逼AI当山顶洞人！Claude防话痨插件爆火，网友：受够了AI废话

【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。

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」。

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%。

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。

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。

节省「token」的规则也非常简单粗暴：

• 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」
• 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：」

三档强度级别

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。」

75%到底靠不靠谱？

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。

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，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。

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。

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。

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。

在Hacker News上，开发者们的哀叹与成本挂钩：「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。」

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。

来源：AI中文社

游侠云AI普通

收藏 链接