Cavernícola: Una Habilidad de Código de Claude que Reduce un 75% de Tokens Usando Habla al Estilo Cavernícola

✍️ OpenClawRadar📅 Publicado: 15 de abril de 2026🔗 Source
Cavernícola: Una Habilidad de Código de Claude que Reduce un 75% de Tokens Usando Habla al Estilo Cavernícola
Ad

Qué hace Caveman

Caveman es una habilidad de Claude Code que hace que Claude hable como un cavernícola, reduciendo aproximadamente el 75% de los tokens mientras mantiene la precisión técnica completa. El enfoque se basa en la observación de que el habla de cavernícola reduce drásticamente el uso de tokens de LLM sin perder sustancia técnica.

Ejemplos Antes y Después

La fuente proporciona ejemplos específicos de reducción de tokens:

  • Claude Normal (69 tokens): "La razón por la que tu componente de React se vuelve a renderizar probablemente se debe a que estás creando una nueva referencia de objeto en cada ciclo de renderizado. Cuando pasas un objeto en línea como prop, la comparación superficial de React lo ve como un objeto diferente cada vez, lo que desencadena un nuevo renderizado. Recomendaría usar useMemo para memorizar el objeto."
  • Claude Cavernícola (19 tokens): "Nueva ref objeto cada render. Prop objeto en línea = nueva ref = re-render. Envolver en useMemo ."
  • Claude Normal: "¡Claro! Me encantaría ayudarte con eso. El problema que estás experimentando probablemente sea causado por tu middleware de autenticación que no valida correctamente la expiración del token. Déjame echar un vistazo y sugerir una solución."
  • Claude Cavernícola: "Error en middleware auth. Comprobación expiración token usa < no <= . Solución:"

Instalación

Instala con cualquiera de estos comandos:

npx skills add JuliusBrussee/caveman

O a través del sistema de complementos de Claude Code:

claude plugin marketplace add JuliusBrussee/caveman
claude plugin install caveman@caveman
Ad

Uso

Activa el modo cavernícola con estas frases:

  • /caveman "hablar como cavernícola"
  • "modo cavernícola"
  • "menos tokens por favor"

Detén el modo cavernícola con:

  • "detener cavernícola"
  • "modo normal"

Qué cambia y qué mantiene Caveman

Caveman elimina:

  • Palabras de relleno
  • Artículos (un, una, el, la)
  • Cortesías (ej., "Claro, me encantaría")
  • Hedging (ej., "Podría valer la pena considerar")

Caveman mantiene:

  • Bloques de código (escribe normalmente)
  • Términos técnicos (ej., polimorfismo sigue siendo polimorfismo)
  • Mensajes de error (cita exactamente)
  • Commits de Git y PRs (escribe normalmente)

Beneficios y cómo funciona

La fuente afirma estos beneficios:

  • 75% de tokens ahorrados
  • 100% de precisión técnica mantenida
  • ~3x aumento de velocidad
  • 75% menos costo en salida
  • Respuestas más rápidas debido a menos tokens que generar

Caveman elimina tokens desperdiciados en frases como:

  • "Me encantaría ayudarte con eso" (8 tokens desperdiciados)
  • "La razón por la que esto sucede es porque" (7 tokens desperdiciados)
  • "Recomendaría que consideres" (7 tokens desperdiciados)
  • "Claro, déjame echar un vistazo a eso por ti" (10 tokens desperdiciados)

Detalles del repositorio

El repositorio tiene 746 estrellas, 14 bifurcaciones y usa la licencia MIT. La última versión es v1.0.0 del 4 de abril de 2026.

📖 Read the full source: HN AI Agents

Ad

👀 Ver también

Puntos de Referencia de Rendimiento de LLM Local en Mac Mini con OpenClaw y LM Studio
Herramientas

Puntos de Referencia de Rendimiento de LLM Local en Mac Mini con OpenClaw y LM Studio

Un usuario de Reddit publicó cifras de rendimiento para ejecutar el modelo Unsloth gpt-oss-20b-Q4_K_S.gguf localmente en un Mac Mini con 32 GB de RAM, logrando 34 tokens/segundo con un tiempo de 0.7 segundos para el primer token usando OpenClaw 2026.3.8 y LM Studio 0.4.6+1.

OpenClawRadar
Warp Terminal se convierte en código abierto con un entorno de desarrollo agéntico
Herramientas

Warp Terminal se convierte en código abierto con un entorno de desarrollo agéntico

Warp ahora es de código abierto, renombrándose como un entorno de desarrollo agéntico con un agente de codificación integrado y soporte para traer tus propios agentes CLI como Claude Code, Codex y Gemini CLI.

OpenClawRadar
Resultados de Referencia: El Sistema de Enjambre de Agentes Claude con Memoria Muestra un Ahorro de Costos de Tokens del 30-43%
Herramientas

Resultados de Referencia: El Sistema de Enjambre de Agentes Claude con Memoria Muestra un Ahorro de Costos de Tokens del 30-43%

Un desarrollador probó un enjambre de 6 agentes Claude en una tarea de codificación de 40 puntos con y sin un sistema de memoria personalizado llamado Stompy. Los resultados muestran que Sonnet 4.6 con memoria obtuvo puntuaciones perfectas por $3.98 frente a $7.04 sin memoria, mientras que Haiku 4.5 falló completamente sin memoria pero obtuvo 39/40 con ella.

OpenClawRadar
Flujo de trabajo eficiente utilizando Claude Code: Planificación antes de la ejecución
Herramientas

Flujo de trabajo eficiente utilizando Claude Code: Planificación antes de la ejecución

Boris Tane aprovecha Claude Code con un enfoque estructurado de planificación, centrándose en la investigación y planificación detalladas para mantener el control sobre las decisiones arquitectónicas.

OpenClawRadar