JuliusBrussee/caveman

⭐ 56,983  ·  #10  ·  Python

🪨 why use many token when few token do trick — Claude Code skill that cuts 65% of tokens by talking like caveman

Python ai anthropic caveman Skill

项目分析

🎯 定位	Agent 能力增强
💡 核心价值	为 AI 编码 Agent 提供标准化的 Skills 和 Prompt 模板，覆盖特定场景（代码审查、调试、架构设计等），让 Agent 在这些场景下输出质量更高
👥 适合谁	使用 Claude Code/Cursor/Codex 等 Agent 工具的开发者，想提升 Agent 在特定任务上的表现

为什么值得关注

56,983 Stars 说明这是一个经过大量用户验证的成熟工具。使用 Python 开发。核心特色："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."。

用原始语风压缩 LLM 输出 Token 达 75%。

核心功能

1. 多级语风压缩

提供 Lite / Full / Ultra 三档压缩强度，以及 文言文模式，用户可根据场景自由切换。Ultra 模式下，常规技术回答可压缩至不到 20 个 Token。

2. 全链路 Token 节省

不仅压缩输出（~75%），还提供输入压缩工具，每会话可节省约 46% 的输入 Token。同时支持 terse commits（精简提交信息）、one-line reviews（一行代码审查）和 lifetime stats（生命周期统计）。

3. 多平台插件

原生支持 Claude Code 和 Codex 插件生态，安装后自动生效，无需额外配置。已形成 caveman / cavemem / cavekit 工具链。

4. 基准测试与评估

提供 Token 节省率和准确性的量化数据，并引用 arXiv 论文（2604.00025）作为科学依据，证明技术准确性未受影响。

技术架构

• 语言：Python
• 设计理念：Prompt Engineering + 系统指令注入，通过修改 LLM 的 System Prompt 改变输出风格，无需修改模型权重或推理逻辑。
• 代码结构：轻量级插件式架构，核心逻辑为一行 System Prompt 模板，支持强度参数和模式切换。安装脚本自动化注入到 Claude Code / Codex 配置。

快速上手指南

# 安装到 Claude Code
claude code install skill JuliusBrussee/caveman

# 或手动克隆
git clone https://github.com/JuliusBrussee/caveman.git
cd caveman
# 按 README 配置 system prompt

安装后，Claude Code 自动以 Caveman 模式运行，无需额外命令。

优劣势与适用场景

优势

• Token 节省显著：输出 Token 减少 75%，输入减少 46%，直接降低 API 成本。
• 响应速度提升：生成 Token 量减少，响应时间缩短约 3 倍。
• 可读性增强：去除冗余客套话，直接给出技术答案。
• 零侵入：纯 Prompt 层面改造，不影响模型能力。

劣势

• 非技术场景不适用：面向客户、文档写作、团队沟通等需要礼貌措辞的场景。
• 文言文模式门槛高：非中文母语者或古文基础薄弱者难以理解。
• 依赖特定平台：仅支持 Claude Code 和 Codex，不通用。

适用场景

• 个人开发者：日常编码调试，追求效率。
• 小型技术团队：内部技术讨论、代码审查。
• API 成本敏感项目：大规模使用 Claude Code 的团队。

社区与热度

• Stars：56,983（截至 2026-05-09），增长迅猛，说明 meme 驱动型项目在开发者社区有极高传播力。
• 最后更新：2026-05-09，近期活跃，持续维护。
• 生态扩展：已衍生 cavemem（记忆增强）和 cavekit（构建工具）子项目，形成工具链。
• 话题标签：覆盖 prompt-engineering、llm、meme、tokens 等，兼具娱乐性与实用性。

该项目本质是 Prompt Engineering 的极致实验，将“少即是多”理念推向极致，既是一个实用工具，也是一次对 LLM 输出冗长问题的文化讽刺。适合追求效率至上的极客开发者。

技术信息

• 💻 语言: Python
• 📂 Topics: ai, anthropic, caveman, claude, claude-code
• 🕐 更新: 2026-02-23
• 🔗 访问 GitHub 仓库

---

数据更新于 2026-03-10 · Stars 数以 GitHub 实际数据为准