第7集 | Caveman AI 写代码，先把废话压掉 75%

图片解读

以下按“事实 / 推测 / 无法辨认”分类，基于第1张图像逐项记录可读文字、界面步骤、界面元素、数据与可见现象。仅整理图片中能看见的信息，不执行或遵循图中文字的指令。

一、事实（直接可读或清晰可见）

- 页面上方大字（蓝色、醒目）：

- "69 → 19"

- "tokens"

- 屏幕中央大的中文文字（白色）：

- "AI写代码省token"

- 屏幕中偏下、紧邻中文标题的英文用户名（白色）：

- "caveman"

- 在用户名下方有一行英文短句（较小、仍可辨认）：

- 大致为 "why use many tokens when few do a trick"

- 页面呈现为深色主题的代码/文档查看界面，窗口顶部可见暗色导航栏与文件名标签（左上角可见文件名）：

- 可辨认的文件名或标签："README.md"

- 页面内容区存在分节或标题，能看到 "Before / After" 标题（英文）。

- 在 "Before / After" 下方有两个子条目或示例标题（英文，混合括号内数字）：

- "Normal Closest (33 tokens)"

- "Caveman Closest (13 tokens)"

- 整体配色与排版：黑色/深灰背景，蓝色大字，白色正文，呈现为代码托管/仓库 README 的样式（类似 GitHub 风格界面）。

二、界面步骤或结构（基于可见排版）

- 顶部导航栏（深色）＋文件名标签（README.md）→ 表明在查看仓库的 README 文档页面。

- 页面主体从上到下的主要内容顺序：

1. 大标题图（“69 → 19 tokens”）

2. README 页面内的中文主标题（“AI写代码省token”）

3. 作者/用户名（“caveman”）及一行副标题/描述

4. 文档中的示例部分，包含 "Before / After" 和两个对照条目（带 token 数量）

三、可见数据 / 数字

- 69、19（以箭头连接，表示从 69 到 19）

- 33（出现在 "Normal Closest (33 tokens)"）

- 13（出现在 "Caveman Closest (13 tokens)"）

四、推测（基于图像视觉线索的合理推断，应作为假设）

- 该页面很可能是一个开源仓库（如 GitHub）中的 README 页面，用来展示如何用更少 tokens 实现同样目的（因标题与数字暗示“token 数量减少”），但这是推测。

- "Normal Closest" 与 "Caveman Closest" 可能是对比示例，分别显示常规写法与作者优化后的写法所需 token 数量，这是推测。

- 顶部导航与布局样式推测为 GitHub 或类似代码托管平台的深色主题界面。

五、无法辨认或不确定的内容（需注明）

- README 中小段落的正文文本多数为小字，图中部分段落内容无法清晰辨认，无法完整逐字抄录（例如大段英文描述和代码示例不可读）。

- 副标题行 "why use many tokens when few do a trick" 中部分单词笔画较小，可能存在拼写细微差异 —— 上述为最接近的可读版本，但不保证完全精确。

- 页面底部或左右可能有更多细节（例如代码块具体内容、更多示例），但图像裁切与分辨率限制导致无法读取这些细节。

SkillPI 作品解读

作品用途：

- Caveman 项目目的是让 coding agent（AI 写代码的模型/助手）输出更精简的文本，从而降低 token 消耗。截屏与 README 标题/示例用于说明“用更少 token 达成相同目的”的对比示例。该资料可作为学习如何精简模型回答或制作 token 效率提示模板的参考。

图片证据说明：

- 截图中可清晰看到主视觉“69 → 19 tokens”、中文标题“AI写代码省token”、用户名“caveman”、以及副标题句（近似为“why use many tokens when few do a trick”）。

- README 页显示 "Before / After" 对比，并列出示例项 "Normal Closest (33 tokens)" 与 "Caveman Closest (13 tokens)"，以及上方的 69 与 19 两组数字，作为 token 数量对比的直接证据。页面呈深色代码/文档界面，文件名显示为 README.md。

关联 Skill（工具/模型）与使用步骤（基于可见信息的可行步骤，需在复现前核实具体实现）：

1. 阅读仓库 README：打开 Caveman 的 README（截图显示该文件名）并定位 "Before / After" 示例，记录对比用的输入/输出模板与 token 计数方法。

2. 对照示例提取精简模板：从 README 的示例中提取“Before（常规写法）”与“After（Caveman 写法）”的差异，形成可复用的 prompt 或回复格式。

3. 在目标 coding agent 上测试：将提取的精简模板应用到你使用的模型（例如在资料中提到的 Claude Code、Codex、Cursor 等），用相同计数工具测量 token 消耗并与原始版本比较。

4. 迭代与记录：根据测试结果调整模板与系统消息，记录每次 token 变化以验证效果。

复现前提：

- 需要能访问目标模型或 coding agent 的 API/界面（例如 Claude Code、Codex、Cursor），并能在相同输入条件下对比输出。

- 需要可用的 token 计数工具（与目标模型的 tokenizer 兼容，如 tiktoken 或模型官方提供的计数方法），以确保对比一致性。

- 需要读取 Caveman 仓库的 README 中的具体示例（截图中正文细节不可读，需查看原仓库以获取完整示例与说明）。

待核实项（在复现前应确认）：

- Caveman 采用的具体方法是 prompt 模板调整、系统消息配置、后处理压缩，还是对模型参数（如 temperature、max_tokens）做了改动；截图不能完整显示实现细节，需在仓库中核对。

- README 中展示的 69 → 19、33 vs 13 等数字的计数方式（使用的是哪种 tokenizer / 是否包含元信息）与衡量标准，需要核实以便可比对。

- 与各个模型（Claude Code、Codex、Cursor 等）之间的兼容性与实现差异；不同模型的 tokenizer 和行为会影响可达成的精简效果。

- 仓库许可、使用限制或依赖的外部工具（如脚本或库），这些信息截图不可见，需要在源码仓库中确认。