GitHub 开发者 Julius Brussee 推出了一个名为"Caveman"的 Claude Code 技能插件。该工具基于一种观察：大语言模型使用拟古语（即“穴居人语”）能大幅减少令牌消耗，同时保留完整的技术准确性。数据显示，启用该模式后，令牌使用量可减少约 75%，而代码逻辑和技术细节依然精准无误。 安装过程极为简便，仅需一行命令或集成至 Claude Code 插件系统即可。用户可通过触发指令启动“穴居人模式”，使用“停止穴居人”或“普通模式”指令随时切换回正常对话。该工具的核心机制是剔除冗余词汇，不再使用冠词、寒暄语和模棱两可的修饰词，但严格保留技术术语、代码块内容和错误信息的原始准确性。例如，在撰写代码、提交 Git 记录或解释技术概念时，它会直接输出核心内容，避免无意义的铺垫。 这种模式不仅显著降低了 Token 使用量，从而节省计算成本和费用，还提高了沟通效率。开发者可以以更少的字符获取同样的技术解答。项目采用 MIT 开源许可证，免费向公众开放。该工具的推出反映了当前 AI 应用中对成本优化和效率提升的迫切需求，证明了在保持智能水平的前提下，简化语言输出是一种行之有效的方法。对于需要频繁调用大模型且对成本敏感的开发团队而言，这一工具提供了一个极具吸引力的优化方案。