AI的“廢話文學”，終於有人忍不了了

AI 生成回覆愈來愈「周到」，卻也讓許多開發者愈來愈不耐煩。無論是請求一行正規表達式、詢問 Bug 修復方法，還是只改一個標點符號，AI 總會先洋洋灑灑寫上好幾段鋪陳，再補上「當然！我很樂意幫您解決這個問題」之類的客套話。看著 API 餘額不斷下降，終於有人忍不住出手——一個名為 Caveman（穴居人）的開源項目在 2026 年上半年爆紅，GitHub 上累積超過 86,000 顆星，長期盤踞 Trending 榜單。 Caveman 的開發者 Julius Brussee 寫下了一段簡單到令人發笑的系統提示詞：要 AI 像山頂洞人一樣說話。刪掉「the」「please」「thank you」等不影響技術含義的人類客套，只保留程式碼、技術術語與報錯資訊。根據開發者提供的基準測試，這個看似玩笑的插件平均能省下 65% 的輸出 Token。專案主頁上用兩句話點出核心精神：「why use many token when few token do trick」（為啥要用那麼多 Token，少點 Token 不就行了）與「Brain still big. Mouth small.」（腦子還在，嘴變小了）。 Caveman 並非新模型或推理層的優化，它本質上是一條精心設計的系統提示詞，支援 Claude Code、Codex、Gemini、Cursor、Windsurf、Cline、Copilot 等超過 30 個平台。安裝後，AI 的回覆風格從溫文儒雅的英倫管家，變成能說三個詞絕不說四個的原始人。它並不會讓模型變笨，技術資訊與程式碼區塊必須保留；但冠詞、語氣填充詞、客套話、猶豫性表達一律砍掉，並鼓勵使用短句與碎片句，優先選用更短的同義詞——說「大」而不是「龐大」，說「修」而不是「實施一個解決方案」。推薦的句式結構為：「[問題][動作][原因]。[下一步]」。 對比一下就能看出差別：正常 AI 會寫「The reason your React component is re-rendering is likely because you are creating a new object reference on each render cycle... I would recommend using useMemo to memoize the object.」而 Caveman 模式只回：「New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo.」技術資訊完全傳達，字數卻大幅縮水。 Caveman 提供了五個壓縮級別，加上預設的 normal agent 共六檔，可隨時透過指令切換。其中一個名為「wenyan」的模式尤其有趣——它要求 AI 用文言文回覆，因為中文本身比英文更省 Token，文言文又將每個字的資訊密度推到極致。Julius Brussee 說明，Caveman 不會改變使用者的語言，你說中文它就壓縮中文，說日文就壓縮日文；只有 wenyan 模式故意用文言文來獲得最大壓縮比。 除了說話模式，Caveman 還內建一系列實用命令：/caveman-commit 可生成 50 字以內的 Conventional Commit 訊息，只說「為什麼」而不說「做了什麼」；/caveman-review 產生一行式的 PR 評論；/caveman-stats 即時統計 Token 使用量與累計節省量；/caveman-compress 則能把記憶檔案（如 CLAUDE.md）改寫成 Caveman 風格，讓每次會話都省下輸入 Token。安裝過程只需一條 curl 指令，大約 30 秒鐘，支援 Node.js 18 以上。在 Claude Code、Codex 與 Gemini 上，Caveman 從第一條訊息開始預設開啟，狀態欄會顯示累計節省的 Token 數量。 Caveman 的爆紅，與其說是技術突破，不如說是開發者社群長期累積的情緒爆發。在 Hacker News、Reddit、推特上，抱怨 AI「話癆」早已成為一種亞文化：「我花 15 美元/100 萬 Token 的價格，就是為了看 AI 跟我道歉和寒暄？」「求求你不要再對我說 Certainly! Here is the...，直接給我報錯或者給我程式碼行不行？」「因為要改一個標點，它把整個檔案重新輸出了一遍，我差點破產。」這些抱怨反映出一個結構性矛盾：AI 模型越強大，回覆就越「周到」，越喜歡把話講完整、講漂亮；但對每天與 AI 打交道的程式設計師而言，這種「周到」全是噪音，每一句「我很樂意幫您」背後都是白花花的銀子。 不過，若以為裝了 Caveman 就能讓 API 帳單砍掉 65%，可能會失望。作者在文件中誠實標註：「Honest number warning. Caveman only shrinks output tokens. Input and reasoning tokens are untouched.」端到端的真實成本節省遠沒有 65% 那麼誇張，因為 Caveman 不影響模型的 Hidden Reasoning Tokens——那些 AI 在「思考」階段的 Token 消耗，才是 Claude Code 等工具的成本大頭，而且加載 Skill 本身還會多耗約 1~1.5k 的輸入 Token。即便如此，Caveman 的價值依然明顯。對許多開發者來說，「省錢」只是附加效果，真正的痛點是「AI 話太多，讀起來太累」。Caveman 帶來的是閱讀體驗的解放：AI 不再像剛入職的實習生每句話都要鋪墊，而是像經驗豐富的老同事直接說重點。 簡潔甚至可能幫助準確。2026 年 3 月一篇論文《Brevity Constraints Reverse Performance Hierarchies in Language Models》測試了 31 個模型，發現對大型模型施加簡潔約束後，在某些基準測試上準確率提升了約 26 個百分點。有時候，說得少確實說得對。 Caveman 早已不只是單一插件。作者圍繞它搭建了整套工具鏈：caveman-shrink 可壓縮任何 MCP Server 的工具描述；cavecrew-investigator、builder、reviewer 三組子 Agent 內建 Caveman 風格的壓縮邏輯；caveman-code 能將編碼 Agent 流程的輸出 Token 壓至原生的一半。此外還有 cavemem、cavekit、cavegemma 等面向不同場景的生態工具。專案持續演進，README 已標註 Caveman 2 正在開發，目標是讓 Token 節省變得可證明、可驗證。 隱私方面，Caveman 做得相當徹底：無遙測、無分析、無帳號、無後端伺服器，安裝後零網路呼叫，所有處理都在本地完成。這種剋制在今天的開源項目中並不多見。商業方面，專案由全模態 AI 推理平台 Atlas Cloud 贊助。這些跡象指向同一個方向：下一代 AI 工具的競爭，不再是「誰更會說話」，而是「誰在更少的 Token 裡傳遞了更多價值」。Agent 不需要漂亮的介面和禮貌的寒暄，它要的是結構化輸入、結構化輸出、可程式化的介面。 Caveman 看似只是一個讓 AI 說「人話」的玩笑插件，但它踩中的是 AI 從「人機交互」走向「機機交互」的時代脈搏。Julius Brussee 在 Hacker News 上解釋做 Caveman 的原因時說：「我受夠了 AI 的廢話。」這句話大概也是 86,000 多顆星背後，每一位開發者的心聲。Caveman 不會讓你的 AI 變聰明，但它會讓你的 AI 更「懂事」。在這個 Token 就是金錢的時代，少說廢話，本身就是一種美德。