上个月，我正在运行一个复杂的多智能体工作流。智能体们在协作、调试代码和规划功能。逻辑是通的，但我的API账单却不对劲。我看着Token计数器随着每一次礼貌、冗长的交互而攀升。诸如“当然，我很乐意为您提供帮助！”和“让我提供一个全面的概述”这样的短语正在吞噬我的预算。核心的技术信息是存在的，但它被埋在了层层对话性的废话之下。我需要一种方法，让我的智能体以最高效率沟通，剥离掉所有非必要的信息。
这是任何使用大语言模型进行构建的人都会遇到的常见痛点。你为每一个Token付费，无论是输入还是输出。冗长的回答、模棱两可的语言和不必要的客套话，都会直接转化为更高的成本和更慢的响应时间。问题不在于模型是错的，而在于它效率低下。一个好的解决方案应该保留所有的技术准确性——每一个代码片段、每一个API名称、每一个精确的错误信息——同时无情地剔除那些不增加价值的填充词和句子结构。它会让沟通变得密集而直接。
问题所在：智能体通信中的Token膨胀
当你像在智能体循环中那样，将多个大语言模型调用链接在一起时，Token使用量会成倍增加。一个智能体的单个冗长响应，会成为下一个智能体的输入上下文，这种膨胀会不断累积。以下是通常发生的情况：
- 礼貌的开场/结束语： “当然！”、“没问题！”、“希望这有帮助！”这些增加了Token，却没有提供任何信息价值。
- 模棱两可的语言： “可能有可能...”、“你可以尝试...”在需要直接性的地方引入了不确定性。
- 不必要的冠词和填充词： “一个”、“这个”、“只是”、“真的”、“基本上”这些词填充了句子，却没有改变意思。
- 冗长的同义词： 使用“实施一个解决方案”而不是“修复”，或者“利用”而不是“使用”。
- 叙述动作： 在实际执行之前说“让我现在为你查阅文档...”。
这种冗长性通常根植于模型的训练中。它被设计得乐于助人且善于对话。但对于智能体之间的通信，或者对于优先考虑效率的用户来说，这种默认风格是一个成本中心。你需要一种方法来系统地覆盖它。
介绍“穴居人”技能：一种简洁的通信协议
这就是“穴居人”技能的用武之地。它不是一个模型或工具，而是一种结构化的提示技术，指示大语言模型采用一种超压缩的沟通风格。可以把它想象成一个你可以激活的“Token节省模式”。核心思想很简单：像穴居人一样说话。去掉所有填充词，使用句子片段，采用简短的同义词，但保留每一项技术实质。
这个技能定义在一个 SKILL.md 文件中，你可以将其集成到智能体的系统提示中，或直接用作指令。这是一套为模型遵循的、经过策划的规则。以下是它执行的关键转换：
普通回答： “当然！我很乐意为您提供帮助。您遇到的问题很可能是由身份验证中间件中的竞态条件引起的。让我解释一下...”
穴居人回答： “Bug in auth middleware. Race condition. Token expiry check use < not <=. Fix:”
第二个版本更短、更直接，并且包含了相同的关键信息。该技能支持不同的强度级别，从温和的“lite”模式（只去除填充词）到完整的“caveman”模式（使用句子片段并省略冠词）。
“穴居人”模式如何运作：核心规则
该技能的有效性来自于一套清晰、可执行的规则。激活后，模型被指示：
- 删除非必要词汇： 去掉冠词（一个/这个）、填充词（只是/真的/基本上）和客套话（当然/没问题/乐意之至）。
- 使用句子片段： 不需要完整的句子。“New object ref each render. Wrap in
useMemo.” 是可以接受的。 - 使用简短同义词： 用“大”代替“广泛”，用“修复”代替“实施一个解决方案”。
- 保持技术精确性： 所有代码块、API名称、CLI命令、错误字符串和技术缩写（DB, API, HTTP）都必须原样保留。不发明新的缩写。
- 保持语言： 压缩应用于风格，而不是语言。如果用户用西班牙语写作，回答就是简洁的西班牙语穴居人风格，而不是强行使用英语。
该技能还包含一个自动清晰化的安全功能。对于关键通信，如安全警告、不可逆操作确认，或者当压缩风格可能产生歧义时，它会自动恢复到更清晰的标准风格。这可以防止效率提升导致误解。
何时使用（以及何时不使用）此技能
这个技能是一个工具，像任何工具一样，它有理想的使用场景，也有不适合的情况。
最佳使用场景
- 智能体间通信： 当多个AI智能体协作时，简洁的通信可以减少上下文窗口膨胀和成本。
- 调试与错误分析： 当智能体解析日志或错误信息时，你希望输出是直接的发现，而不是关于过程的叙述。
- 代码生成与审查： 对于输出主要是代码片段、命令或技术规范的任务。
- 注重Token的工作流： 任何API成本是首要考虑因素的应用，例如高吞吐量处理或使用免费额度。
- 偏好信息密度的用户： 开发者或技术用户，希望快速获取信息，不需要对话式的铺垫。
应避免使用的情况
- 面向客户的聊天机器人： 在那里，语气、同理心和礼貌是用户体验的一部分。
- 创意写作或头脑风暴： 在那里，流畅性、叙事性和探索性语言是有价值的。
- 向新手解释复杂概念： 在那里，需要循序渐进、温和的指导。“lite”模式可能是一个折中方案。
- 当用户明确想要对话式风格时。
为你的工作流评估此技能
在集成此技能之前，你应该检查以下几点：
- 仓库信号： “穴居人”仓库拥有超过72,000个星标，表明了社区的极大兴趣和认可。许可证是“Before/After”，你应该查阅以了解其条款。安全级别标记为“低”，这对于不执行代码的提示技能来说是典型的。
- 兼容性： 用你的目标模型测试该技能。
SKILL.md中的示例是为Claude等模型量身定制的，但其原理是通用的。运行几个测试提示，看看你的模型对这种风格的遵循程度如何。 - 强度级别： 决定哪个级别适合你的需求。“Lite”是一个安全的起点。“Full”是经典的穴居人模式。“Ultra”用于最大压缩，会缩写散文词汇（但从不缩写代码符号）。还有“wenyan”变体用于文言文压缩。
- 集成上下文： 你将如何使用它？你可以将核心规则附加到智能体的系统提示中。你可以创建一个触发短语，如“/caveman”或“use caveman”来按需激活。该技能设计为一旦激活就会持续，直到用“stop caveman”明确关闭。
结论
“穴居人”技能是一种针对真实问题——大语言模型Token效率低下——的实用、基于规则的方法。它不是万能药，而是一种严格的沟通协议。通过指示模型剥离对话性废话，同时保护技术准确性，你可以实现显著的Token节省——正如技能文档中描述的，可能高达75%。这直接转化为在智能体密集型工作流中更低的成本和更快的交互。
如果你的智能体太啰嗦，你的账单在攀升，那么这个技能值得研究。它是一套经过策划的提示规则，强制执行一个新的默认值：只沟通重要的事情。你可以在“穴居人”技能页面找到完整的规范和实施细节。先在非关键工作流中测试它，选择正确的强度级别，看看Token节省是否能证明为你的用例改变沟通风格是合理的。