Caveman ：2026 年最厉害的提示词技巧
Caveman ：2026 年最厉害的提示词技巧


Caveman 是一款近期在开发者圈子里引发广泛关注的开源插件，由开发者 Julius Brussee 创建。它的核心思路非常直接：让 AI 编程助手像“山顶洞人”一样说话，用最少的词汇传递最精准的信息。这个项目在 GitHub 上迅速获得了数万 Star，并被许多开发者评价为“2026 年最厉害的提示词技巧”之一。

主要功能

Caveman 的本质是一套经过精心设计的提示词规则，以插件或技能的形式嵌入到 AI 编码助手中。它的核心任务是在不牺牲任何技术准确性的前提下，大幅压缩 AI 输出的 Token 数量。

输出压缩：Caveman 会删除 AI 回复中的所有客套话、填充词、连接词和过渡句。例如“当然，我很乐意帮助您”、“这是一个很好的问题”这类礼貌性表达会被完全移除。与此同时，所有代码块、命令行、文件路径、API 名称、报错信息、函数名等技术细节会被原样保留。实测数据显示，开启 Caveman 后输出 Token 平均减少约 65%，在部分任务中最高可达 87%。

多级压缩强度：Caveman 提供了多个压缩等级供用户按需选择。

  • Lite（轻量版） ：删除填充词和犹豫表达，保留完整句子结构和正常书面感，适合需要专业但简洁输出的场景。

  • Full（全量版） ：默认模式，省略冠词和虚词，允许使用碎片句和短词替代，是典型的“山顶洞人”风格。

  • Ultra（极简版） ：极致压缩，大量使用缩写（如 DB、auth、config）和箭头表达因果关系。

  • Wenyan（文言文版） ：用文言文回话，利用汉字的高信息密度实现 80%-90% 的字符压缩。

智能降级机制：Caveman 并非在所有场景下都保持压缩模式。当遇到安全警告、不可逆操作确认、多步骤指令等容易因碎片化表达而产生歧义的情况时，它会自动切换回正常语言模式，完成关键信息传递后再恢复压缩状态。

配套工具链：除了核心的对话压缩功能，Caveman 还提供了一整套辅助工具。

  • /caveman-commit：生成符合 Conventional Commit 规范的提交信息，主题不超过 50 个字符，强调“为什么改”而非“改了什么”。

  • /caveman-review：将 PR 评论压缩成单行风格，直指问题行和修复方向。

  • /caveman-compress <file>：重写记忆文件（如 CLAUDE.md），将这些每次会话都会被加载的长期上下文文档压缩成 Caveman 风格，可减少约 45% 的输入 Token。

  • /caveman-stats：统计真实会话的 Token 使用量、累计节省和成本。

安装方法

Caveman 支持 Claude Code、Codex、Gemini、Cursor、Windsurf、Cline、Copilot 等 30 多种 AI 编码 Agent。安装方式因平台而异。

一键安装（推荐） ：适用于 macOS、Linux、WSL 和 Git Bash，在终端中执行以下命令即可自动检测并安装到所有支持的 Agent：

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

Windows 用户（PowerShell 5.1+）使用：

powershell
irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex

安装过程大约需要 30 秒，需要 Node.js 版本 ≥ 18。安装脚本会跳过未安装的 Agent，重复运行也是安全的。

单独为特定 Agent 安装：

  • Claude Code：

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

  • Gemini CLI：

bash
gemini extensions install https://github.com/JuliusBrussee/caveman

  • Cursor / Windsurf / Cline 等（通过 skills 注册表）：

bash
npx skills add JuliusBrussee/caveman -a cursor

应用场景

高频代码开发：对于每天要与 AI 编码助手进行数十次甚至上百次交互的开发者来说，每一次对话中 AI 的客套话都在累积消耗 Token。Caveman 将每次回复中的冗余信息剥离，让开发者更快获取核心答案。

CI/CD 流水线中的 AI 集成：在自动化流程中集成 AI 辅助时，Token 消耗是需要精打细算的成本项。Caveman 的输出压缩能力可以显著降低这类场景下的 API 费用。

长会话调试与问题排查：当调试任务需要多轮对话、上下文不断累积时，每一轮输出中的废话都会推高整体成本。Caveman 的压缩机制让长会话的整体 Token 消耗得到有效控制。

技术文档与规范编写：Caveman 的压缩风格特别适合技术规格文档、架构决策记录等技术性写作场景，能让 AI 生成的文档更加精炼、重点突出。

使用案例

案例一：Bug 修复

普通模式下，让 AI 检查一段认证中间件的代码，可能会得到这样的回复：“当然！我很乐意帮您解决。您遇到的问题极有可能是因为您的身份验证中间件没有正确校验 Token 的过期时间。让我为您检查一下并提供修复建议。”

开启 Caveman（full 模式）后，同样的任务得到的回复是：“Auth 中间件有 Bug。过期校验该用 <= 而不是 <。修复如下：”信息没有任何遗漏，但阅读效率大幅提升。

案例二：React 重渲染问题排查

普通模式下 AI 的解释：“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。”

Caveman（full 模式）的回复：“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。”同样的技术内容，Token 数量从 69 个降至 19 个。

案例三：代码审查

使用 /caveman-review 命令对 PR 进行审查时，Caveman 会生成类似这样的单行评论：“L42: bug: user null. Add guard.”直接指出问题所在的行号、问题类型和修复方向，无需阅读大段的解释性文字。

案例四：生成提交信息

使用 /caveman-commit 命令生成的提交信息遵循 Conventional Commit 规范，主题不超过 50 个字符，强调修改的意图而非罗列修改的文件清单。例如：“fix(auth): token expiry check use <= not <”

注意事项

Caveman 只压缩 AI 的可见输出文本，不影响模型的推理 Token。在 API 定价中，输入和输出的单价不同，且长会话中输入 Token 的绝对量往往更大。Caveman 自身作为一段提示词，每轮对话会增加约 1-1.5k 个输入 Token。对于输出本来就很短的任务（如简单的“这行报错什么意思”），它节省的输出 Token 可能无法覆盖自身增加的输入成本。因此，Caveman 最适合输出较长的任务，如代码生成、文档编写、复杂问题解释等场景。