省token神器3天狂攬4.1k星！19歲小哥開發(fā)，信息無損最高省87%

信息無損Token最高節(jié)省87%，一款省Token神器正在GitHub躥紅。

短短3天，純靠口口相傳，GitHub總攬星4.1K，增長曲線更是堪比“旱地拔蔥”：

連開發(fā)這個(gè)項(xiàng)目的19歲外國小哥也懵了，直呼屬實(shí)沒想到。

本來是自己隨手花10分鐘寫的一個(gè)“joke”，結(jié)果卻意外受到大家的追捧。

他之所以將其稱為“joke”，也實(shí)在是因?yàn)檫@個(gè)名為caveman（山頂洞人）的項(xiàng)目，背后原理過于簡單：啰嗦并不總是更好，有時(shí)字?jǐn)?shù)少=更正確。

沒錯(cuò)，這個(gè)給Claude Code/Codex用的插件，核心目標(biāo)就是讓Agent“像山頂洞人一樣說話”（俗稱言簡意賅）。

比如明明給的解決方案一樣，普通Claude需要用一大段話來描述：

（翻譯）你的React組件之所以會(huì)重新渲染，很可能是因?yàn)槟阍诿看武秩局芷谥卸紕?chuàng)建了一個(gè)新的對(duì)象引用。當(dāng)你將一個(gè)內(nèi)聯(lián)對(duì)象作為prop傳遞時(shí)，React的淺層比較會(huì)認(rèn)為它每次都是一個(gè)不同的對(duì)象，從而觸發(fā)重新渲染。我建議你使用 useMemo 來緩存該對(duì)象。

而caveman則相當(dāng)簡潔：

（翻譯）每次渲染都會(huì)創(chuàng)建新的對(duì)象引用。內(nèi)聯(lián)對(duì)象作為prop傳遞=新的引用=觸發(fā)重新渲染。用useMemo包裹起來即可。

初步測試顯示，它在保持完全技術(shù)準(zhǔn)確性的同時(shí)，將輸出Token減少約75%。

此外還有一個(gè)配套工具，可以壓縮用戶的記憶文件，從而將每次會(huì)話的輸入Token減少約45%。

目前這個(gè)插件在支持skills的環(huán)境中，已經(jīng)可以一行安裝：

• npx skills add JuliusBrussee/caveman

“有時(shí)少數(shù)Token就夠了”

老實(shí)說，讓Agent學(xué)會(huì)言簡意賅從而節(jié)省Token的想法，也不是第一天出現(xiàn)了。

開發(fā)caveman的小哥就提到，今年3月的一篇論文已經(jīng)發(fā)現(xiàn)：

通過簡潔性約束（強(qiáng)制簡短回答），大模型的準(zhǔn)確率提升了26個(gè)百分點(diǎn)，而且在數(shù)學(xué)推理和科學(xué)知識(shí)基準(zhǔn)上，完全逆轉(zhuǎn)了性能層級(jí)（原本大模型不如小模型，結(jié)果后來反超了）。

所以小哥就說了，caveman的誕生就源于這樣一個(gè)人所共知的觀察——

“山頂洞人式表達(dá)”（caveman-speak）能大幅減少大語言模型的Token使用量，同時(shí)不損失技術(shù)實(shí)質(zhì)內(nèi)容。

來看一組Before/After你就明白了：

表達(dá)同樣一個(gè)修復(fù)任務(wù)，正常Claude需要用到69個(gè)Tokens，而caveman只需要19個(gè)。

Token一下子就節(jié)省了約75%，且不影響Agent理解任務(wù)需求以及給出解決方案。

據(jù)小哥介紹，caveman會(huì)完全保留以下內(nèi)容：

代碼塊、行內(nèi)代碼、URL、文件路徑、命令、標(biāo)題、表格結(jié)構(gòu)、日期、版本號(hào)等。任何技術(shù)性內(nèi)容都保持原樣通過，只有自然語言文本會(huì)被壓縮。

換言之，只有一些不必要的廢話會(huì)被丟掉。（p.s：之前Claude Code一句“你好”就干掉13%的額度）

當(dāng)然，你還能自己控制Agent的簡潔程度，從啰嗦到極簡（Lite→Full→Ultra）任你選。

• Lite：刪掉客套話和廢話，保留基本語法結(jié)構(gòu)；
• Full：caveman標(biāo)準(zhǔn)版，會(huì)省略“一個(gè)”、“這個(gè)”之類的冠詞，句子只說關(guān)鍵詞片段，偶爾會(huì)配上一些簡短的語氣詞，說話風(fēng)格有點(diǎn)像山頂洞人；
• Ultra：極致壓縮模式，能省則省。

至于究竟能節(jié)省多少Token，小哥也在真實(shí)的Claude API上測試了一下（可復(fù)現(xiàn)）——

10個(gè)任務(wù)，最終節(jié)省的Token范圍為22%–87%，平均下來高達(dá)65%。

具體任務(wù)包括但不限于：解釋React重渲染bug、修復(fù)認(rèn)證中間件Token過期問題、設(shè)置PostgreSQL連接池、解釋git rebase與merge的區(qū)別、重構(gòu)回調(diào)為async/await……

不過小哥也提醒，caveman僅影響輸出Token，思考/推理Token不受影響。

caveman不會(huì)讓大腦變小，會(huì)讓嘴巴變小。最大的勝利是可讀性和速度，成本節(jié)約是額外的好處。

具體安裝方式如下：

如果你用的是
Cursor/Copilot/Windsurf/Claude Code這類AI編程工具，在支持skills的環(huán)境中，可以一行安裝：

• npx skills add JuliusBrussee/caveman

如果你想明確裝到某個(gè)Agent，可以像這樣：

• npx skills add JuliusBrussee/caveman -a cursor
  npx skills add JuliusBrussee/caveman -a copilot
  npx skills add JuliusBrussee/caveman -a cline
  npx skills add JuliusBrussee/caveman -a windsurf

Claude Code用戶還能這樣裝：

• claude plugin marketplace add JuliusBrussee/caveman
  claude plugin install caveman@caveman

Codex相對(duì)麻煩一點(diǎn)，需要先clone倉庫，在項(xiàng)目里打開Codex，然后通過/plugins搜索Caveman并手動(dòng)安裝。

裝完后，選擇caveman模式或直接說“像caveman那樣說話”“請少用一些Token”，就能召喚山頂洞人。

停止的話，也是切到正常模式或直接說“stop caveman”即可。

背后是一位年僅19歲的開發(fā)者

有意思的是，caveman的作者也相當(dāng)年輕——

Julius Brussee，目前19歲，正在荷蘭萊頓大學(xué)讀大一，專業(yè)為數(shù)據(jù)科學(xué)與人工智能。

雖然剛上大學(xué)，但他已經(jīng)是個(gè)比賽和創(chuàng)業(yè)經(jīng)驗(yàn)都很豐富的“老手”了（bushi。

2025年1月，他創(chuàng)辦了Revu Labs，主要開發(fā)Revu這款原生macOS學(xué)習(xí)應(yīng)用。

簡單來說，Revu能自動(dòng)把你上傳的PDF變成學(xué)習(xí)材料，然后用和多鄰國差不多的智能算法安排復(fù)習(xí)。它背后有多個(gè)Agent協(xié)同干活，同時(shí)保證數(shù)據(jù)零損壞、全本地化。

然后他又參加了埃因霍芬理工大學(xué)的創(chuàng)新大賽，比賽過程中構(gòu)建了一個(gè)企業(yè)級(jí)知識(shí)管理平臺(tái)Stacklink。

這一次更復(fù)雜，Stacklink需要將公司分散在各處的信息（如Google Docs、Slack、Notion）全部接進(jìn)來，然后統(tǒng)一建索引，尤其是還要考慮AI幻覺問題。

再到最近，他又聯(lián)合創(chuàng)辦了Pitchr這家公司，擔(dān)任產(chǎn)品與技術(shù)負(fù)責(zé)人。

一看Pitchr的產(chǎn)品，估計(jì)大家都會(huì)會(huì)心一笑，因?yàn)樗菍ｉT開發(fā)AI演講輔助平臺(tái)的（幫你更好展示PPT）。

以及履歷中暫無，但Julius自己補(bǔ)充的一點(diǎn)：

之前還創(chuàng)辦了Locked In（集成NFC的iOS生產(chǎn)力應(yīng)用，首周留存率100%）和Neurabridge（曾獲經(jīng)濟(jì)學(xué)人報(bào)道的AI咨詢公司）。

不過，雖然開發(fā)了這一連串項(xiàng)目，但caveman的意外走紅也讓Julius無限感慨：

好好好，隨手寫的“joke”火了，而我花了幾個(gè)月時(shí)間用心打磨的Revu、Stacklink……卻沒有這種待遇。

大家都很喜歡caveman這個(gè)功能。人們紛紛安裝，我笑得前仰后合。
但這里有個(gè)沒人談?wù)摰氖虑椤一藥讉€(gè)月時(shí)間認(rèn)真做的項(xiàng)目，在同周也獲得了認(rèn)可，但關(guān)注程度卻沒那么高。我并非抱怨，只是在觀察。
傳播的關(guān)鍵在于共鳴，那個(gè)梗打開了門。真正的工作在背后。

caveman爭議也不少

當(dāng)然了，caveman的走紅也不止是因?yàn)椤白孉I像原始人說話”這個(gè)梗，背后也不乏一些爭議。

討論較多的有兩點(diǎn)：

• 大部分節(jié)省的都是輸出Token，而真正的成本是上下文輸入Token。
• 強(qiáng)迫大模型更簡潔是否會(huì)讓它變笨。

對(duì)此，作者也現(xiàn)身Hacker News評(píng)論區(qū)瘋狂疊甲：

這項(xiàng)技能并不是為了減少隱藏的推理/思考Token。Anthropic自己的文檔建議更多的思考預(yù)算可以提高性能，所以我不會(huì)提出相反的觀點(diǎn)。
它所針對(duì)的是可見的完成：更少的開場白，更少的填充內(nèi)容，更少的精致但非必要的文本。因此，由于完成后的輸出被“原始化”了，代碼完全沒有受到這項(xiàng)技能的影響。
公平的批評(píng)是，我“~75%”的READM數(shù)據(jù)來自初步測試，而非嚴(yán)格的基準(zhǔn)測試。這應(yīng)該更謹(jǐn)慎地表述，我現(xiàn)在正在做一個(gè)正式的評(píng)估。

翻譯過來就是，降本只是附帶的、減少的是不必要的Token所以一般不會(huì)變笨。

在作者看來，caveman只是一個(gè)有趣的想法，比一些人以為的使用范圍要窄，接下來還需要更精確的基準(zhǔn)測試。

而這，也和部分網(wǎng)友得出的結(jié)論差不多：

因?yàn)橛腥ず驼嬲斆鞯販p少了輸出Token而獲得A+。
但它不是降低總成本的靈丹妙藥，可能會(huì)讓Claude的智商下降幾個(gè)點(diǎn)。

所以，有試過的朋友分享下感受如何嗎（觀望.jpg）？

GitHub：
https://github.com/JuliusBrussee/caveman