今天發點適合讓 AI Agent 簡潔輸出的東西。

平時我們用 AI Agent 時，輸出的內容不管對不對都會有一些囉裏八嗦的廢話，讀起來很浪費我們的時間和精力，用起來也浪費 Token。

只要給你的 AI Agent 裝上這個叫 Caveman 的GitHub項目之後，輸出的內容立馬變得簡潔起來，只有在重點，沒有廢話。

01. 項目簡介

Caveman 是一個給 AI Agent 用的壓縮表達插件。

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

Caveman能讓 Claude Code、Codex、Gemini、Cursor、Windsurf、Cline、Copilot 等少說鋪墊話、場面話，多給有效信息。

重點是壓縮“表達方式”，不是壓縮模型思考、上下文、文件內容或工具調用本身。官方說的 65% 節省，指的是輸出 token 平均減少，不等於總賬單直接減少 65%。

Caveman 的思路是把語言習慣寫成強規則，持續塞給代理。包括刪除冠詞、寒暄、弱化語、連接廢話，允許句子碎片化，保留代碼、命令、錯誤、API 名稱和技術術語。

核心技能包括 caveman、caveman-commit、caveman-review、caveman-stats、caveman-compress、caveman-shrink。

• /caveman：開啓輸出壓縮。支持 lite、full、ultra、wenyan 等強度。full 是默認模式。
• /caveman-commit：生成短 Conventional Commit 信息，強調爲什麼改，而不是流水賬描述改了什麼。
• /caveman-review：做代碼 review 時輸出一行式意見，跳過客套和無用表揚。
• /caveman-stats：讀取 Claude Code 本地會話日誌，估算 token 使用和節省情況。
• /caveman-compress <file>：壓縮 CLAUDE.md、偏好、項目筆記這類自然語言記憶文件。
• caveman-shrink：作爲 MCP proxy 包一層上游 MCP server，壓縮 tools/list、prompts/list、resources/list 裏的描述字段。

Caveman 幾個模式的差異：

• lite：只是去掉廢話，句子仍然比較正常。
• full：默認模式。句子更短，允許 fragment。
• ultra：更壓縮，省掉更多連接詞。
• wenyan：文言壓縮模式，主要面向中文，因爲中文字符承載信息密度更高。這個模式很有趣，但不適合所有場景，尤其不適合需要面向團隊協作、PR 評論或新手解釋的內容。

caveman-compress 有一套謹慎的文件規則：

• 只處理自然語言文件，比如 .md、.txt、.tex
• 不處理 .py、.js、.json、.yaml、.env、.sql、.sh
• 代碼塊、inline code、URL、路徑、命令、技術名詞必須原樣保留
• 原文件會備份成 FILE.original.md
• 如果驗證失敗，不覆蓋原文件

這個設計說明作者知道“壓縮記憶文件”有破壞信息的風險，所以做了文件類型限制和驗證流程。

02. 項目實測

case 1 Bug 解釋

提示詞：

解釋一下爲什麼這個 React 組件會重複渲染，並給出最小修復方案：

 

function UserCard({ user }) {

const options = { showEmail: true };

return <Profile user={user} options={options} />;

}

 

const Profile = React.memo(function Profile({ user, options }) {

console.log(“render profile”);

return <div>{user.name}</div>;

});

不用Caveman：

用Caveman：

Caveman 明顯更短，大概砍掉三分之一到一半內容，且沒有明顯錯誤。

case 2 Debug 修復

提示詞：
幫我排查這個 Node.js 登錄中間件的問題。用戶 token 已經過期，但有時仍然能通過校驗。請指出 bug，並給出修復代碼。function auth(req, res, next) {  const token = parseToken(req.headers.authorization);  if (!token) return res.status(401).send(“missing token”);  if (token.exp < Date.now() / 1000) {    return res.status(401).send(“expired”);  }  req.user = token.user;  next();}

不用Caveman：

用Caveman：

Caveman 版輸出 Token 少很多，正文和代碼都更短，兩版都指出 exp 缺失/非法會放行、邊界判斷應按 now >= exp、JWT 需要驗籤。

case 3 架構權衡

提示詞：我們正在做一個 B2B SaaS，團隊 8 個工程師，當前是單體 Rails 應用。現在有 3 個模塊：計費、通知、報表。老闆想拆微服務。請分析是否應該拆，給出建議和遷移路徑。

不用Caveman：

用Caveman：

普通版約 1400 到 1600 token，Caveman 版約 650 到 800 token，減少大約 50%，掃讀成本明顯低。而且重點內容：不建議全面拆、先做模塊化單體、通知/報表優先、計費最後拆，這些判斷都保住了。

case 4 PR Review

提示詞：

請 review 下面這段代碼，重點看安全、併發和邊界條件。只指出真實問題，不需要表揚。

 

async function transfer(fromUserId, toUserId, amount) {

const from = await db.users.findById(fromUserId);

const to = await db.users.findById(toUserId);

 

if (from.balance < amount) {

throw new Error(“insufficient funds”);

}

 

from.balance -= amount;

to.balance += amount;

 

await db.users.update(fromUserId, { balance: from.balance });

await db.users.update(toUserId, { balance: to.balance });

 

return true;

}

不用Caveman：

用Caveman：

這次兩版差距沒有前幾組大，Caveman 粗略少 10% 到 15%，原因是 Caveman 多補了“冪等”問題。

而且代碼 review 場景，不用 Caveman 已經是問題清單式寫法，壓縮空間有限。

case 5 Docker 優化

提示詞：

幫我優化這個 Dockerfile，目標是減少鏡像體積、提高構建緩存命中率，並避免把敏感文件帶進鏡像。

 

FROM node:20

WORKDIR /app

COPY . .

RUN npm install

RUN npm run build

CMD [“npm”, “start”]

不用Caveman：

用Caveman：

Caveman 版減少大約 35% 到 45% Token的。差異在基礎鏡像：普通版用 bookworm-slim，兼容性更穩；Caveman 用 alpine，體積更小。

case 6 數據庫問題

提示詞：

解釋這個 PostgreSQL 查詢爲什麼慢，並給出排查和優化方案。

 

表 orders 有 8000 萬行，字段包括 id, user_id, status, created_at, total_amount。

常見查詢：

 

SELECT *

FROM orders

WHERE user_id = $1

AND status = ‘paid’

ORDER BY created_at DESC

LIMIT 20;

不用Caveman：

用Caveman：

不用 Caveman 約 1000 到 1200 token；Caveman 版約 500 到 650 token，減少大約 45% 到 50%。

普通版多了穩定排序 created_at, id，這是 Caveman 漏掉的實用細節。

case 7 重構任務

function loadUser(id, callback) {

db.findUser(id, function(err, user) {

if (err) return callback(err);

 

api.fetchProfile(user.profileId, function(err, profile) {

if (err) return callback(err);

 

cache.set(id, profile, function(err) {

if (err) return callback(err);

callback(null, { user, profile });

});

});

});

}

不用Caveman：

用Caveman：

不用 Caveman 約 850 到 1000 token；Caveman 約 650 到 800 token，減少大約 20% 到 30%。

Caveman Token稍低，但優勢不大。因爲這題天然需要代碼塊，token 主要花在代碼上，風格壓縮空間有限。

case 8 新功能設計

提示詞：設計一個“導出報表爲 CSV”的後端接口。要求支持大數據量、權限校驗、異步任務、下載鏈接過期。請給出 API 設計、數據流和主要表結構。

不用Caveman：

用Caveman：

不用 Caveman 約 1300 到 1600 token；Caveman 約 900 到 1100 token，減少大約 25% 到 35%。

普通版多了 Idempotency-Key、report_export_files 獨立表、CSV 注入防護細節。

case 9 事故覆盤

提示詞：我們線上服務昨天 10:05 到 10:27 出現大量 500。初步發現 Redis 連接池耗盡，應用不斷重試，數據庫 QPS 同時升高。請寫一份工程內部事故覆盤，包含時間線、根因、影響、修復、後續行動。

不用Caveman：

用Caveman：

不用 Caveman 約 900 到 1100 token；Caveman 約 550 到 700 token，減少大約 35% 到 45%。

普通版多了佔位符提示、數據一致性覈查、單飛機制；Caveman 多強調 retry budget、jitter、熔斷和保護 DB。

case 10 代碼解釋

提示詞：請給剛入職的後端新人解釋什麼是數據庫連接池，爲什麼不能每個請求都新建連接，並舉一個實際服務裏的例子。

不用Caveman：

用Caveman：

不用 Caveman 約 700 到 850 token；Caveman 約 300 到 400 token，減少大約 50% 到 60%。

兩版都命中連接複用、建連成本、連接數限制、池大小不能亂配。普通版多了完整代碼例子和“第 21 個請求等待”的直觀說明。

這 10 個 case 跑下來，Caveman 沒有出現明顯技術錯誤，核心判斷都保住了，但 Caveman 會犧牲一部分細節，在明確問題和熟手場景裏，收益很高。

最後還要給大家說幾個需要注意的點：

• Caveman 只減少輸出 token，輸入 token 不會自動減少
• skill 本身每輪會增加約 1k 到 1.5k input tokens
• 如果普通回答本來只有 150 output tokens，啓用 Caveman 可能反而更貴
• 如果平台按請求計費，而不是按 token 計費，短回答不會降低請求數

03. 挖一挖

Caveman 這類工不是省幾個 token的小需求，而是 AI Agent 進入我們的日常開發後，對輸出效率、閱讀成本和協作質量的要求變高了。

這次 10 個 case 測下來，Caveman 的價值也比較清楚。架構權衡、數據庫優化、事故覆盤、概念解釋這類容易展開的任務，輸出大多能減少 35% 到 60%；代碼塊佔比高的任務，壓縮幅度會降到 10% 到 30%。很適合處理模型容易囉嗦，但工程師只想看結論的場景。

對我們來說，Caveman 能減少每天讀 AI 回覆的時間；讓 review、debug、方案討論更像工程溝通，幫助統一輸出風格，降低來回確認的成本。

Caveman 不該只被理解成省錢神器。它主要壓縮輸出 token，輸入 token 和推理成本不會自動消失。

AI Agent 真正進入生產流程後，差距不只在會不會生成答案，也在生成的答案能不能被人快速使用。

原文鏈接：GitHub 狂攬 85K Stars，AI Agent 再也不說廢話