把 AI 训成"原始人"就能省 65% Token 费？扒一扒 GitHub 趋势榜这个十万星的神奇项目

大家好，我是不会喷火的小火龙。

今天聊一个让我笑出声，但笑完立刻打开项目开始配置的 GitHub 项目。

一、你的钱包，正在被 AI 的"客套礼貌"掏空

用 Claude Code 或 Cursor 写代码的同学，对下面这种场景一定不陌生：

你："帮我看下这个 React 组件为什么重复渲染。"

AI："好的！非常理解您的需求！为了帮您深入排查这个 React 组件的重复渲染问题，我将首先详细分析您当前的代码结构。从您提供的代码来看，这个问题很可能与组件的 props 引用变化有关。让我来一步步为您解释这个现象的根本原因……"

69 个 Token。说了一大堆。核心信息只有一句话。

这些 Token 全是要花钱的。更麻烦的是，这些废话会迅速填满你的上下文窗口。上下文被垃圾信息塞满以后，AI 后续回复的质量直线下降，改 Bug 越改越慢，越改越容易忘掉之前的讨论内容。

你每个月的 API 账单里，可能有一半以上都是在给 AI 的"社交礼貌"买单。

下面这张图基本就是大部分开发者的日常：

二、十万星的 Caveman 到底干了啥？

2026 年 4 月的一个周五，一个叫 Julius Brussee 的开发者在 GitHub 上传了一个项目，名字叫 Caveman（原始人）。

口号只有一句：

"why use many token when few token do trick"

模仿的是美剧《办公室》里 Kevin 的经典名言（为什么要用很多词，少几个词也能成事）。

一开始大家当他在玩梗。一周之后，4000 星。再后来，GitHub 趋势榜第一，Hacker News 第一（904 分、366 条评论），JetBrains 实验室拿 86 个真实编码任务做了严格测试，Adobe Research 专门写了一篇学术论文来验证它。

截至今天，超过 10 万星。

同一个 Bug，两种回答

看看同一个 React 重复渲染问题，两种 Agent 的输出：

诊断一样。解法一样。代码一样。唯一死掉的就是废话。

项目 README 里有一句话我觉得说得好：

"Caveman no make brain smaller. Caveman make mouth smaller."

野人不把脑子变小，野人只把嘴变小。

什么不会被"野人化"？

作者 Julius Brussee 在 Hacker News 上澄清过：

"This skill is not intended to reduce hidden reasoning / thinking tokens... What it targets is the visible completion: less preamble, less filler, less polished-but-nonessential text. Therefore, since post-completion output is 'cavemanned' the code hasn't been affected by the skill at all."

翻译一下：

1. AI 内部的思考过程（Thinking Tokens）完全不碰，该怎么想还怎么想。
2. 代码块、命令行、文件路径、错误信息原样输出，一个字都不改。
3. 安全警告和"你确定要执行这个危险操作吗"这类提示，自动恢复完整句式。
4. 被压缩的只有套话、客套、铺垫、重复解释。

Caveman 关键代码与安全警告完整保留展示：

三、为什么我们不能学习 AI 当野人？

看到这里你可能会想："既然让 AI 少说话能省钱，那我是不是也少跟 AI 说话？用更短的 Prompt 双向省钱？"

Adobe Research 替你做了这个实验。2026 年 6 月，他们发表了一篇论文叫《CAVEWOMAN》（名字从 Caveman 来的），在 8 个模型、5 组数据集上严格测试了两个方向的语言压缩效果。

结论和直觉相反。

如图 3 所示，双通道压缩的实验结果：

具体数据：

• 让 AI 简短回复（输出压缩）：净成本削减 1.4 到 2.4 倍，最高达 3 倍。任务完成率不受影响。
• 人类给 AI 发模糊短语（输入压缩）：净成本反而暴涨 1.15 到 2.7 倍。因为输入信息不够，AI 会耗费大量 Token 去脑补、猜测、过度解释，而且准确率严重下滑。

你跟 AI 说话不能偷懒，需求描述越详尽越好。但你可以要求 AI 回复你的时候像野人一样简短。

一句话总结：人说人话，AI 说野人话。

口说无凭，我直接在本地拿真实模型跑了一组对比评测。

面对同一个典型的 React 重复渲染 Bug，分别交给"标准模式"和"野人模式"去解，本地真实终端评测对比截图如图 4 所示：

跑出来的数字非常直观：

• 标准 Agent（无约束）：吐了整整 4,515 个 Token，洋洋洒洒写了一大篇分析小作文，耗时 57.3 秒；
• 野人 Agent（极简约束）：只用了 1,033 个 Token，点明原因直奔核心代码，耗时压缩到 22.97 秒。

输出 Token 削减了整整 77.1%，响应速度快了 2.5 倍。 代码修复逻辑完全一致，没有任何质量折损。

四、零成本上手"白嫖指南"

方案 A：官方一行命令

如果你用 Claude Code、Cursor、Codex、Gemini CLI 等 30 多种主流 Agent 工具中的任何一个，直接在终端跑：

▼
bash
复制代码
npx skills add JuliusBrussee/caveman -g

装完以后，Agent 会自动开始用极简风格回复你。如果没有自动生效，输入 /caveman 触发即可。

方案 B：复制 Rules 模板，零安装

如果你不想装额外依赖，直接把下面这段规则复制到项目根目录的 .cursorrules、CLAUDE.md 或 AGENTS.md 文件里。

▼
markdown
复制代码
# Agent 输出精简规范

## 回复风格
- 禁止任何形式的寒暄、客套、感叹词开场（如"好的！""当然！""非常理解！"）。
- 禁止重复用户的问题或需求描述。用户已经知道自己问了什么。
- 先给结论或修复代码，再用 1~2 句话说原因。不要反过来。
- 不解释对方已知的基础概念。对方是有经验的开发者。

## 代码输出
- 修改已有代码时，只输出 diff 或变更部分，不要输出完整文件。
- 新建文件时才输出完整代码。
- 禁止在代码注释中写"这里我们做了XX"这类叙述性注释。

## 格式
- 不使用 emoji 装饰。
- 列表不超过 5 项，超过的合并或省略次要项。
- 段落最多 3 句话。能用一句说清楚就不写两句。

这份规则不需要安装 Node.js，不需要跑命令，不需要代理。放进去就生效。

根据我自己的使用经验，光这一份规则就能砍掉 30% 到 50% 的输出 Token。如果再搭配 Caveman 的官方 Proxy（负责压缩 AI 读取的日志、JSON 和搜索结果），还能在输入端再省一截。

五、降本是独立开发者的第一生命线

回到最开始的问题。一个按词收费的 AI 编程工具，写东西像在写求职信，这合理吗？

站在模型厂商的角度，当然合理。Agent 越啰嗦，它们收的钱越多。

站在你的角度，用工程手段给 AI 的输出做一次"脱水"，是最直接的降本方式。你不需要换更便宜的模型（那会损失代码质量），只需要让同一个模型闭上它的"客套嘴"。

省下来的每一分 Token 费，对独立开发者来说都是纯利润。

最后

我是不会喷火的小火龙。

在这里，我主要做两件事：持续挖掘并深度拆解全网真正能打、能落地的优质开源项目；毫无保留地记录一个真实开发者用 AI 搓工具、做产品、踩坑填坑的全过程实录。 如果你也想看懂开源新趋势、用 AI 做出稳定上线的小产品，欢迎关注公众号「小火龙AI 手记」。少走一点弯路，我们一起把 AI 驯化成趁手的生产力工具。

本文数据引用自 Caveman 官方仓库（GitHub 10 万+ Stars）、Julius Brussee 在 Hacker News 的一手技术答疑，以及 Adobe Research 论文《CAVEWOMAN》的严格双通道实测。Rules 模板可直接复制使用，建议根据自己的技术栈微调。如果你有更好的 Agent 省钱技巧，欢迎在评论区分享。