🚀 拒绝 AI 废话，效率翻倍！团队 AI 提效神器：Caveman

各位小伙伴，在日常开发中使用 AI（Cursor / Claude / Copilot 等）时，你是否有过这样的体验：

• 问一个简单的报错，AI 先跟客套半天：“这是一个非常好的问题！发生这个错误的原因是...”

• 让 AI 看一段代码，输出了三屏文字，其中两屏都是格式化的总结和废话

• 消耗了大量的 Token，不仅生成速度慢，还要从文字海洋里扒拉真正的代码

今天向大家推荐一个轻量级的 AI 提效插件 / 提示词策略 —— Caveman（穴居人模式），帮我们彻底过滤 AI 废话，直奔技术主题

💡 什么是 Caveman？

📊 效果对比：普通 AI vs Caveman 模式

提问：Explain what an API is.

普通 AI 回复 (冗长)	Caveman 模式回复 (极简)
“Hello! An API, or Application Programming Interface, is a set of rules and protocols... Think of it like a waiter in a restaurant who takes your order to the kitchen...” (耗时长，占用 200+ Tokens)	API like waiter. You order food, waiter fetch from kitchen, give to you. Pass data between apps. Done. (瞬间生成，仅占 20 Tokens)

---

🔥 核心功能一览

1. 日常开发问答 (/caveman)

无论查报错、问语法还是写函数，AI 都会给出极其干练的输出，拿来即用，绝不拖泥带水。

2. 高效代码审查 (/caveman-review)

在提交 PR 或进行 Code Review 时，使用 /caveman-review，AI 会使用结构化的风险级别前缀为你输出干货建议，拒绝“老好人”式的平庸评价：

• 🔴 bug：破坏性缺陷 / 导致崩溃的错误（必须修复）
• 🟡 risk：潜在隐患 / 逻辑漏洞（建议关注）
• 🔵 nit：代码风格 / 命名规则（微调建议）
• ❓ q：对代码逻辑或架构意图的提问

Review 效果示例： 🔴 bug: Line 42 handles undefined improperly. Will throw TypeError. 🟡 risk: Missing await on db.commit() at line 78. Potential race condition. 🔵 nit: Rename x to userData for clarity.

---

🛠️ 如何在项目中一键开启？（以 Cursor 为例）

为了让全团队无缝使用，最推荐的方式是在项目中增加配置文件：

步骤：

在项目的根目录下新建文件 .cursorrules（或 .cursor/rules/caveman.mdc），粘贴以下配置并保存：

---
description: Caveman mode for token saving and fast responses
alwaysApply: true
---
Talk like a caveman. 
Strip all filler, introductions, hedging, and pleasantries. 
Keep code, shell commands, paths, and technical accuracy 100% exact. 
Use short fragments. Maximum token efficiency.

开启新对话后，Cursor 将自动全局应用 Caveman 极简模式！

---

团队已经用了 RTK，为什么还需要 Caveman

不少关注 Token 优化的同学会问：“我们团队已经在用 RTK (Rust Token Killer) 压缩命令行输出了，还有必要用 Caveman 吗？”

答案是：非常必要！两者是“输入 vs 输出”的强强联合，配合使用才能实现收益最大化。

维度	RTK (Rust Token Killer)	Caveman
控制环节	管“输入” (Input Context)	管“输出” (Output Generation)
处理对象	拦截并压缩 Shell 命令的冗余输出（如 git status、pytest、cargo test 的无用日志）	约束 AI 的语言和思维方式，彻底剥离生成的客套、总结与废话
成本/速度	减少 AI 接收的内容量，防 Context 撑爆	减少 AI 生成的内容（Output Token 单价通常比 Input 贵 3~5 倍，且直接决定了生成耗时！）
场景覆盖	依赖 Agent 频繁执行终端命令的场景	纯对话问答、代码重构、Code Review、架构讨论等全场景

💡 一句话总结：

• RTK 让 AI “少看废话”（工具输出降噪）。
• Caveman 让 AI “少说废话”（模型回答提纯）。
• 单用 RTK 无法阻止 AI 给你回一段长篇大论，“RTK + Caveman” 组合才是真正的 360° 无死角省 Token 方案。

---