Claude Code 原生模式 vs Caveman Mode同样求简洁差在哪【免费下载链接】caveman why use many token when few token do trick. Viral skill proxy for coding agents that cuts 65% of tokens by talking like a caveman.项目地址: https://gitcode.com/GitHub_Trending/caveman1/cavemanAI 编码代理正在经历一场话痨焦虑Claude Code 每回答一个问题动辄输出上千 token 的 Markdown 排版、礼貌开场白和重复总结。为了省钱和少读废话用户开始尝试两条路——一条是 Claude Code 里现成的简洁模式一句Answer concisely另一条是今年在 GitHub 上爆火、挂着 why use many token when few do trick口号的开源项目 Caveman社区报道其 GitHub Star 一度冲到 8 万README 显示如今已过 10 万。同样是求简洁这两者的机制、效果和适用边界完全不同。本文基于仓库内的真实评测快照与源码拆解原生简洁与Caveman Mode的实质差异并回答那个最实际的问题什么时候值得额外装一个 Caveman同一个问题三种回答Caveman 仓库 README 里有一段非常直观的对照。问同一个问题——为什么我的 React 组件每次父组件更新都会重新渲染原生模式63 tokenThe reason your React component is re-rendering is likely because youre creating a new object reference on each render cycle. When you pass an inline object as a prop, Reacts shallow comparison sees it as a different object every time, which triggers a re-render. Id recommend using useMemo to memoize the object.Caveman 模式20 tokenNew object ref each render, so React re-renders. Wrap the prop inuseMemo.同一份修复方案63 token 变 20。而更极端的档位还在后面/ultracave输出 14 token文言文模式/megacave输出 13 token见 README.md 中的对照表。但省 token只是表面。真正值得研究的是Claude Code 原生也能简洁为什么差距仍然存在原生简洁是一句提醒Caveman 是一套规则协议Claude Code 原生最接近简洁模式的做法就是在系统提示里加一句Answer concisely.。这是一条风格指令剩下全靠模型自觉发挥——模型确实会收敛但它依然保留问候、过渡句、章节小标题和如果你分享代码我可以帮你找到确切原因这类尾巴。Caveman 的做法完全不同。它以 SKILL.md 的形式注入了一套带约束的写作协议逐条规定什么必须删、什么绝不能动答案先行Answer first固定句式[thing] [action] [reason]. [next step].禁止开场白与Let me一句话一个观点以飞机维修手册规范 ASD-STE100 为底单句不超过 20 词、主动语态、一词一义否定词永不删冠词可以丢但not / never / no / only一个都不能少——丢一个否定词比省下所有 token 更贵载荷逐字保留代码块、命令、路径、API 名、错误信息逐字符不动知道何时打破规则遇到安全警告、不可逆操作、分步指令和困惑的用户立刻切回完整句然后继续压缩永不表演不加me think、不加Caveman:前缀如果口语化表达不比普通句更短就用普通句。这套协议还内置了发送前自检Pre-send check首句在预告计划删。末句在总结或主动帮忙删。所有否定词、代码片段、路径、数字是否原样在场有歧义的句子必须写成完整句。也就是说原生模式依赖模型领会精神Caveman 把简洁做成了可校验的格式约束——这正是两者在机制层面的第一层差异。同 prompt 双跑快照里的真实数字仓库里有一套严肃的评测 harnessevals/README.md用同一个 Claude Code、同一批 10 个开发问题在三种条件下各跑一遍——无系统提示__baseline__、仅Answer concisely.__terse__、Answer concisely. 技能规则skill。快照由 claude-opus-5-5 生成2026-10-02Claude Code 2.1.288并做了宿主隔离空临时目录、--strict-mcp-config、禁用用户插件与 CLAUDE.md避免外部变量污染任何一个对照臂。提交在仓库的 results.json 快照给出的是 10 题累计输出 token条件输出 token10 题合计无提示6,983Answer concisely.4,334/caveman4,119/ultracave2,693一个容易被忽略的事实是新模型本身已经懂简洁。README 的原话是New models already know be concise, so that line is the real baseline——所以Answer concisely那 2,649 token 的削减其实是模型能力的红利不是 Caveman 的功劳。真正诚实的对比是技能对 terse 基线的增量仓库自述 HONEST-NUMBERS.md 明确给出/caveman在中位数上只比说一句请简洁多省 3%而/ultracave多省 35%/megacave9%且噪声大官方明确不要宣称其收益。同样重要的是这些输出长什么样。以同一道 React 重渲染题为例快照中三臂的真实输出baseline一段带## How to stop it、编号列表、双代码块的 800 字长文Answer concisely.压缩到结构化 4 点但依然有标题、示例和结尾的If you share the component code, I can point to the exact cause/cavemanReacts default: when a parent re-renders, every child re-renders too... Wrap child inReact.memo. Keep prop references stable.../ultracaveReact default: parent render re-renders all children, even when props unchanged. Fix: wrap child inReact.memo...——去掉冠词、系动词和连接词只剩载荷/megacaveReact 之常也父重繪子皆隨之重繪不論 props 變否。results.json。快照评测方还划了一条诚实的边界token 计数只测输出长度不测语义保真度fidelity、延迟或跨模型行为且 tiktoken o200k 只是对 Claude 分词器的近似。换句话说更短不等于更好这正是下一节要谈的Caveman 为了保住更好做了什么。更深的差异Caveman 不止改说还改读原生简洁模式只作用于模型的输出风格对输入侧毫无干预——系统提示、工具定义、日志、CSV、JSON 照单全收。而 Caveman 的野心不止于此README 把它拆成两块——skill 负责压缩模型说的话本地代理proxy与引擎负责压缩模型读的内容。引擎是一个本地 Go 库docs/technical/engine.md核心是一条检测—变换—校验的流水线先识别输入形态JSON、日志、表格、HTML、源码、diff……再选择匹配的压缩器做变换只有结果更小且通过校验才输出压缩字节如果变换需要恢复原始内容则先把精确原文存入本地恢复存储失败就原样放行。典型实现是 TOON——一种无损 JSON 重编码器toon.go它对扁平对象数组采用紧凑表格语法只处理可证明可往返的子集任何不支持的形状直接原样通过绝不冒险改动语义toon_encode.go。效果有多夸张仓库实测CSV 28,041 → 314 token-98.9%、日志 22,810 → 348、YAML 20,447 → 178、JSON 18,837 → 281把六类文件放进完整 Claude Code 会话跑输入 token 累计下降 33.2%且18/18 个答案正确。下图是配套的caveman learn报告界面用于定位 token 都花在了哪里这套读侧压缩在原生模式里完全没有对应物。它把代理看到的世界本身变小了——不只是回答变短而是上下文占用整体变薄且任何原始文件都留在本地、可随时取回。这正是 Caveman 与一句简洁指令最根本的分野一个只约束表达一个优化整条 token 管线。工程实现一个插件如何接管 Claude Code从仓库的代理注册表agents/profiles/claude.json可以看到 Caveman 接入 Claude Code 的具体机制以skill-md格式把 SKILL.md 安装进~/.claude/skills同时通过环境变量注入ANTHROPIC_BASE_URL与ANTHROPIC_AUTH_TOKEN把模型调用改道到本地代理——wire protocol 仍是标准的 anthropic-messages所以 Claude Code 本身无感知再用claude-pretooluse命令钩子约束工具调用之间的自言自语让每次工具调用只留一行进出。这套注入方案同样适配 Codex、Gemini CLI、Cursor 等 30 代理安装矩阵见 INSTALL.md这也是额外装一个 Caveman在工程上几乎零侵入的原因。值得注意的还有压缩的另一面/caveman-compress技能会压缩CLAUDE.md、todo 这类记忆文件五组夹具平均省 46% 输入 token并把原始文件备份到仓库外的数据目录避免被技能自动加载器当作活文件重新吃掉SKILL.md。可见这套体系连代理的记忆文件都纳入了优化范围。什么时候值得装 Caveman一份反直觉的账单把 HONEST-NUMBERS.md 读完会发现这份仓库最硬核的部分不是炫技而是主动列出它输掉的场景按请求计费时完全无效GitHub Copilot 按 premiumrequests计费回答再短也是同一个请求Caveman 省不了任何积分规则注入有固定成本技能规则每次调用约增加 1,000 输入 token若输出本来就短如简单问答固定开销可能超过输出节省——有用户在 issue #145 实测净亏损会话级 A/B 会反向一次 Cursor 对照中开启 Caveman 的会话账单高达 4.3M token而未开启仅 1M耗时还翻倍issue #550虽未可复现但足以说明规则重注入、重试与缓存记账可以吞掉全部收益。结合前面的机制分析结论就清晰了场景原生简洁加装 Caveman输出冗长的长会话、按 token 计费有基础收益模型自带的简洁红利值得skill 多省 3%/ultracave多省 35%proxy 再压输入 33%简单问答、输出本就短够用不划算~1,000 token 规则开销可能反超按请求/积分计费Copilot等价无意义省 token ≠ 省请求代理需要读大量日志、CSV、JSON无对应能力核心价值输入侧 98% 压缩、18/18 答案正确安全敏感、多人工审阅保持完整句需谨慎Caveman 只在警告与不可逆操作时自动切回完整句仓库自己给出的行动建议也很朴素caveman trial -- claude在你自己的真实工作上跑一次 A/B用提供商的账单页对比同任务的开启前后总消耗——如果 Caveman 让同一任务的计费变贵就在该工作负载下关掉它。从 4 月的一个玩笑到如今 GitHub Trending #1、Hacker News 榜首、Adobe Research 引用其风格做成本研究、Elastic 与 JetBrains 各自实测JetBrains 结论是好玩且质量上无可测损失p 0.82Caveman 的星史一路陡峭上升回到开头的问题Claude Code 原生模式与 Caveman Mode 同样求简洁差在哪差在约束力、作用范围和诚实度——原生模式是一句由模型自由发挥的风格提醒Caveman 是一套可校验、可回溯、连输入侧都一起优化的协议而它的文档没有把省 65%当成万能卖点反而把净亏损的场景一条条列给你看。这正是它在爆火之后依然值得工程团队认真评估的原因它不承诺帮你省钱只承诺让每一分 token 都花在明处。【免费下载链接】caveman why use many token when few token do trick. Viral skill proxy for coding agents that cuts 65% of tokens by talking like a caveman.项目地址: https://gitcode.com/GitHub_Trending/caveman1/caveman创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/10 16:19:19 · 阅读 1.2k Claude Code 原生模式 vs Caveman Mode：同样求简洁，差在哪？
Claude Code 原生模式 vs Caveman Mode同样求简洁差在哪【免费下载链接】caveman why use many token when few token do trick. Viral skill proxy for coding agents that cuts 65% of tokens by talking like a caveman.项目地址: https://gitcode.com/GitHub_Trending/caveman1/cavemanAI 编码代理正在经历一场话痨焦虑Claude Code 每回答一个问题动辄输出上千 token 的 Markdown 排版、礼貌开场白和重复总结。为了省钱和少读废话用户开始尝试两条路——一条是 Claude Code 里现成的简洁模式一句Answer concisely另一条是今年在 GitHub 上爆火、挂着 why use many token when few do trick口号的开源项目 Caveman社区报道其 GitHub Star 一度冲到 8 万README 显示如今已过 10 万。同样是求简洁这两者的机制、效果和适用边界完全不同。本文基于仓库内的真实评测快照与源码拆解原生简洁与Caveman Mode的实质差异并回答那个最实际的问题什么时候值得额外装一个 Caveman同一个问题三种回答Caveman 仓库 README 里有一段非常直观的对照。问同一个问题——为什么我的 React 组件每次父组件更新都会重新渲染原生模式63 tokenThe reason your React component is re-rendering is likely because youre creating a new object reference on each render cycle. When you pass an inline object as a prop, Reacts shallow comparison sees it as a different object every time, which triggers a re-render. Id recommend using useMemo to memoize the object.Caveman 模式20 tokenNew object ref each render, so React re-renders. Wrap the prop inuseMemo.同一份修复方案63 token 变 20。而更极端的档位还在后面/ultracave输出 14 token文言文模式/megacave输出 13 token见 README.md 中的对照表。但省 token只是表面。真正值得研究的是Claude Code 原生也能简洁为什么差距仍然存在原生简洁是一句提醒Caveman 是一套规则协议Claude Code 原生最接近简洁模式的做法就是在系统提示里加一句Answer concisely.。这是一条风格指令剩下全靠模型自觉发挥——模型确实会收敛但它依然保留问候、过渡句、章节小标题和如果你分享代码我可以帮你找到确切原因这类尾巴。Caveman 的做法完全不同。它以 SKILL.md 的形式注入了一套带约束的写作协议逐条规定什么必须删、什么绝不能动答案先行Answer first固定句式[thing] [action] [reason]. [next step].禁止开场白与Let me一句话一个观点以飞机维修手册规范 ASD-STE100 为底单句不超过 20 词、主动语态、一词一义否定词永不删冠词可以丢但not / never / no / only一个都不能少——丢一个否定词比省下所有 token 更贵载荷逐字保留代码块、命令、路径、API 名、错误信息逐字符不动知道何时打破规则遇到安全警告、不可逆操作、分步指令和困惑的用户立刻切回完整句然后继续压缩永不表演不加me think、不加Caveman:前缀如果口语化表达不比普通句更短就用普通句。这套协议还内置了发送前自检Pre-send check首句在预告计划删。末句在总结或主动帮忙删。所有否定词、代码片段、路径、数字是否原样在场有歧义的句子必须写成完整句。也就是说原生模式依赖模型领会精神Caveman 把简洁做成了可校验的格式约束——这正是两者在机制层面的第一层差异。同 prompt 双跑快照里的真实数字仓库里有一套严肃的评测 harnessevals/README.md用同一个 Claude Code、同一批 10 个开发问题在三种条件下各跑一遍——无系统提示__baseline__、仅Answer concisely.__terse__、Answer concisely. 技能规则skill。快照由 claude-opus-5-5 生成2026-10-02Claude Code 2.1.288并做了宿主隔离空临时目录、--strict-mcp-config、禁用用户插件与 CLAUDE.md避免外部变量污染任何一个对照臂。提交在仓库的 results.json 快照给出的是 10 题累计输出 token条件输出 token10 题合计无提示6,983Answer concisely.4,334/caveman4,119/ultracave2,693一个容易被忽略的事实是新模型本身已经懂简洁。README 的原话是New models already know be concise, so that line is the real baseline——所以Answer concisely那 2,649 token 的削减其实是模型能力的红利不是 Caveman 的功劳。真正诚实的对比是技能对 terse 基线的增量仓库自述 HONEST-NUMBERS.md 明确给出/caveman在中位数上只比说一句请简洁多省 3%而/ultracave多省 35%/megacave9%且噪声大官方明确不要宣称其收益。同样重要的是这些输出长什么样。以同一道 React 重渲染题为例快照中三臂的真实输出baseline一段带## How to stop it、编号列表、双代码块的 800 字长文Answer concisely.压缩到结构化 4 点但依然有标题、示例和结尾的If you share the component code, I can point to the exact cause/cavemanReacts default: when a parent re-renders, every child re-renders too... Wrap child inReact.memo. Keep prop references stable.../ultracaveReact default: parent render re-renders all children, even when props unchanged. Fix: wrap child inReact.memo...——去掉冠词、系动词和连接词只剩载荷/megacaveReact 之常也父重繪子皆隨之重繪不論 props 變否。results.json。快照评测方还划了一条诚实的边界token 计数只测输出长度不测语义保真度fidelity、延迟或跨模型行为且 tiktoken o200k 只是对 Claude 分词器的近似。换句话说更短不等于更好这正是下一节要谈的Caveman 为了保住更好做了什么。更深的差异Caveman 不止改说还改读原生简洁模式只作用于模型的输出风格对输入侧毫无干预——系统提示、工具定义、日志、CSV、JSON 照单全收。而 Caveman 的野心不止于此README 把它拆成两块——skill 负责压缩模型说的话本地代理proxy与引擎负责压缩模型读的内容。引擎是一个本地 Go 库docs/technical/engine.md核心是一条检测—变换—校验的流水线先识别输入形态JSON、日志、表格、HTML、源码、diff……再选择匹配的压缩器做变换只有结果更小且通过校验才输出压缩字节如果变换需要恢复原始内容则先把精确原文存入本地恢复存储失败就原样放行。典型实现是 TOON——一种无损 JSON 重编码器toon.go它对扁平对象数组采用紧凑表格语法只处理可证明可往返的子集任何不支持的形状直接原样通过绝不冒险改动语义toon_encode.go。效果有多夸张仓库实测CSV 28,041 → 314 token-98.9%、日志 22,810 → 348、YAML 20,447 → 178、JSON 18,837 → 281把六类文件放进完整 Claude Code 会话跑输入 token 累计下降 33.2%且18/18 个答案正确。下图是配套的caveman learn报告界面用于定位 token 都花在了哪里这套读侧压缩在原生模式里完全没有对应物。它把代理看到的世界本身变小了——不只是回答变短而是上下文占用整体变薄且任何原始文件都留在本地、可随时取回。这正是 Caveman 与一句简洁指令最根本的分野一个只约束表达一个优化整条 token 管线。工程实现一个插件如何接管 Claude Code从仓库的代理注册表agents/profiles/claude.json可以看到 Caveman 接入 Claude Code 的具体机制以skill-md格式把 SKILL.md 安装进~/.claude/skills同时通过环境变量注入ANTHROPIC_BASE_URL与ANTHROPIC_AUTH_TOKEN把模型调用改道到本地代理——wire protocol 仍是标准的 anthropic-messages所以 Claude Code 本身无感知再用claude-pretooluse命令钩子约束工具调用之间的自言自语让每次工具调用只留一行进出。这套注入方案同样适配 Codex、Gemini CLI、Cursor 等 30 代理安装矩阵见 INSTALL.md这也是额外装一个 Caveman在工程上几乎零侵入的原因。值得注意的还有压缩的另一面/caveman-compress技能会压缩CLAUDE.md、todo 这类记忆文件五组夹具平均省 46% 输入 token并把原始文件备份到仓库外的数据目录避免被技能自动加载器当作活文件重新吃掉SKILL.md。可见这套体系连代理的记忆文件都纳入了优化范围。什么时候值得装 Caveman一份反直觉的账单把 HONEST-NUMBERS.md 读完会发现这份仓库最硬核的部分不是炫技而是主动列出它输掉的场景按请求计费时完全无效GitHub Copilot 按 premiumrequests计费回答再短也是同一个请求Caveman 省不了任何积分规则注入有固定成本技能规则每次调用约增加 1,000 输入 token若输出本来就短如简单问答固定开销可能超过输出节省——有用户在 issue #145 实测净亏损会话级 A/B 会反向一次 Cursor 对照中开启 Caveman 的会话账单高达 4.3M token而未开启仅 1M耗时还翻倍issue #550虽未可复现但足以说明规则重注入、重试与缓存记账可以吞掉全部收益。结合前面的机制分析结论就清晰了场景原生简洁加装 Caveman输出冗长的长会话、按 token 计费有基础收益模型自带的简洁红利值得skill 多省 3%/ultracave多省 35%proxy 再压输入 33%简单问答、输出本就短够用不划算~1,000 token 规则开销可能反超按请求/积分计费Copilot等价无意义省 token ≠ 省请求代理需要读大量日志、CSV、JSON无对应能力核心价值输入侧 98% 压缩、18/18 答案正确安全敏感、多人工审阅保持完整句需谨慎Caveman 只在警告与不可逆操作时自动切回完整句仓库自己给出的行动建议也很朴素caveman trial -- claude在你自己的真实工作上跑一次 A/B用提供商的账单页对比同任务的开启前后总消耗——如果 Caveman 让同一任务的计费变贵就在该工作负载下关掉它。从 4 月的一个玩笑到如今 GitHub Trending #1、Hacker News 榜首、Adobe Research 引用其风格做成本研究、Elastic 与 JetBrains 各自实测JetBrains 结论是好玩且质量上无可测损失p 0.82Caveman 的星史一路陡峭上升回到开头的问题Claude Code 原生模式与 Caveman Mode 同样求简洁差在哪差在约束力、作用范围和诚实度——原生模式是一句由模型自由发挥的风格提醒Caveman 是一套可校验、可回溯、连输入侧都一起优化的协议而它的文档没有把省 65%当成万能卖点反而把净亏损的场景一条条列给你看。这正是它在爆火之后依然值得工程团队认真评估的原因它不承诺帮你省钱只承诺让每一分 token 都花在明处。【免费下载链接】caveman why use many token when few token do trick. Viral skill proxy for coding agents that cuts 65% of tokens by talking like a caveman.项目地址: https://gitcode.com/GitHub_Trending/caveman1/caveman创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考