AI的“廢話文學”，終于有人忍不了了

如果你是一個重度AI編程用戶，大概率經歷過這樣的場景：

你只想要一行正則表達式，AI卻從正則的歷史起源開始，洋洋灑灑給你寫了五個自然段。你問一個Bug怎么修，它先來一句“當然！我很樂意幫你解決這個問題”，然后才開始正文。改一個標點符號，它把整個800行的文件重新輸出了一遍。

看著API余額肉眼可見地往下掉，你忍不住仰天長嘆：能不能閉嘴，直接說重點？

這不是你一個人有這種感覺。2026年上半年，一個名叫 Caveman（穴居人）的開源項目，讓全球開發者集體破防，貢獻了86,000多個Star，長期霸榜GitHub Trending。

它的核心邏輯粗暴到令人發笑：

讓AI像山頂洞人一樣說話。刪掉“the”“please”“thank you”，刪掉一切不影響技術含義、卻不斷吞噬Token的“人類客套”。

但就是這一招，據稱能平均省下65%的輸出Token。

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

Caveman是什么？

Caveman是開發者Julius Brussee寫的一個Claude Code Skill（技能/插件）。把它裝進你的AI編程助手（支持Claude Code、Codex、Gemini、Cursor、Windsurf、Cline、Copilot等30多個平臺），AI的回復風格就會從“溫文爾雅的英倫管家”變成“能用三個詞絕對不說四個的原始人”。

項目主頁上寫著兩句話，基本說清了全部精神內核：

“why use many token when few token do trick”（為啥要用那么多Token，少點Token不就行了） “Brain still big. Mouth small.”（腦子還在，嘴變小了。）

它不是一個新的模型，不是推理層面的優化，本質上就是一條精心編寫的系統提示詞（System Prompt）。它告訴AI：技術術語和代碼塊必須保留，報錯信息原樣引用——其余能砍就砍。

Caveman的火爆，與其說是一個技術事件，不如說是一次社區情緒的集中爆發。

去看看Hacker News、Reddit、推特上的討論，你會發現開發者對AI“話癆”的抱怨已經成了一種亞文化：

• “我花15美元/100萬Token的價格，就是為了看AI跟我道歉和寒暄？”
• “求求你別再對我說Certainly! Here is the...了，直接給我報錯或者給我代碼行不行？”
• “因為要改一個標點，它把整個文件重新輸出了一遍，我差點破產。”

這些抱怨背后有一個結構性矛盾：AI模型越強大，它的回復就越“周到”，越喜歡把話講完整、講漂亮、講到讀者滿意為止。但對于每天要和AI打交道的程序員來說，這種“周到”就是噪音，每一句“我很樂意幫您”背后都是白花花的銀子。

Julius Brussee敏銳地抓住了這個痛點。他在README中的核心思想可以理解為：

“為什么少量Token能說清楚的事，要用那么多Token去說？”

Caveman的核心機制不復雜，但設計得很細致。它提供了一個SKILL.md文件，告訴AI一套全新的“說話規則”：

刪除以下內容：冠詞、語氣填充詞、客套話、猶豫性表達。

允許使用短句、碎片句。優先使用更短的同義詞——說“大”而不是“龐大”，說“修”而不是“實施一個解決方案”。推薦句式結構：[問題][動作][原因]。[下一步]。

看一個對比就明白了：

【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.”

從上面的對比可以看出，Caveman模式用極少的詞傳達了同樣的技術信息。

六種模式，總有一款適合你

Caveman提供了五個壓縮級別（加上normal agent共六檔），隨時可以通過/caveman 切換：

值得一提的是wenyan模式——文言文。中文天然就比英文“省Token”，而文言文更是把每個字的表意密度拉到了極致。Julius在README里特意提到，Caveman不會改變你的語言，你說中文它就壓縮中文，說日文就壓縮日文。只有wenyan是個例外：它故意用文言文來獲得最大的壓縮比。

除了說話模式，Caveman還提供了一系列實用命令：

• /caveman-commit：生成50字以內的Conventional Commit信息，只說“為什么”不說“做了什么”
• /caveman-review：一行式的PR評論，比如“L42: bug: user null. Add guard.”
• /caveman-stats：實時統計當前會話的Token使用量和累計節省量
• /caveman-compress ：把記憶文件（比如CLAUDE.md）改寫成Caveman風格，每次會話都省輸入Token

安裝Caveman的簡單程度，可能是它能爆火的另一個原因。一條命令搞定：

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

它會自動檢測你機器上安裝的所有AI編程助手，逐個完成安裝。全程大約30秒，需要Node.js 18以上。裝完之后，在Claude Code里輸入/caveman就能激活。更貼心的是，在Claude Code、Codex和Gemini上，Caveman從第一條消息開始就是默認開啟的——你甚至不需要輸入任何命令。

裝完后，Claude Code的狀態欄會出現“[CAVEMAN] ? 12.4k”這樣的標識，實時顯示你累計節省的Token數量。

作者在項目中提供了完整的基準測試數據：

10個任務，平均從1214個Token壓縮到294個，節省65%。其中技術性越強的任務（Bug修復、架構配置、調試），壓縮效果越好，因為這類問題AI本來就不需要“鋪墊”。反而偏“解釋型”的任務（如git rebase vs merge），壓縮空間小一些——畢竟要講清楚概念，話太少也不行。

等等，它真的能省錢嗎？

這里需要說一句大實話。

Caveman壓縮的是輸出Token，但它不壓縮輸入Token，甚至因為加載Skill本身要消耗上下文預算，每輪對話還會多出約1~1.5k的輸入Token。更關鍵的是，它不觸及模型的Hidden Reasoning Tokens——AI在“思考”階段的Token消耗，才是Claude Code這類工具成本的大頭。

作者在文檔里也誠實地標注了這一點：

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

所以，如果你指望裝了Caveman就能把API賬單砍掉65%，大概率會失望。端到端的真實成本節省，遠沒有65%那么夸張。

但這并不妨礙Caveman的價值。

因為對于很多開發者來說，“省錢”只是結果，真正的痛點是“AI話太多，讀起來太累”。Caveman帶來的是一種閱讀體驗的解放——AI終于不再像剛入職的實習生一樣每句話都要鋪墊了，而是像跟一個經驗豐富的老同事交流，直接說重點。

而且，簡潔真的有助于準確。2026年3月的一篇論文《Brevity Constraints Reverse Performance Hierarchies in Language Models》測試了31個模型，發現對大型模型施加簡潔約束后，在某些基準測試上準確率提升了約26個百分點。有時候，說得少確實說得對。

Caveman早已不止是那個讓AI說“人話”的Skill。圍繞它，作者搭建了一整套工具鏈：

• caveman-shrink：一個MCP中間件，可以壓縮任何MCP Server的工具描述——讓AI調用外部工具時也說“穴居人語”。
• cavecrew-investigator / builder / reviewer：三組子Agent，分別負責信息調查、方案構建和代碼審查，每個都內置了Caveman風格的壓縮邏輯。
• caveman-code：端到端壓縮整個編碼Agent流程，輸出Token約為原生的一半。
• cavemem / cavekit / cavegemma：面向不同場景的生態工具，進一步擴展了Caveman的壓縮理念。

項目還在持續演進。README中明確標注了Caveman 2正在開發中，核心目標是讓Token節省變得可證明、可驗證——不再只是“感覺省了”，而是有精確的度量。

值得一提的是，Caveman在隱私方面做得相當徹底。項目明確聲明：無遙測、無分析、無賬號、無后端服務器。安裝后零網絡調用，所有處理都在本地完成。這種克制在今天的開源項目中并不多見。

Caveman的快速成長也得到了商業支持。項目由Atlas Cloud贊助，這是一家全模態AI推理平臺。

這些信號指向同一個方向：下一代AI工具的競爭，不再是“誰更會說話”，而是“誰在更少的Token里傳遞了更多的價值”。

Agent不需要漂亮的界面和禮貌的寒暄，它要的是結構化輸入、結構化輸出、可編程的接口。Caveman看似只是一個讓AI說“人話”的玩笑插件，但它踩中的，其實是AI從“人機交互”走向“機機交互”的時代脈搏。

Julius Brussee在Hacker News上解釋自己為什么要做Caveman時說了一句話：“我受夠了AI的廢話。”

這大概也是85,000多個Star背后，每一個開發者的心聲。

Caveman不會讓你的AI變聰明，但它會讓你的AI更“懂事”。在這個Token就是金錢的時代，少說廢話，本身就是一種美德。（本文首發鈦媒體APP，作者 | 硅谷Tech_news，編輯 | 焦燕）