老金装上Caveman后Claude和Code都变穴居人，账单立马大省
上周三晚上，老金我又一次打开Claude中转站后台看用量。
那张账单条形图涨得比A股还猛。我盯着看了两分钟，没生气，就是有点疲。Claude Code跑一天，几百万token下去，钱倒还能接受，关键是看那个输出——它每次都要把话讲完整、讲漂亮、讲到读者满意为止。我心里清楚，里面起码有三成token是在重复解释、铺垫语气、礼貌客套。
我点开GitHub Trending想找点新乐子，结果第一条就是这玩意儿。
一个emoji石头图标，标题三个字「caveman」，slogan写着「why use many token when few do trick」。直译过来差不多就是：少词办大事，何必字多。50天涨到63k stars，3.7k个fork，5月20日还在更新。看到这数据的时候，我心里咯噔了一下。
一个让Claude变穴居人的Skill
caveman是一个skill/插件。
它的本事就一件——让模型的输出像穴居人讲话。技术准确性不掉，但词全部砍到最短。它的README里直接给了Before/After对比，老金我看完先笑了一下，然后认真琢磨了十分钟。
Normal Claude（69 tokens）：
"The reason your React component is re-rendering is likely because you're creating a new object reference on each render cycle. When you pass an inline object as a prop, React's shallow comparison sees it as a different object every time, which triggers a re-render. I'd recommend using useMemo to memoize the object."
翻译：你的 React 组件之所以会重新渲染，很可能是因为你在每一个渲染周期中都创建了一个新的对象引用。当你将一个内联对象作为 props 传递时，React 的浅层比较机制会认为它在每一次渲染时都是一个不同的对象，从而触发重新渲染。我建议你使用 useMemo 来对该对象进行记忆化处理。
Caveman Claude（19 tokens）：
"New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo."
翻译：每次渲染都会生成一个新的对象引用。若对象属性是内联定义的，则会产生新的引用，从而导致重新渲染。请将其包裹在 useMemo 中。
同一个Bug定位，同一个解决方案。69个token压到19个，准确性100%保留。
光看英文还体会不深。换个中文场景，正常Claude会说「这个问题的根本原因可能在于你的认证中间件没有正确校验token的过期时间」，caveman会直接给你「auth中间件token过期判断错。改成<=」。
意思一点没丢。语气全部砍掉。
4个模式，文言文那个有点东西
caveman不是一刀切。
作者JuliusBrussee给了4个档位，让你自己挑：
前三个我都试过，确实能省token。
但真正让老金我多看一眼的，是最后那个wenyan模式。文言文。
它的设计逻辑是这样——中文的现代汉语本身就比英文费token，因为分词模型对中文不友好。但文言文不一样。文言文几个字能讲一件事，「夫子曰」三个字顶白话十几个字，对tokenizer来说，文言文是天然省token的。
老金我心里有一下是亮的。这个作者是真的下功夫了。
我让Claude用wenyan模式回答了一个「Python里list和tuple的区别」。原本要写一段「list是可变的，可以增删改查，tuple是不可变的，一旦创建就不能修改……」的Claude，直接给我吐出来「list可变，tuple不可。前者增删改皆可，后者一经定，终身不易」。
讲道理，这种风格用来回答技术问题，居然意外地清爽。
安装及使用
Github地址：https://github.com/JuliusBrussee/caveman
安装就一行指令：
npx -y github:JuliusBrussee/caveman
不要使用官方那个脚本，win是有BUG的。
使用方法： 标记橙色的代表老金我常用的。
不止省钱，更像是反向训练AI
老金我装上caveman跑了两天。
token消耗确实降了。我做了个粗略统计，同样的代码review任务，开caveman前平均每次2400 tokens，开了之后800左右。降幅大概65%到75%之间，跟官方数字基本对得上。
但真正让我停下来想的，不是这个百分比。
是这个项目背后的逻辑——它不是在优化prompt，不是在压缩上下文，不是在精调模型。它是从输出端，反向定义了AI应该怎么说话。
正常人做prompt工程，路径是这样的：写更精准的指令，给更具体的范例，限制更明确的格式。这一套是在「告诉AI怎么理解」。
caveman反过来——它直接改了AI的「输出习惯」。你不需要每次都在prompt里写「请简洁回答」，你只要装上这个skill，AI就自动用穴居人语法说话。一次配置，永久生效。
这一下挺关键。
老金我一直觉得，AI真正的爆发点，不是把活全权交给AI，那听起来很爽，但真用起来经常翻车。更重要的是人机协作——人负责目标、判断、取舍、审美，AI负责搜索、生成、执行、提醒。最终要的不是一个AI自己觉得合理的结果，而是一个符合人类目标的结果。
caveman这种工具，本质上就是用户在用一种meme的方式，告诉AI：别按你以为漂亮的方式说话，按我能用的方式说话。是用户在主导沟通规则，不是模型。
49天涨63k stars，meme也是生产力
这个项目的传播力，老金我看了一眼数据，挺服气的。
49天涨到63k stars，日均增长1300+。这个增速放在GitHub历史上，能挤进top级开源爆款。
它能爆，老金我琢磨了一下，根本不只是因为它省token。
省token的工具多了，prompt压缩库一抓一大把。但只有caveman做到了meme传播 + 实用工具的双重buff。「穴居人说话」这个梗本身就是社交货币，技术圈刷到了忍不住转，普通用户刷到了好奇点进去试。它的README做得也很有意思，每一行都在讲笑话，但每一行又都在说技术。
这种「认真做meme，meme就是生产力」的项目，国内之前也有几个雏形，但能做到这个量级的，caveman算是给后来者立了个标杆。
别急着冲，先看几个坑
caveman再香，老金我也得把丑话说在前面。
第一，它只省output token，input不省。
你给Claude发的代码、文档、上下文，该多少token还是多少token。caveman管的是Claude嘴上的话，不管你嘴上的话。如果你的输入本身就大，省的那部分占比其实没你想的多。
第二，复杂推理场景可能损失。
简单的Bug定位、概念解释、配置修改，caveman完全hold住。但碰到那种需要详细推导过程的任务，比如「请帮我分析这段代码可能的并发问题，给出三种不同的修复思路」，穴居人语法就显得太单薄了。这种时候你可能还是得切回正常模式。
第三，中文wenyan模式吃文化背景。
你要看得懂「list可变，tuple不可」这种半文半白的表达，对老开发者无所谓，对入门用户可能反而是阅读门槛。我建议团队协作场景里慎用，自用爽就行。
第四，它依赖Claude Code的skill机制。
其他IDE虽然官方说支持30+，但实际兼容度还是Claude Code最好。Cursor、Windsurf这些走的是配置文件适配，体验上会有差异。
写在最后
老金我现在的工作流里，caveman已经成了默认开关。
每天写代码、做review、调Bug，背景里默默给我省着token。我不需要每次都在prompt里写「请简洁」，也不需要纠结模型回复是不是太啰嗦。它自己就把这件事处理掉了。
更有意思的是，这个项目让我重新想了一下AI工具的可能性。
我们一直在想怎么把prompt写好，怎么让AI更懂我们。但caveman提供了一个反方向——与其让AI更懂我们，不如让AI按我们能用的方式说话。一个能省75% token的开源插件，背后其实是用户对AI对话权的一次小小夺回。
工具越多，越考验人会不会取舍。
真正省时间的，从来不是装更多东西，而是让AI少做那些没必要的客套。