你有没有想过，当你让AI"少说废话"时，它反而可能更聪明？
最近GitHub上有一个爆火的开源项目，完美诠释了这个看似矛盾却真实存在的现象。它叫caveman，中文可以叫"穴居人模式"——一个让AI编程助手把废话压缩成精简表达的技能。
为什么AI需要"话痨"？
现在用Claude Code、Cursor、Windsurf这些AI编程工具，你会发现它们有一个共同特点：太能说了。
"当然可以帮你解决这个问题！这个问题很可能是因为..."
一段话下来，核心内容就那么几个词，剩下的全是车轱辘话。这不能怪AI——它们被训练成"乐于助人、礼貌周到"，默认输出就是一堆铺垫、解释、客套。
但问题是：每个token都是钱。
按照GPT-4o的定价，每百万输出token大约要花15美元。一个需求过来，AI能给你聊出一篇小作文。这不仅是成本问题，更是效率问题——看冗长的回复，浪费的是开发者的时间。
caveman抓住的就是这个痛点。
65% token节省的背后
caveman的原理很简单：不是让AI变笨，而是让AI学会"人话"。
来看看对比：
普通模式（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."
穴居人模式（19 tokens）：
"New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo."
意思完全一样，但字数少了一大半。更关键的是，代码、命令、错误信息这些技术内容，一个字节都不带变的。
根据项目作者的基准测试，caveman平均能节省65%的输出token。在某些场景下（解释bug、修复问题），节省甚至能达到80%以上。
不仅仅是"话少"
caveman不是一个简单的"精简模式"，它提供了一套完整的表达层级：
- • lite：轻度压缩，保留基本礼貌
- • full：默认模式，标准穴居人风
- • ultra：极限压缩，能少一个字是一个字
- • wenyan：文言文模式——用古典中文表达同样的意思，中文信息密度本来就高，这个模式效果惊人
更有趣的是，caveman还会自动适配语言。你用葡萄牙语提问，它就用葡萄牙语"咕噜"；你用中文，它就用中文精简。它压缩的是表达方式，不是语言本身。
省钱只是副产品
等等，别急着算账。
caveman项目主页上有一个"诚实数字警告"：这个技能本身每轮对话会消耗1-1.5k的输入token。所以实际节省没那么多——对已经比较简洁的对话，甚至可能"倒贴"。
那为什么这个项目还能火？
因为它的价值不只是省钱，而是读起来舒服。当AI不再废话连篇，开发者能更快找到重点；当你有几十个未读对话需要处理，精简的回复能让你快速扫过。
效率的提升不仅是金钱，更是时间。
有趣的是，2026年3月有一篇学术论文《Brevity Constraints Reverse Performance Hierarchies in Language Models》支持了这种直觉——研究者测试了31个模型，发现约束大模型输出简短回答，反而能提升某些基准测试的准确率26分。
有时候，少即是多。
30+ AI工具的"话痨终结者"
caveman不仅支持Claude Code，还支持：
- • Codex
- • Gemini CLI
- • Cursor
- • Windsurf
- • Cline
- • Copilot
- • 以及其他30+ AI编程工具
安装也极其简单，一行命令就能自动检测并安装到所有你已有的AI编程工具上。
行业启示
caveman的爆火揭示了一个趋势：
AI编程工具正在从"能说"转向"会说"。
早期的AI助手被设计成"有问必答、答必详细"，像极了一个过度热情的实习生。现在看来，这种思路正在被反思——高效沟通才是生产力。
各大AI公司已经开始在"输出控制"上做文章：更短的上下文窗口、更强的摘要能力、更有针对性的回答。caveman本质上是用户侧的"输出控制层"，它代表了一种主动优化AI效率的需求。
未来，可能会出现更多这类"AI效率工具"——帮助用户在AI时代找回被浪费的注意力。
安装体验：curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash