Caveman
让 AI 以穴居人语气回复的省 token 技能：去冠词/填充语/寒暄，实测削减约 65% 输出，代码与错误串逐字保留；附记忆文件、子 agent 与本地代理三层压缩工具链，并罕见地公开自身净负场景。
仓库：JuliusBrussee/caveman
热度证据：97.8k star，社区热议的 token 节省技巧；97,857 star,节省 token 话题的代表作；Reddit 帖『让 Claude 说原始人话省 75% token』约 1 万 upvotes(媒体转述);37.4 万次安装
五维评分
热度5/5
质量4/5
创新5/5
易用5/5
文档5/5
优秀点拆解
- 压缩规则细化到分词器原理：SKILL.md 明确禁止发明缩写（cfg/impl/fn 与全词 token 数相同、零节省）与因果箭头，每条规则经实验校准，可信度远高于泛泛的 be brief 指令
- Auto-Clarity 反脆弱设计：安全警告、不可逆操作确认、多步序列易歧义、用户追问等场景自动降级为完整语言，把「何时必须不压缩」写成头等规则，防止为 token 牺牲正确性
- 诚实数字工程：HONEST-NUMBERS.md 主动承认输入 0% 节省、每轮约 1.25k token 固定开销，并引用用户净亏损 issue 反例（#145/#550），stats 净额为负时建议关掉——信任资产罕见地来自自我否定
- hook + flag 文件做进程外模式状态机：UserPromptSubmit hook 解析 /caveman 命令落盘，SessionStart 注入规则，跨会话持久不依赖模型记忆；slash envelope 重建、broken pipe、scheduled-task 跳过等边界处理齐全
- cavecrew 把压缩升级为上下文预算管理：investigator/builder/reviewer 三预设子 agent 输出走严格结构化契约，tool-result 注入主上下文小约 60%，配决策表与反模式清单，直击长会话 context 耗尽痛点
可复用的设计模式
- 边界规则显式化：把「什么时候不做」（Auto-Clarity 清单、What NOT to do 清单、净负时建议关闭）写成头等规则，与「怎么做」同等重要
- 备份写树外目录防自我污染：压缩备份放 $XDG_DATA_HOME/caveman-compress/backups/ 而非源文件旁，避免 skill auto-loader 把备份重新摄入为活文件
- 进程外状态机替代上下文记忆：会话模式用 hook 落盘 + 启动注入，显式处理所有外部边界，hook 失败不阻塞主流程
- 证据分级与未测不报：inferred / benchmark_counterfactual / verified 三级声称体系；基准用固定 fixture + 精确答案 oracle + bootstrap 置信区间，未测的模式明确显示 no estimate 不冒报
适用场景
长会话中的解释、架构讨论、代码审查、调试 walkthrough——输出量大、压缩收益叠加，且每轮固定开销不变按输出 token 计费的 API 工作负载，或单纯想让 agent 回复更短更快读的场景压缩 CLAUDE.md、todos 等记忆类文件，减小每轮常驻输入 token（实测平均降约 46%）多子 agent 编排的长任务：cavecrew 压缩子代理返回结果，延长主上下文寿命中文用户尝试文言文模式（wenyan-full，声称 80-90% 字符缩减），压缩同时兼具风格趣味
边界与注意：skill 版只压缩输出、输入 0% 节省，且每轮有约 1.25k token 固定规则开销：短小问答、按请求计费（Copilot 等）或部分 agent 环境下实测净亏（issue #145/#550），应先用 provider 账单做 A/B 再决定是否启用；输入压缩需额外部署 Proxy/Engine 层。
完整拆解分析文档
本页为摘要版，完整精读分析（核心机制、逐条优秀点拆解、写作过程）见本地 Markdown 文档：
analysis/caveman-token-economy.md