Claude防话痨插件爆火 网友受够AI废话直呼实用

最近，Hacker News社区被一个叫“ca veman”（xue居人）的Claude Code插件给刷屏了。这事儿挺有意思，一个看似简单的工具，短短半天内GitHub star数就从几十飙升至500，如今已经冲破了2万大关。

先看这张图，感受一下它的热度曲线。

从增长轨迹来看，项目“JuliusBrussee/ca veman”在初期经历了一段漫长的平缓期，随后便迎来了近乎垂直的爆发。这张更详细的图表清晰地记录了它从默默无闻到一夜爆红的全过程。

一个宣称能“省Token”的插件能如此火爆，背后反映的其实是一种广泛的社区情绪共鸣。它精准地戳中了一个让无数开发者早已不堪其扰的痛点——“AI废话（AI Yap）”。

很快，就有网友将其誉为“2026年最厉害的提示词技巧”，因为它能砍掉那些浪费在“我很乐意帮你”这类客套话和冗长铺垫上的token。

那么，这个插件究竟做了什么？它的核心理念简单到有些粗暴：让AI智能体像原始xue居人一样说话。

具体来说，就是删掉“the”、“please”、“thank you”这些不影响技术含义、却不断吞噬token的“人类客套语”。

项目出自开发者Julius Brussee之手。他在项目README里抛出的问题非常直接：为什么能用少量token说清楚的事，非要动用那么多token？

这是一款同时适配“Claude Code”和“Codex”的技能插件。其核心思路是在不牺牲技术准确性的前提下，将输出压缩到极致，声称可将token消耗降低约75%。

但问题也随之而来：仅仅删掉冠词和礼貌用语，真能为用户省下四分之三的成本吗？

扒开SKILL.md：网友傻眼，就这？

ca veman到底是怎么“省”的？打开它的核心文件SKILL.md，内容确实不长。

文件的frontmatter直接将其定义为“超压缩通信模式”，并写明目标是通过像xue居人一样说话来降低token用量。当用户说出“ca veman mode”、“talk like ca veman”等关键词或调用“/ca veman”命令时，该模式便会启用。

其节省token的规则简单粗暴：不用冠词，不说废话，别客气；技术术语和代码块保留，其他能砍就砍。具体包括：删除冠词、语气填充词、客套话、犹豫性表达；允许使用短句和碎片句；优先使用更短的同义词；技术术语必须精确；代码块和报错信息原样保留。

它推荐使用“[问题][动作][原因]。[下一步]。”这样的句式。例如，不要写：“当然！我很乐意帮你。你遇到的问题，很可能是由……引起的……”，而要写成：“Bug在认证中间件。Token过期判断用了<，没用<=。改这里：”

插件支持三档强度：lite、full（默认）和ultra。lite档仅去掉填充词，保留完整句子；full档进一步压缩，允许碎片句；ultra档则大量使用缩写，并尽量去掉连接词。

当然，遇到安全警告、不可逆操作确认或多步骤流程时，清晰表达仍然优先。这也是SKILL.md里明确写出的例外逻辑。

说到底，ca veman没有改动任何模型架构或推理机制，它的本质就是一条精心编写的system prompt，用于约束AI的输出风格。更关键的一点是，作者本人在Hacker News的讨论帖中主动澄清，这个技能不针对hidden reasoning tokens和thinking tokens。

这意味着，模型在后台“思考”的过程并不会因此变短，它主要压缩的是最终说出来的那部分。此外，Anthropic的最新文档提到，技能的名称和描述本身就会占用上下文预算。换句话说，加载ca veman这个技能本身就要消耗token。因此，端到端的真实成本节省，很可能达不到README里那个醒目的“75%”。

README里的75%，到底靠不靠谱？

从仓库公开内容看，作者确实提供了基准测试脚本，并在README里列出了多项任务的token对比数据，节省区间从22%到87%不等，平均约为65%。

但作者在HN帖子中也表示，这只是初步测试，并非严格的基准测试。不过，“简洁表达是否会伤害AI性能”这个问题，学术界确实已有相关研究。

例如，2024年的论文《The Benefits of a Concise Chain of Thought on Problem-Solving in Large Language Models》指出，当要求模型使用更简洁的推理链时，GPT-3.5和GPT-4的平均回答长度下降了48.70%，而整体解题能力未受明显影响，尽管GPT-3.5在数学题上的表现平均下降了27.69%。

2026年的论文《Brevity Constraints Reverse Performance Hierarchies in Language Models》则进一步发现，在部分基准测试中，对大模型施加简洁约束，其准确率可提升26个百分点，甚至可能改变不同规模模型之间原本的性能排序。

这些研究为“简洁未必伤性能”提供了理论背景。但必须说清楚，它们研究的是“简洁”作为通用提示策略的效果，并非对ca veman这个具体项目的专项评测。README引用这些研究，最多只能说明其思路有据可循，不能直接当作项目自身效果的严格验证。

Claude Code的插件生态开始起来了

ca veman能火，还有一个重要的背景原因：Anthropic已经为Claude Code提供了相对完整的技能与插件机制。

根据官方文档，开发者只需创建一个SKILL.md文件，Claude就能将其识别为技能。其中，description字段决定何时自动加载，name字段则会变成可直接触发的斜杠命令。

文档还明确了插件级技能的路径结构。而在ca veman仓库中，确实能看到.claude-plugin、plugins/ca veman、skills/ca veman等目录，这说明它并非一个停留在“几句提示词”层面的玩具，而是按照Claude Code的官方机制包装出来的正式扩展。

这意味着，开发者确实可以通过一个SKILL.md文件，在不改动模型底层的前提下，改变Claude Code在特定任务中的调用方式和输出风格。这有点像早期VS Code扩展生态的雏形：先有一批轻量甚至带点玩笑性质的扩展冒出来，随后才逐渐演化出更严肃、更细分的工作流工具。

开发者苦AI废话久矣

回到最初的问题：ca veman到底有没有用？如果把它当成一个严格意义上的“省钱工具”，那需要保持谨慎。它压缩的只是可见的输出文本，并不触及hidden reasoning tokens，而后者往往才是Claude Code成本的大头。再加上技能本身也会占用上下文，端到端算下来，真实节省大概率到不了75%。真正想优化token成本，关键战场在于模型分层调用、上下文窗口管理、提示词工程和缓存策略。

但ca veman真正值得关注的地方，不在于它是否提供了完美解决方案，而在于它本身就是一个强烈的信号。当一个开发者把“让AI少说废话”这件事做成插件，放到GitHub上，被上千人认真讨论并在HN爆火，事情的重点就已经变了。它说明，AI工具的冗长，不再是一个可以忍受的小毛病，而是严重到用户开始自己动手修正的程度。

实际上，开发者们的情绪早已“破防”。去各大社区看看，满屏都是对AI废话的哀叹：“我只需要两行正则代码，它非要给我写5个自然段的正则历史散文”；“求求你别再对我说‘Certainly! Here is the…’了，直接给我报错或者代码不行吗？”。在Hacker News上，这种抱怨更是直接与使用成本挂钩：“我简直是在花15刀/100万Token的价钱，来阅读AI对我的道歉和寒暄。”“只因为要改一个标点，它竟然把整个800行的文件重新输出了一遍，看着API余额肉眼可见地往下掉，我都快破产了。”

当大家宁愿让AI像“山顶洞人”一样说话，也不愿继续为冗余输出付费时，真正应当反思的或许是那些主流AI厂商。为什么直到今天，他们还没有把“输出克制”做成一种基础能力？是时候别总盯着算力生意，认真想想用户到底为什么越来越受不了这些没必要的输出了。