Caveman（原始人）Claude Code 插件：用更少的词，省约 75% 的 Token

原文来源：JuliusBrussee/caveman — 一个通过让 Claude 像原始人一样说话来节省约 75% 输出 Token 的 Claude Code 插件。支持 Claude Code、Codex、Gemini CLI、Cursor 等 40+ 种编码 Agent。

如果你每天都在用 Claude Code，一定对 token 消耗和账单金额深有体会。每次对话、每次代码修改都在燃烧 tokens，而很多 tokens 其实浪费在了不必要的语言组织上。

GitHub 上最近爆火的一个项目——Caveman——就用一个极其简单又极其有效的思路解决了这个问题：让 AI 像原始人一样说话。

为什么需要 Caveman

先用一下它自己的自我介绍来感受区别：

普通模式："I'll analyze the codebase structure and identify the most efficient approach to implement the requested feature while maintaining consistency with existing patterns." （69 tokens）

Caveman 模式："Look code. Find best way. Make feature. Keep style same." （19 tokens）

显然后者用更少的词表达了同样的意思。对于 AI 模型的 token 计价模式来说，这种差异直接转化为真金白银——输出 token 节省约 75%。

这个玩笑式的项目背后有一个严肃的观察：AI 模型输出的语言往往比实际需要的信息更冗长。 模型被训练得"礼貌"、"详尽"、"考虑周全"——而这些特质在编码场景中，大多是多余的。

它是怎么工作的

Caveman 本质上是一个 Claude Code 插件（Plugin），遵循 Claude Code 的插件开发规范。它同时也作为 Codex 插件、Gemini CLI 扩展以及 40+ 种 Agent 的规则文件分发——通过一套统一的安装脚本覆盖所有主流编码 Agent。

安装后，它通过 CLAUDE.md 文件告诉 Claude：用尽量少的词交流，只在必要时提供细节。

具体效果（来自项目官方基准测试）：

• 输出 token 节省约 75%
• 保持代码输出质量不变
• 不影响工具的调用能力
• 错误率没有明显变化

安装方式

方式一：一键安装脚本（推荐）

支持 macOS / Linux / WSL / Git Bash：

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

Windows PowerShell：

irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex

这个安装脚本会自动检测你机器上的所有编码 Agent，并为每个 Agent 使用正确的安装方式（插件、规则文件或技能），一步到位。

方式二：仅安装到 Claude Code

如果你只想在 Claude Code 中使用，可以通过插件市场安装：

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

方式三：npm 全局安装

npm install -g @juliusbrussee/caveman-code

安装后，Caveman 会自动激活。对于 Claude Code（以及 Gemini CLI）它会全局生效，每次会话自动启用。对于其他 Agent（如 Cursor、Cline、Windsurf），输入 /caveman 即可在当前会话启用，或使用 --with-init 参数使其始终保持激活。

适用场景

Caveman 特别适合以下场景：

日常编码——当你只需要代码，不需要 AI 的社交礼仪。写代码、改 bug、重构——这些任务的核心价值在输出，不在开场白。

批量处理——夜间运行 agent 处理大量任务时，token 消耗会快速累积。Caveman 的约 75% 节省在这种场景下效果尤其明显。

长时间对话——长 session 中，每次回复的 token 节省逐轮累积，最终效果远超单次节省的简单叠加。

成本敏感的项目——个人开发者或小团队可能对 Claude Code 的 token 账单比较敏感。Caveman 提供了一种零成本的优化方式。

注意事项

当然，Caveman 并非适用于所有场景：

• 文档生成——当你需要 AI 写出清晰的文档或注释时，原生的详尽表达更合适
• 教学场景——如果你在用 Claude 学习新技术，详细的解释仍然有价值
• 团队协作——如果 AI 的输出需要直接分享给其他人阅读，友好的语言风格更好

好消息是，Caveman 只是一个插件/规则，可以随时启用和禁用。需要节省 token 时打开，需要详细解释时关闭，互不干扰。

对行业的启示

Caveman 的走红（GitHub 上短时间内获得数千星）本身就是一个信号：开发者对 AI 工具的成本效率越来越在意。

在 AI 成本仍然相对高昂的现阶段，"用更少的话表达相同的信息"不再只是一个语言风格偏好，而是一个真实的生产力优化。这也反向说明，当前的 AI 模型在输出效率上还有很大的提升空间——如果 Caveman 都能省约 75%，那原生优化空间至少也在这个量级。

有开发者评论说："这项目最妙的地方在于，它用一个笑话证明了一个严肃的事情。"确实，当 AI 工具进入大规模日常使用阶段，每一个 token 的效率都值得被认真对待。