩展冒出来，随后才逐渐长成更严肃、更细分的工作流工具。

开发者苦AI废话久矣

回到那个最初的问题：caveman到底有没有用？

如果把它当成一个严格意义上的「省钱工具」，那就需要更谨慎。

它压缩的只是可见输出文本，并不触及hidden reasoning tokens，而后者往往才是Claude Code成本的大头。

再加上skill本身也会占用上下文，端到端算下来，真实节省大概率到不了75%。

真正想优化token成本，关键也不在这里。模型分层调用、上下文窗口管理、prompt工程、缓存策略，这些才是真正的主战场。

但caveman真正值得关注的地方，不在于它是不是开出了一剂完美药方，而在于它本身就是一个信号。

当一个开发者把「让AI少说废话」这件事做成插件，放到GitHub上，被上千人认真讨论，在HN上爆火，事情的重点就已经变了。

它说明，AI工具的冗长，不再只是一个可以忍受的小毛病，而是严重到用户开始自己动手修正的程度。

实际上，开发者们在情绪上早就已经破防了：去各大社区看一眼，满屏皆是对AI 废话的哀叹抱怨：

我只需要两行正则代码，它非要给我写5个自然段的正则历史散文；

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不行吗？

在Hacker News上，这种哀叹和抱怨更是与使用成本挂钩：

我简直是在花15刀/100万Token的价钱，来阅读AI对我的道歉和寒暄。

只因为要改一个标点，它竟然把整个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，我都快破产了。

当大家宁愿让AI像「山顶洞人」一样说话，也不愿意继续为冗余输出多付token成本时，真正应当反思的也许是那些主流AI大厂。

为什么直到今天，他们还没有把「克制」做成一种基础能力。

不要别总盯着算力生意，而是要认真想想，用户到底为什么越来越受不了这些没必要的输出。

参考资料：

https://github.com/JuliusBrussee/caveman

https://code.claude.com/docs/en/skills

https://news.ycombinator.com/item?id=47647455