省token神器3天狂揽4.1k星，19岁小哥开发，信息无损最高省87%

信息无损Token最高节省87%，一款省Token神器正在GitHub蹿红

最近，GitHub上有个项目火了。短短三天，全靠社区口口相传，总星数就冲到了4.1K，增长曲线堪称“旱地拔葱”。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

这事儿连项目作者，一位19岁的开发者都感到意外，直呼没想到。最初，这只是他花十分钟随手写的一个“玩笑”。

之所以称为“玩笑”，是因为这个名为“ca veman”（山顶洞人）的项目，原理实在简单得有点“粗暴”：有时候，话少反而更对。

没错，这个为Claude Code/Codex等AI编程助手设计的插件，核心目标就是让智能体“像山顶洞人一样说话”——说白了，就是言简意赅。

效果有多明显？看个对比就知道了。面对同一个技术问题，普通Claude可能会给出这样一段解释：

（翻译）你的React组件之所以会重新渲染，很可能是因为你在每次渲染周期中都创建了一个新的对象引用。当你将一个内联对象作为prop传递时，React的浅层比较会认为它每次都是一个不同的对象，从而触发重新渲染。我建议你使用 useMemo 来缓存该对象。

而启用ca veman后，回答会变得相当精炼：

（翻译）每次渲染都会创建新的对象引用。内联对象作为prop传递=新的引用=触发重新渲染。用useMemo包裹起来即可。

初步测试显示，它在保持技术准确性分毫不差的同时，能将输出Token减少约75%。

不仅如此，项目还附带一个工具，可以压缩用户的记忆文件，从而将每次会话的输入Token也减少约45%。

目前，在支持skills的环境中，安装这个插件只需一行命令：

npx skills add JuliusBrussee/ca veman

“有时少数Token就够了”

让AI学会“说重点”来节省Token，这个想法其实并非新鲜事。

项目作者提到，今年3月的一篇论文就发现：通过简洁性约束（强制简短回答），大模型的准确率提升了26个百分点。更惊人的是，在数学推理和科学知识基准上，这种约束甚至完全逆转了性能层级——原本小模型占优的局面，被大模型反超。

ca veman的诞生，正是基于这样一个日益清晰的共识：“山顶洞人式表达”能大幅削减大语言模型的Token消耗，同时不损伤技术内容的实质。

来看一组更直观的对比：

执行同一个代码修复任务，普通Claude用了69个Tokens，而ca veman模式仅需19个。Token节省率约75%，且任务理解和解决方案的给出完全不受影响。

那么，它是如何做到“无损压缩”的呢？根据作者说明，ca veman会完整保留所有技术性内容：

代码块、行内代码、URL、文件路径、命令、标题、表格结构、日期、版本号等。任何技术性内容都保持原样通过，只有自然语言文本会被压缩。

换句话说，被“优化”掉的，主要是那些不必要的客套和冗余表述。（顺带一提，之前Claude Code一句“你好”可能就消耗掉13%的额度。）

用户还可以自由控制简洁程度，从轻度到极致，共有三档可选：

• Lite：仅删除客套话和明显废话，保留基本语法结构。
• Full：标准“山顶洞人”模式。省略冠词，句子以关键词片段为主，偶尔搭配简短语气词。
• Ultra：极致压缩，能省则省。

实际节省效果如何？作者在真实的Claude API上进行了可复现的测试，涵盖了10个不同类型的开发任务：

包括解释React重渲染bug、修复认证中间件Token过期问题、设置PostgreSQL连接池、解释git rebase与merge的区别、重构回调为async/await等。

结果显示，Token节省范围在22%到87%之间，平均节省高达65%。

不过，作者也特别提醒了一点：ca veman仅影响输出Token，模型的思考/推理过程所使用的Token不受影响。用个比喻来说就是：

ca veman不会让大脑变小，它只是让嘴巴变小。最大的胜利在于提升了输出的可读性和响应速度，成本节约反而是额外的好处。

安装方式非常简单：

对于Cursor、Copilot、Windsurf、Claude Code这类工具，在支持skills的环境下，一行命令即可：

npx skills add JuliusBrussee/ca veman

如果想指定安装到某个具体的智能体，可以这样操作：

npx skills add JuliusBrussee/ca veman -a cursor
npx skills add JuliusBrussee/ca veman -a copilot
npx skills add JuliusBrussee/ca veman -a cline
npx skills add JuliusBrussee/ca veman -a windsurf

Claude Code用户还可以通过插件市场安装：

claude plugin marketplace add JuliusBrussee/ca veman
claude plugin install ca veman@ca veman

Codex的安装稍显麻烦，需要先克隆仓库，在项目中打开Codex，然后通过/plugins搜索Ca veman进行手动安装。

安装完成后，只需选择ca veman模式，或直接对AI说“像ca veman那样说话”、“请少用一些Token”，就能召唤出言简意赅的“山顶洞人”助手。想切换回正常模式，说一句“stop ca veman”即可。

背后是一位年仅19岁的开发者

更有意思的是ca veman的作者本人。

Julius Brussee，今年19岁，目前是荷兰莱顿大学数据科学与人工智能专业的大一学生。

虽然刚入大学，但他已经是经验丰富的“老手”了。2025年1月，他创办了Revu Labs，开发了一款名为Revu的原生macOS学习应用。这款应用能自动将用户上传的PDF转化为学习材料，并利用类似多邻国的智能算法安排复习，背后由多个智能体协同工作，且保证数据完全本地化。

随后，在参加埃因霍芬理工大学创新大赛期间，他又构建了一个企业级知识管理平台Stacklink。这个平台需要整合公司散落在Google Docs、Slack、Notion等各处信息，统一建立索引，并特别考虑了应对AI幻觉的问题。

最近，他还联合创办了Pitchr公司，担任产品与技术负责人。这家公司的产品方向让人会心一笑——专注于开发AI演讲辅助平台，帮助用户更好地展示PPT。

此外，据Julius自己补充，他此前还创办过Locked In（一款集成NFC的iOS生产力应用，首周留存率达100%）和Neurabridge（一家曾获《经济学人》报道的AI咨询公司）。

然而，正是这样一个接连打造多个严肃项目的开发者，却对ca veman的意外走红感慨良多。这个随手写的“玩笑”火了，而花费数月精心打磨的项目却未获得同等关注。

大家都很喜欢ca veman这个功能。人们纷纷安装，我笑得前仰后合。 但这里有个没人谈论的事情——我花了几个月时间认真做的项目，在同周也获得了认可，但关注程度却没那么高。我并非抱怨，只是在观察。 传播的关键在于共鸣，那个梗打开了门。真正的工作在背后。

ca veman争议也不少

当然，ca veman的走红不单是因为“让AI像原始人说话”这个有趣的梗，随之而来的也有一些争议。

讨论主要集中在两点：

1. 它节省的主要是输出Token，而真正占大头的成本往往是上下文输入Token。
2. 强制大模型输出更简洁，是否会导致其“变笨”或性能下降？

对此，作者本人在Hacker News评论区亲自回应，进行了一番“叠甲式”说明：

这项技能并不是为了减少隐藏的推理/思考Token。Anthropic自己的文档建议更多的思考预算可以提高性能，所以我不会提出相反的观点。 它所针对的是可见的完成内容：更少的开场白，更少的填充内容，更少的精致但非必要的文本。因此，由于完成后的输出被“原始化”了，代码完全没有受到这项技能的影响。 公平的批评是，我“~75%”的READM数据来自初步测试，而非严格的基准测试。这应该更谨慎地表述，我现在正在做一个正式的评估。

翻译一下核心意思：降低成本只是附带效果；减少的是非必要的“废话”Token，因此通常不会影响智商；ca veman只是一个有趣但应用范围可能较窄的想法，未来需要更精确的基准测试。

这也与部分社区用户的观察结论不谋而合：

因为有趣和真正聪明地减少了输出Token而获得A+。 但它不是降低总成本的灵丹妙药，可能会让Claude的智商下降几个点。

所以，这个让AI学会“说重点”的插件，究竟实际体验如何？或许只有试过的人才知道答案了。

项目地址：https://github.com/JuliusBrussee/ca veman

参考链接：

[1]https://news.ycombinator.com/item?id=47647455

[2]https://www.reddit.com/r/ClaudeAI/comments/1sble09/taught_claude_to_talk_like_a_ca veman_to_use_75/