本文介绍了一个名为 Caveman 的开源 Claude 插件，它通过强制模型模仿“原始人”或使用文言文等极简风格进行回复，实测可节省约 65% 的输出 token，同时附带多种实用子技能和安全机制。
📝 详细摘要
文章介绍了一个名为 Caveman 的开源项目，它是一个针对 Claude Code 的 Skill 插件，由 19 岁的开发者 Julius Brussee 创建。其核心思路是通过赋予 Claude 一个具体的“原始人”人设，强制其使用极简、无废话的风格进行回复，从而大幅减少输出 token 消耗。项目提供 Lite、Full、Ultra 三档压缩强度，以及创新的“文言文模式”，后者利用中文的高信息密度进一步节省 token。文章详细说明了其核心功能，包括配套的自动生成 commit message、代码审查和文件压缩等子技能，并强调了其内置的“安全阀”机制，在必要时会自动退出极简模式以确保安全。作者认为该项目触及了 LLM 输出中充斥礼貌性废话的真实痛点，提供了一种主动约束 AI 表达方式的高效思路，对于高频使用 Claude Code 的开发者具有实用价值。
💡 主要观点
- 通过赋予具体人设（如“原始人”）来约束 AI 输出，比抽象指令更有效。 项目发现，单纯要求 Claude“简洁回答”效果不佳，因为其训练偏好会使其回归啰嗦模式。但赋予一个具体的角色背景（原始人），能更稳定地实现极简输出，这类似于方法派演员的原理。
💬 文章金句
- 这个开源项目的核心思路特别简单直接：让 Claude 模仿原始人说话，砍掉所有客套话、解释性废话和修饰词，只留关键信息。
- 但给它一个具体的人设，比如你是一个原始人，只会说短句，压缩效果就好得多。这个发现挺有意思的，有点像方法派演员，你给一个具体的角色背景，比给一个抽象的指令效果好得多。
- 文言文这个选择特别有道理。人类历史上信息密度最高的文字系统之一就是文言文，同样一个意思，文言文用字最少，而且中文本身每个字的 token 就比英文少。
- Caveman 这个项目看似搞笑，但背后触及了一个很真实的痛点：LLM 的输出里大约 70% 是礼貌性的废话，而每一个 token 都是真金白银。
- 它给我们的启发是，在和 AI 交互的时候，与其被动接受它的啰嗦回复，不如主动约束它的表达方式。而且这个约束越具体越好。
📊 文章信息
AI 初评：84
来源：逛逛GitHub
作者： 逛逛GitHub
分类：人工智能
语言：中文
阅读时间：7 分钟
字数：1652
标签： Claude, Token 优化, 开源项目, AI 编程助手, 提示工程