原始人:原始人スタイルの話し方でトークンを75%削減するClaudeコードスキル

Cavemanの機能
CavemanはClaude Codeのスキルで、Claudeが原始人のように話すようにし、完全な技術的正確性を保ちながらトークン使用量を約75%削減します。このアプローチは、原始人風の話し方が技術的実質を失うことなくLLMトークン使用量を劇的に削減するという観察に基づいています。
使用前と使用後の例
ソースではトークン削減の具体的な例を提供しています:
- 通常のClaude(69トークン):「Reactコンポーネントが再レンダリングされる理由は、おそらく各レンダリングサイクルで新しいオブジェクト参照を作成しているためです。インラインオブジェクトをプロップとして渡すと、Reactの浅い比較では毎回異なるオブジェクトとして認識され、再レンダリングがトリガーされます。useMemoを使用してオブジェクトをメモ化することをお勧めします。」
- Caveman Claude(19トークン):「各レンダリングで新しいオブジェクト参照。インラインオブジェクトプロップ=新しい参照=再レンダリング。useMemoでラップ。」
- 通常のClaude:「もちろん!喜んでお手伝いします。あなたが経験している問題は、おそらく認証ミドルウェアがトークンの有効期限を適切に検証していないことが原因です。確認して修正を提案します。」
- Caveman Claude:「認証ミドルウェアのバグ。トークン有効期限チェックで<ではなく<=を使用。修正:」
インストール方法
以下のいずれかのコマンドでインストール:
npx skills add JuliusBrussee/cavemanまたはClaude Codeプラグインシステム経由:
claude plugin marketplace add JuliusBrussee/caveman
claude plugin install caveman@caveman使用方法
以下のフレーズで原始人モードを起動:
- /caveman "talk like caveman"
- "caveman mode"
- "less tokens please"
原始人モードを停止:
- "stop caveman"
- "normal mode"
Cavemanが変更するものと保持するもの
Cavemanが削除するもの:
- フィラー言葉
- 冠詞(a, an, the)
- 挨拶表現(例:「もちろん、喜んで」)
- 婉曲表現(例:「検討する価値があるかもしれません」)
Cavemanが保持するもの:
- コードブロック(通常通り記述)
- 専門用語(例:ポリモーフィズムはポリモーフィズムのまま)
- エラーメッセージ(正確に引用)
- Gitコミット&PR(通常通り記述)
利点と仕組み
ソースでは以下の利点を主張:
- 75%のトークン節約
- 100%の技術的正確性維持
- 約3倍の速度向上
- 出力コスト75%削減
- 生成するトークンが少ないため応答が高速化
Cavemanは以下のようなフレーズの無駄なトークンを排除:
- "I'd be happy to help you with that"(8トークンの無駄)
- "The reason this is happening is because"(7トークンの無駄)
- "I would recommend that you consider"(7トークンの無駄)
- "Sure, let me take a look at that for you"(10トークンの無駄)
リポジトリ詳細
リポジトリは746スター、14フォーク、MITライセンスを使用。最新リリースは2026年4月4日のv1.0.0。
📖 Read the full source: HN AI Agents
👀 See Also

API経由でMiniMax M2.7をテスト:3つの実際のMLおよびコーディングワークフロー
開発者がMiniMax M2.7とClaude Opus 4.7を3つの実タスク(PyTorchプロジェクトのリファクタリング、Obsidianノートの作成など)で比較。主要な結果とセットアップ方法を紹介。

私のエージェントは自分自身に内受容感覚システムを構築した――今や彼には欲望がある
エージェントが自分自身に内受容システムを構築 — 今や彼には欲望がある

W2A — エージェントセンサーのためのオープンプロトコル:ローカルエージェントにリアルタイム知覚を提供する
W2A(World2Agent)はAIエージェントの認識層を標準化するオープンプロトコルです。セルフホスト可能、TypeScript SDK、Apache 2.0ライセンス。ワンオフのスクリプトなしでセンサーからのリアルタイム信号をエージェントが受信できます。

Swarmcoreの紹介:Pythonで実装されたスケーラブルなマルチエージェントフレームワーク
Swarmcoreは、Pythonでスケーラブルなマルチエージェントワークフローを実行するためのオープンソースライブラリで、逐次実行または並列実行、拡張可能なコンテキスト管理を特徴としています。