Caveman：给 Claude Code 省 token 的极简回复 Skill，效果要看场景

用 Claude Code 久了会发现，它的回复里经常有大段铺垫、复述和客套，真正要用的可能只有一两句话。问一个 React 重渲染的问题，它会先解释浅比较、引用和渲染周期，最后才告诉你「用 useMemo 包一下」。

Caveman 是一个开源 Skill，思路很直接：给 Claude Code 加一条回复风格约束，让它先给答案、一句只讲一件事，删掉寒暄和缓冲句，但代码、命令、路径和报错信息一个字符都不改。它最早在 2026 年 4 月以玩笑项目的形式出现，现在已经扩展成一套覆盖 30 多个编程 Agent 的省 token 工具。

这篇适合想控制 Claude Code token 消耗的开发者。下面会讲 Caveman 的原理和回复规则、各档位怎么用、怎么安装，以及项目自己公布的实测数据：它在哪些场景能帮 Claude Code 省 token，在哪些场景反而不划算。

Caveman 是什么，怎么帮 Claude Code 省 token

Caveman 的核心是一个回复风格 Skill。装上后，同一个问题的回答会从这样：

"The reason your React component is re-rendering is likely because you are creating a new object reference on each render cycle. When you pass an inline object as a prop, React shallow comparison sees it as a different object every time, which triggers a re-render. I would recommend using useMemo to memoize the object."

变成这样：

"New object ref each render, so React re-renders. Wrap the prop in useMemo."

信息没少，字数少了很多。按项目 README 的统计，这个例子从 63 个 token 降到 20 个。

它没有什么黑科技，就是一套写给模型的回复规则：

需要说明的是，Caveman 只影响模型最后输出给你看的文字，不砍模型的思考过程。

说得少，会不会答得更差

直觉上，回复短了容易丢信息。原文引用了论文 Brevity Constraints Reverse Performance Hierarchies in Language Models（arXiv:2604.00025）：研究团队用 31 个模型（0.5B 到 405B）测试 1485 道题，发现在 7.7% 的题目上，大模型反而比小模型差 28.4 个百分点，原因是模型越大越容易啰嗦，在冗长推导中引入错误；限制大模型简短作答后，这部分题目的准确率提升了 26 个百分点。

Caveman 项目也列了几项外部验证：JetBrains 用 86 个真实编程任务做配对 A/B 测试，没有发现可测量的质量下降；Elastic 把这套方法改造到 Elasticsearch 场景，回复 token 减少 63.6%。项目同时引用 Adobe Research 的研究提醒：压缩用户的提示词会让答案变差，所以 Caveman 只压缩输出，不碰你的输入。

到底能省多少：先看项目自己的诚实数据

原文作者早期用旧版 Skill 跑过 10 项开发任务，解释类任务省得最多，平均从 1214 降到 294 token：

这组数据是和模型默认的冗长回复比较的。现在项目在 README 和 Honest Numbers 页面里用了更严格的基线：和一句简单的「Answer concisely.」相比，在 claude-opus-5-5 上测 10 个开发问题：

也就是说，新模型本来就能听懂「简洁一点」，在这个基础上，/caveman 的中位数只多省约 3%，/ultracave 多省约 35%（基于 3.1.0 版规则测得，样本量小）。

项目还明确写了 Caveman 不划算的情况：

• 规则本身要占输入 token：README 估计约 1,160 个 token。本来就很短的问答，省下的输出可能抵不过这部分开销。
• 按请求计费的工具省不了钱：比如 GitHub Copilot 按 premium request 计费，回答再短也是一次请求。
• Agent 会话的账单大头是输入：真实编程会话里，大部分 token 花在读代码、工具结果和缓存重读上，只压缩输出的效果有限。有用户统计 662 个 Claude Code 会话，输出只占全部 token 的 0.3%。

所以判断 Caveman 值不值，最可靠的方法是在同一个任务上开关各跑一次，对比账单或用量页面。项目的建议也是：如果同一任务开了 Caveman 反而更贵，就对这类工作关掉它。

为了覆盖输入这一块，Caveman 4.0 增加了本地代理等组件，比如在模型读取前压缩日志、JSON、CSV 和测试输出，项目称整场会话的输入 token 平均减少 33.2%（HTML 暂无压缩器，结果反而变差）。这些属于完整 CLI 的功能，和下面单独装 Skill 是两回事。

档位与常用命令

原文介绍的是旧版的 Lite / Full / Ultra 三档。按项目当前 README，Skill 的档位命令是：

/caveman status 查看当前模式，/caveman off 或直接说 stop caveman 关掉。另外还有几个实用命令：

• /caveman-commit：生成一行 Conventional Commit 提交信息。
• /caveman-review：一行一个问题的代码审查，如 L42: 🔴 null deref. Guard it.
• /caveman-compress <file>：压缩 CLAUDE.md 这类记忆文件并备份原文件。注意这个命令会把文件内容发给你配置的模型服务商。
• /caveman-stats：读取本次 Claude Code 会话的实际 token 用量。

装的 Skill 越多，规则本身占的上下文也越多，这笔账可以参考 ECC 一次装进 Claude Code 292 个 skill，先算清你的上下文账。

日常用法可以这样分：写给别人看的内容（PR 描述、文档）保持正常回复；自己调试、反复问小问题时开 /caveman；上下文都在脑子里、只要一个方向提示时用 /ultracave。

安装 Caveman

只想要缩短回复的 Skill：

npx skills add JuliusBrussee/caveman -g

装好后输入 /caveman 启用（Codex 里用 $caveman），说 stop caveman 恢复正常。卸载用 npx skills remove JuliusBrussee/caveman -g。

想让 Claude Code 每次会话自动启用，可以用插件方式安装：

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

完整工具（包含输入压缩、模型自动选择等组件）用 CLI 安装，需要 Node.js 22.13 或更高版本：

npx @caveman-ai/cli@latest

安装前有两点隐私设置值得看一眼：单独的 Skill 在本地运行、不发送数据；CLI 默认会上报使用统计（命令、token 数等，不含提示词和代码），可以用 caveman telemetry off 或设置 DO_NOT_TRACK=1 关闭。Auto 模型路由功能需要登录，开启后会把你的最新请求等内容发送到 Caveman Cloud。

总结

Caveman 证明了一件事：同一个模型，换一种说话方式，阅读体验差别很大。它适合输出偏长、你需要快速扫读结论的场景，比如调试和代码问答；但在提示词开销占比高、按请求计费、或者会话主要花在读代码的场景里，单靠缩短回复省不了多少。

最稳妥的做法是先装 Skill，用 /caveman-stats 和服务商的用量页面在自己的任务上对比一周，再决定要不要长期开着。对比时怎么核对一次任务实际用了多少，可以参考 AIGoCode 额度消耗比预期快：如何核对一次任务的用量。

想在自己的项目里对比开关 Caveman 的用量差别，可以在 AIGoCode 上直接使用 Claude Code 和 Codex。

参考链接

• Caveman GitHub 仓库：https://github.com/JuliusBrussee/caveman
• Caveman Honest Numbers：https://github.com/JuliusBrussee/caveman/blob/main/docs/HONEST-NUMBERS.md
• 论文 Brevity Constraints Reverse Performance Hierarchies in Language Models：https://arxiv.org/abs/2604.00025