Cavernícola: Uma Habilidade de Código do Claude que Corta 75% dos Tokens Usando Fala Estilo Caverna

O que o Caveman Faz
Caveman é uma habilidade do Claude Code que faz o Claude falar como um homem das cavernas, cortando aproximadamente 75% dos tokens enquanto mantém total precisão técnica. A abordagem é baseada na observação de que a fala de homem das cavernas reduz drasticamente o uso de tokens de LLM sem perder a substância técnica.
Exemplos Antes e Depois
A fonte fornece exemplos específicos de redução de tokens:
- Claude Normal (69 tokens): "O motivo pelo qual seu componente React está sendo renderizado novamente provavelmente é porque você está criando uma nova referência de objeto em cada ciclo de renderização. Quando você passa um objeto inline como prop, a comparação superficial do React o vê como um objeto diferente a cada vez, o que aciona uma nova renderização. Eu recomendaria usar useMemo para memorizar o objeto."
- Claude Caveman (19 tokens): "Nova ref objeto cada render. Prop objeto inline = nova ref = re-render. Envolver em useMemo ."
- Claude Normal: "Claro! Ficaria feliz em ajudá-lo com isso. O problema que você está enfrentando provavelmente é causado pelo seu middleware de autenticação não validar corretamente a expiração do token. Deixe-me dar uma olhada e sugerir uma correção."
- Claude Caveman: "Bug no middleware auth. Verificação expiração token usa < não <= . Corrigir:"
Instalação
Instale com um destes comandos:
npx skills add JuliusBrussee/cavemanOu através do sistema de plugins do Claude Code:
claude plugin marketplace add JuliusBrussee/caveman
claude plugin install caveman@cavemanUso
Ative o modo caveman com estas frases:
- /caveman "falar como homem das cavernas"
- "modo caveman"
- "menos tokens por favor"
Pare o modo caveman com:
- "parar caveman"
- "modo normal"
O que o Caveman Muda e Mantém
Caveman remove:
- Palavras de preenchimento
- Artigos (um, uma, o, a)
- Cumprimentos (ex: "Claro, ficaria feliz em")
- Hesitações (ex: "Pode valer a pena considerar")
Caveman mantém:
- Blocos de código (escreve normalmente)
- Termos técnicos (ex: polimorfismo permanece polimorfismo)
- Mensagens de erro (cita exatamente)
- Commits do Git & PRs (escreve normalmente)
Benefícios e Como Funciona
A fonte afirma estes benefícios:
- 75% de tokens economizados
- 100% de precisão técnica mantida
- Aumento de velocidade de ~3x
- 75% menos custo na saída
- Respostas mais rápidas devido a menos tokens para gerar
Caveman elimina tokens desperdiçados em frases como:
- "Ficaria feliz em ajudá-lo com isso" (8 tokens desperdiçados)
- "O motivo pelo qual isso está acontecendo é porque" (7 tokens desperdiçados)
- "Eu recomendaria que você considerasse" (7 tokens desperdiçados)
- "Claro, deixe-me dar uma olhada nisso para você" (10 tokens desperdiçados)
Detalhes do Repositório
O repositório tem 746 estrelas, 14 forks e usa a licença MIT. A versão mais recente é v1.0.0 de 4 de abril de 2026.
📖 Read the full source: HN AI Agents
👀 See Also

Dois Padrões para Prevenir a Degradação da Memória de Agentes de IA: AutoDream e Recuperação Cética
O OpenClaw introduz dois padrões licenciados pelo MIT para lidar com a deterioração da memória baseada em arquivos em IA: o AutoDream para consolidação noturna da memória e o Skeptical Retrieval para pontuação de memória ponderada por deterioração. Ambos trabalham juntos em um ciclo de autoaperfeiçoamento para manter o contexto do agente atualizado.

Qwen 3.6 27B alcança velocidade 2,5x com decodificação especulativa MTP no llama.cpp
Um usuário do Reddit relata inferência 2,5x mais rápida no Qwen 3.6 27B usando decodificação especulativa MTP com um PR personalizado do llama.cpp, alcançando 28 tok/s no Mac M2 Max 96GB. Inclui quants GGUF pré-convertidos e templates de chat corrigidos.

Sistema de Memória Baseado em Arquivos do Claude Code: Uma Alternativa Pragmática aos Bancos de Dados Vetoriais
O Claude Code implementa um sistema de memória baseado em arquivos usando arquivos .md com metadados frontmatter e um índice MEMORY.md, evitando bancos de dados vetoriais e pipelines de embedding ao escanear arquivos, construir manifestos e usar um modelo pequeno para selecionar memórias relevantes.

Nakkas MCP Server Gera SVGs Animados a partir de Descrições de IA
Nakkas é um servidor MCP onde a IA constrói configurações completas de SVG animado a partir de descrições, renderizando SVGs animados limpos com formas, gradientes, animações e filtros. Ele suporta curvas paramétricas, 15 predefinições de filtro, animações CSS @keyframes e SMIL, e funciona em qualquer lugar onde SVG seja renderizado.