AI的“废话文学”，终于有人忍不了了-星锐云联资讯网

对于重度依赖AI编程的废话文学用户而言，这种体验并不陌生：

你仅需一行正则表达式，人忍AI却从历史渊源讲起，废话文学洋洋洒洒输出五个段落。人忍询问Bug修复方案，废话文学它先以“当然！人忍我很乐意协助”开场，废话文学才进入正文。人忍仅修改一个标点，废话文学它竟重新输出整个800行文件。人忍

看着API余额急剧下降，废话文学开发者不禁仰天长叹：能否闭嘴，人忍直击重点？废话文学

这并非个例。2026年上半年，人忍开源项目 Caveman（穴居人）令全球开发者集体破防，废话文学斩获 86,000+ Star，长期占据GitHub Trending榜首。

其核心逻辑简单粗暴：

让AI回归“山顶洞人”风格。剔除“the”、“please”、“thank you”等不影响技术含义却吞噬Token的“人类客套”。

据称，此举平均可节省 65%的输出Token。

（项目地址：https://github.com/JuliusBrussee/caveman）

Caveman是什么？

Caveman由开发者Julius Brussee打造，是一款Claude Code Skill（技能/插件）。安装至AI编程助手（支持Claude Code、Codex、Gemini、Cursor、Windsurf、Cline、Copilot等30+平台）后，AI回复风格将从“温文尔雅的英伦管家”转变为“能用三个词绝不说四个的原始人”。

项目主页两句话概括其精神内核：

“why use many token when few token do trick”（何必多用Token，少用岂不更好）
“Brain still big. Mouth small.”（脑子依旧强大，嘴巴保持精简。）

它并非新模型或推理优化，而是一条精心编写的 System Prompt（系统提示词）。其指令明确：保留技术术语与代码块，原样引用报错信息——其余冗余内容一律砍除。

Caveman的爆火，实则是社区情绪的集中爆发。

浏览Hacker News、Reddit及推特，开发者对AI“话痨”的抱怨已成亚文化：

“我支付15美元/100万Token，只为看AI道歉寒暄？”
“求你别再说‘Certainly! Here is the...’，直接给报错或代码！”
“因改一个标点重输整个文件，我差点破产。”

这些抱怨折射出结构性矛盾：AI模型越强，回复越“周到”，越追求完整与完美。但对程序员而言，这种“周到”即是噪音，每一句“我很乐意帮您”背后都是真金白银。

Julius Brussee精准捕捉此痛点，其核心思想直指：

“为何少量Token能说清的事，要用海量Token去表达？”

核心机制：极简主义

Caveman通过 SKILL.md文件定义全新“说话规则”：

删除：冠词、语气填充词、客套话、犹豫性表达。
允许：短句、碎片句。
优先：更短同义词——用“大”替“庞大”，用“修”替“实施解决方案”。
句式：推荐 [问题][动作][原因]。[下一步]。

对比示例：

【正常AI】：“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.”
【Caveman模式】：“New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo.”

可见，Caveman以极少词汇传达了同等技术信息。

六种模式，按需切换

Caveman提供五个压缩级别（含normal agent共六档），通过 /caveman命令随时切换：

亮点：wenyan模式（文言文）

中文天然比英文“省Token”，文言文更将表意密度拉至极致。Julius指出，Caveman支持多语言压缩（中文说中文，日文说日文），但 wenyan为特例，故意使用文言文以获取最大压缩比。

实用命令集：

/caveman-commit：生成50字内Conventional Commit，只述“为什么”，不述“做了什么”。
/caveman-review：一行式PR评论，如“L42: bug: user null. Add guard.”
/caveman-stats：实时统计会话Token用量及累计节省量。
/caveman-compress：将记忆文件（如CLAUDE.md）改写为Caveman风格，持续节省输入Token。

安装与体验

安装极简，一条命令搞定：

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

自动检测并安装所有AI编程助手，全程约30秒，需Node.js 18+。安装后在Claude Code输入 /caveman激活。

贴心设计：在Claude Code、Codex和Gemini上，Caveman默认开启，无需手动输入命令。

安装后，状态栏显示 [CAVEMAN] ⛏ 12.4k，实时追踪节省Token数。

数据验证：真的省65%吗？

作者提供基准测试数据：

10个任务中，平均从1214 Token压缩至294 Token，节省65%。

技术性任务（Bug修复、架构配置、调试）：压缩效果最佳，因无需铺垫。
解释型任务（如git rebase vs merge）：压缩空间较小，因需讲清概念。

冷静看待：它真的能省钱吗？

需澄清事实：

仅压缩输出Token：不压缩输入Token。
上下文开销：加载Skill本身消耗上下文，每轮对话增加约1~1.5k输入Token。
未触及推理Token：AI“思考”阶段的Token消耗才是Claude Code等工具成本大头。

作者诚实标注：

“Honest number warning. Caveman only shrinks output tokens. Input and reasoning tokens are untouched.”

因此，指望API账单砍半65%是不现实的。端到端节省远低于此数值。

核心价值：体验解放

尽管“省钱”效果有限，Caveman解决了更深层痛点：AI话太多，阅读疲劳。

它带来阅读体验的解放——AI不再像实习生般铺垫，而是如资深同事般直击重点。

此外，简洁有助于准确。2026年3月论文《Brevity Constraints Reverse Performance Hierarchies in Language Models》测试31个模型发现，对大模型施加简洁约束后，部分基准测试准确率提升约26个百分点。说得少，有时确实说得对。