Caveman：只压 AI 的嘴，不压它的脑子

caveman 把 LLM 输出里的冗余拆成可识别的类：冠词、填充词、客套话、犹豫词，逐类删掉；代码、命令、错误信息原样保留。它的效果有精确边界——65% 只发生在"讲述"场景，一整轮 agentic 编码任务只有 8.5%。

它在 GitHub 上热度不低：Stars 95,243 / Forks 5,461（GitHub API 2026-08-06 验证），MIT 协议，JavaScript 实现，默认分支 main，创建于 2026-04-04，最近推送 2026-07-26，官网 caveman.so，支持 30+ 种 AI 编程工具。

一、它到底省的是什么

caveman 复述官方的定位是「Same answers. Brain still big. Mouth small.」——它不改变 AI 知道什么，只改变 AI 说出来多少。这句话拆开看，含着一组必须分开的数字：

差距是机制性的：caveman 压缩的是叙述，而叙述就是把代码、diff、工具调用和错误字符串串起来的那层皮。聊天回答里这层皮就是全部；agentic 编码里它只是工具调用之间很薄的一层，能压的本来就少。所以"整场会话能省多少"取决于你的工作负载是不是以 prose 为主。

还有两个容易被忽略的账：

• caveman 只压输出 Token，输入和 reasoning Token 不动。而 agentic 账单大头恰恰是输入 Token，输出侧技能在设计上就碰不到这半边。
• 技能本身每轮会加约 1–1.5k 输入 Token。对 Token 本来就花得很少的会话，整场净节省可能转负。官方 README 自己写了这句：“The real win is readability and speed. Cost savings are the bonus.”——省钱是赠品，不是主菜。

所以账要按负载算：输出以叙述为主的会话，它省得明显；输入为主、输出很短的会话，它可能不省钱甚至倒贴。它真正的收益是让输出更可读、更快，省钱只是顺带的。

二、压缩规则：哪些删，哪些绝不能碰

规则不是乱删，每一类都对应 LLM 训练时学会的那层「礼貌流利」。caveman 的 SKILL.md（skills/caveman/SKILL.md）是唯一行为源，背后是这些规则：

删掉：

• 冠词 a / an / the
• 填充词 just / really / basically / actually / simply
• 客套话 sure / certainly / of course / happy to
• 犹豫词和 hedging（“it might be worth…“这类）
• 工具调用叙述、装饰性表格和 emoji、大段原始错误日志（除非被要求，否则只引最要害的一行）

替换： 用短词换长词——fix 不写 implement a solution for；允许碎片句，[thing] [action] [reason]. [next step]. 的句式。

明确禁止：

• 自造缩写。cfg/impl/req/res/fn/auth 这类"看起来省"的缩写实际上划不进 tokenizer 的节省，反而要读者解码。技能只允许 DB/API/HTTP 这类公认缩写。
• 因果箭头 →。它自己就是一个 token，不省任何东西，还降低解码清晰度。

保持原样： 技术术语、代码块、API 名、CLI 命令、commit 类型关键词（feat/fix 等）、错误字符串，逐字保留。技能还约定保留用户的语言——你写葡萄牙语，它就输出葡萄牙语 caveman——它压缩的是风格，不是语言。

再看一遍那段被广泛引用的对比：

正常：Sure! I'd be happy to help you with that. The issue you're experiencing
      is most likely caused by your authentication middleware not properly
      validating the token expiry. Let me take a look and suggest a fix.
caveman：Bug in auth middleware. Token expiry check use `<` not `<=`. Fix:

信息量一致，Token 从约 50 落到约 15。压缩生效，是因为大部分"帮助性"输出本来就是填充词。

三、机制：一条消息怎么变简洁

caveman 在 Claude Code 里不是靠提示词硬顶，而是靠两层钩子 + 一个皮肤文件在驱动。

一次会话大致这样流过：

1. 会话启动，caveman-activate.js 读取 skills/caveman/SKILL.md，把当前强度级别对应的完整规则作为隐藏上下文注入，并把当前模式写进 ~/.claude/.caveman-active 这个 flag 文件。它运行时就读 SKILL.md，所以改 SKILL.md 会自动生效，钩子不硬编码规则。
2. 状态行脚本读同一个 flag，显示 [CAVEMAN] 或 [CAVEMAN:ULTRA] 之类的 badge，以及累计节省的 Token 数。
3. 每轮用户输入，caveman-mode-tracker.js 解析有没有 /caveman 命令或 “talk like caveman” 这类自然语言，更新 flag；如果模式活跃，就往本轮注入一句简短提醒。这是"每轮强化”——即使别的插件往 system prompt 塞了相反的风格指令，caveman 也能在每轮重新露脸。

独立模式（commit / review / compress）有各自的技能文件，不走强度级别，由 /caveman-commit、/caveman-review、/caveman-compress 单独触发。

四、强度级别

级别可以在会话中随时用 /caveman <level> 切换，默认 full，一直保持到切换或会话结束。同一句话「为什么组件重渲染」在各强度下的输出（来自 SKILL.md）：

lite 去填充词但保留冠词和完整句子，full 再删冠词、允许碎片句，ultra 去掉不影响因果的连词、一句话说清一件事。文言文三档是刻意为之——古汉语每个字的信息密度更高，wenyan-full 官方口径是约 80–90% 的字数削减。

技能还带一层 auto-clarity：遇到安全警告、不可逆操作确认、碎片句顺序可能引起误读的多步操作、或者压缩本身造成歧义时，自动降回正常语气，讲清楚再切回 caveman。代码、commit、PR 本来就按正常语气写。

五、安全设计：flag 文件不让人劫持

~/.claude/.caveman-active 是一个可预测的路径，本地攻击者如果把它的位置换成一个指向 ~/.ssh/id_rsa 的 symlink，状态行脚本或钩子读取时就会把私钥内容读出来。caveman 用 safeWriteFlag / readFlag 封住这个口子（源码在 src/hooks/caveman-config.js）：

• 写入端：flag 目录是 symlink 时解析到真实路径并校验属主；flag 文件本身禁止是 symlink；用 O_NOFOLLOW + 临时文件 + rename 原子写入；权限 0600。
• 读取端：拒绝对 symlink 的读取；MAX_FLAG_BYTES = 64 硬上限（最长的合法值 wenyan-ultra 是 12 字节）；只接受 VALID_MODES 白名单里的模式名。
• 任何异常都返回 null，绝不把不可信字节注入模型上下文。

六、caveman-compress：把输入端的账也压一压

caveman 压输出，caveman-compress 压输入——像 CLAUDE.md 这种每次会话启动都会加载的文件，体积直接乘进每次会话的上下文。命令是 /caveman-compress <文件>，流程（skills/caveman-compress/SKILL.md）：

1. 先用纯 Python 脚本检测文件类型（这一步不耗 Token）；
2. 调一次 Claude 把自然语言段落压成 caveman 风格；
3. 校验输出，确认代码块、行内代码、URL、路径、标题、术语都保留；
4. 校验失败就只做针对性修复（不重新整体压缩），最多重试 2 次；
5. 压缩版本覆盖原文件，人类可读的备份存成 FILE.original.md——但放在树外的数据目录（$XDG_DATA_HOME/caveman-compress/backups/...），避免被技能自动加载器当成活文件再吃一遍。

它只处理自然语言文件（.md/.txt/.typ/.typst/.tex 和无扩展名），.py/.js/.ts/.json/.yaml/.env/.sql 等代码与配置文件一律不动。官方实测平均省约 46% 输入 Token（706→285 到 888→560 的区间）。

七、benchmark 怎么读

先看它在测什么：官方那组 65% 是 10 个 chat 式 prompt 的输出 Token，一比一对"默认啰嗦回复"算的，来自 benchmarks/，可复现。JetBrains 那个 8.5% 是 86 个真实编码任务，每条用任务自带测试自动判分，Claude Code + claude-sonnet-5，强制每轮开启。

这两个数字都真，但反映的是不同负载：65% 反映叙述层能挤出的水分，8.5% 反映以工具调用为主的编码流里那层薄叙述。不能从 65% 推出"我的会话也省 65%”——尤其当你的主要 Token 都花在输入、而非屏幕上的输出时。官方自己也说：65% 和 8.5% 都对，但都不是你的数。你的数得在自己的流量上量出来——官方口中的 “Caveman 2” 正是想把这件事做成可证明的。

顺带一提，那个经常被用来佐证方向的论文 Brevity Constraints Reverse Performance Hierarchies in Language Models（2026 年 3 月，测了 31 个模型）发现：约束大模型简短回答，在某些基准上准确率提升约 26 个百分点。方向一致，但它和 caveman 是两回事——一个改测试约束，一个改输出风格。

八、生态：不只一张嘴

caveman 是 JuliusBrussee “agent do more with less” 系列里的一环，整个家族五件套各管一段：

九、安装与常用命令

官方首推一条命令检测机器上所有 agent 并逐个安装（macOS / Linux / WSL / Git Bash），需要 Node ≥ 18，可重复执行：

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

Windows 用 irm .../main/install.ps1 | iex。也可以只装某一个 agent，比如 Claude Code 插件：

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

安装后默认就是开的（Claude Code / Codex / Gemini 从第一条消息起生效），不需要手动 /caveman。常用命令：

自然语言也能触发和关闭：“talk like caveman” 开启，“stop caveman” 或 “normal mode” 关闭。默认模式的优先级是：CAVEMAN_DEFAULT_MODE 环境变量 → 仓库内配置（.caveman/config.json 或 .caveman.json，会向上层目录找）→ 用户配置 ~/.config/caveman/config.json → 兜底 full。

十、什么时候用，什么时候不用

用它正合适：

• 日常编码问答、bug 定位、代码审查——你只要结论和步骤，不需要推理过程；
• 高频交互、prose 为主的输出（解释、文档、review、调试走查）——65% 那档；
• 想省屏幕空间和阅读时间，而不是真指着省账单。

别指望它：

• 无人值守的 agentic 编码流——输出侧技能对这类工作的天花板就是单数字百分比；
• 教学、新人 onboarding、需要完整推理链的场景——解释过程本身就是价值，压缩是损失；
• 主要开销在输入 Token 的会话——caveman-compress 和 caveman-shrink 才碰得到那半边。

建议从 lite 试起：去填充词但保留完整句子，学习成本最低；不影响理解再切 full（默认）；追求极致效率用 ultra。文言文适合中文开发者或需要文言输出的场景。如果团队里有人反感碎片句，就停在 lite。

相关资源

• GitHub：JuliusBrussee/caveman（95,243 ⭐，2026-08-06）
• 官网：caveman.so
• 不公平数字对照笔记：README 的 HONEST-NUMBERS
• 论文：Brevity Constraints Reverse Performance Hierarchies (arXiv:2604.00025)