Caveman項目實測——你是怎麼讓agent像穴居人說話的

——讓AI少說廢話，省token的項目，88k stars

簡而言之，這個skill的功能就是先選擇壓縮率，通過Hook將規則注入到系統提示詞，agent根據提示詞對輸出內容進行壓縮。

表現形式就是讓AI agent說話像原始人。

用Claude/Sonnet寫代碼的bro，一頓對話下來幾百上千個token是常有的事，其中一半是"當然，我很樂意幫你解決這個問題"這類廢話。

Caveman把這些全砍了。

是不是有點沒禮貌了。

不同等級壓縮實測

四個級別，同題實測，拿tokenizer逐條數。

題目是經典的React面試題：inline object prop爲什麼導致不必要re-render，useMemo怎麼解決。

結論：

🗣 Normal 正常說話 3,682 基線

🪨 Caveman Full 344 省 90.7%

🔥 Caveman Ultra 233 省 93.7%

🏛 Wenyan 文言文 110 省 97.0%

90%這個數字應該是有點水分——因爲我的hermes 上來就寫了篇10節小論文（面試能說這麼多？）。

但33.5x壓縮比確實震撼。

比起節省的token，我覺得更有用的是時間

看看實際長什麼樣

Normal版——從JS引用比較講到useMemo代價：3,682 tokens

Caveman Full版——碎片句，去填充詞和客套話： 344 tokens

Ultra版——連連詞都砍了，一句到位： 233 tokens

wenyan版——誰說21世紀沒有文藝復興：110tokens

它是怎麼做到的

翻了源碼，三層結構：

1. 規則文件（SKILL.md） — 寫好一套"別廢話"的指令，告訴agent什麼該刪、什麼不能碰（代碼塊、URL、API名稱一律保留）

2. 每輪強化 — SessionStart注入一次不夠，agent說着說着就飄回囉嗦模式了。Caveman在每次對話提交時都再塞一句"CAVEMAN MODE ACTIVE"，持續提醒

我說agent是蘿莉控，是治不好的，得經常性地電。

3. MCP中間件（caveman-shrink） — 連MCP工具的描述文本都壓一遍，純正則規則，代碼塊不動。

節省成本

唯一代價：每輪多喫了~1-1.5k input token用來塞規則提醒。

也就是說是用便宜的 input 換貴的 output 的生意。

以 Claude Sonnet 的定價（input $3/M token，output $15/M token）爲例：

• 每輪投入：1.5k input × $3/M = $0.0045

• 每輪迴報：省 900 output × $15/M = $0.0135

• 每輪淨賺 $0.009，3 倍 ROI

按 Caveman 自己 benchmark 的數據：正常回復均值 1,200 tokens/caveman 回覆均值 300 tokens。所以一場會話有 2-3 輪交互就回本了，後面全是淨省。只有"問一句就跑"的單輪場景可能小虧，但 agent 工作流基本不止一輪。

Caveman自己的文檔（HONEST-NUMBERS.md）寫了：整場算下來淨省14-21%，不是65%。誠實的。14-21% 是算上了 input 開銷後的淨省，65% 是隻看 output 端的壓縮率。

值得裝嗎

如果對話時，能從多如牛毛的skill中想起這個skill，那就值。

一條命令搞定：“agent，給我裝上這個skill（帖項目地址）”。

支持30+agent：Claude Code、Codex、Cursor、Windsurf……

用的時候說"talk like caveman"就行，不想用了說"normal mode"。沒有學習成本。

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

emmm，7.8/10吧，一般推薦。