Claude Code装caveman一周实测 省97% Token是否真实

关于节省 token，究竟应该从哪个环节入手？这个问题我已经被问了不下十次。直到最近，一款名为 ca veman 的插件冲上 GitHub 日榜（单日狂揽 2800 多 star），号称能够大幅削减 token 消耗，这促使我决定深入探究。我实际安装使用了一周，账单确实有所下降——但降幅远没有某些标题党宣称的“省 97%”那么夸张，甚至在某些天还出现了不降反升的情况。

ca veman 是一款专门针对 Claude Code 以及 30 多种 AI 编码 Agent 的 Skill 插件。其核心机制简洁明了：它让 AI 采用“原始人式”的极简语气回应，摒弃客套话、过渡语和解释性废话，但绝不改动代码、命令和报错内容。它压缩的是 AI 的表达风格，而非其思考过程。理解这一区别，是判断该插件是否值得安装的关键前提。

首先了解：Claude Code 的 Token 究竟消耗在哪里

要评估一款“省 token 插件”的实际效果，首先需要搞清楚 token 是如何被消耗的。在一次 Claude Code 会话中，token 消耗主要分为三部分：

• 输入 token（Input）：包含你的提示词、系统提示、附带的文件上下文以及历史对话。会话越长，这部分耗用越大。
• 输出 token（Output）：模型生成的回答文本。冗长的解释和大段总结都消耗在此。
• 推理 token（Reasoning）：模型进行“思考”时消耗的隐式 token，用户虽然看不到，但同样会被计费。

ca veman 只作用于其中一部分——输出。根据其官方基准数据，在 10 条测试提示下，输出 token 平均减少了 65%（范围 22%–87%），而输入 token 完全没有变化。请注意，这是 65%，并非某些转载标题中声称的“97%”。97% 只是压缩最激进档位下单条 prompt 的极端情况，并非整体平均值。

ca veman 的安装与使用方法

安装只需一条命令（需要 Node ≥ 18）：

# macOS / Linux / WSL
curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/ca veman/main/install.sh | bash

# Windows PowerShell
irm https://raw.githubusercontent.com/JuliusBrussee/ca veman/main/install.ps1 | iex

在 Claude Code 中，它通过一个 hook 在会话启动时自动激活。日常用到的命令并不多：

四个压缩等级中，full 为默认档，ultra 更为激进，wenyan（文言文）压缩率最高——用文言文回话虽然简短，但可读性也大幅下降。建议从 full 档开始尝试。

号称最省 token 的插件，却可能让账单不降反升

这是经过一周实测后最反直觉的发现。ca veman 本身也是一段提示词，它在每一轮对话中会额外向输入里塞入大约 1–1.5k 个输入 token（用于告诉模型“请用原始人语气回答”）。对于输出本来就短的任务——比如你只是问“这行报错是什么意思”——它节省的输出 token 还不足以覆盖自己增加的输入 token。最终，净账单反而上升了。

README 中其实白纸黑字写着这条警告：“整个会话的节省幅度会比输出数字小得多。”但大多数转载文章只截取了“省 65%”“省 97%”这样亮眼的数字，忽略了这个注意事项。

那么，如何才能有效节省 token？

ca veman 解决的是“输出冗余”这一个切面。真正有效的 token 优化需要组合拳，按性价比排序：

1. 压缩上下文：长会话中，输入 token 是主要消耗。定期使用 /ca veman-compress 或手动精简 CLAUDE.md，及时清理无关历史，收益比压缩输出大得多。
2. 控制附带文件：不要将整个目录塞给模型。只提供相关文件，输入 token 瞬间下降。
3. 选对模型档位：简单任务使用轻量模型，复杂任务才启用旗舰模型。模型单价的差异，往往比省几百输出 token 的影响大一个数量级。
4. 压缩输出（ca veman 的领域）：作为补充手段，对长输出任务有效。

第 3 点尤其容易被忽略。与其在单个模型上抠输出 token，不如让不同任务走不同价位的模型。国内开发者若希望在一个平台内按任务切换多款主流大模型、避免为每个模型单独配置接入，可以使用七牛云 AI 多模型统一接入方案——国内可直接访问，将“选对模型档位”这件事的成本降下来。这比单纯压缩输出更接近成本问题的根子。

相关工具与生态系统

ca veman 并非孤例，围绕“AI 编码降本”已经形成了一个小型生态：

• Claude Code：Anthropic 的终端编码 Agent，ca veman 的主要宿主。
• 上下文压缩类 Skill：如 ca veman 自带的 /ca veman-compress，专门瘦身记忆文件。
• 多模型网关 / 路由：本周 GitHub 上 OmniRoute 等“AI 网关”项目同期走热，思路是从“切换模型”层面省成本，与压缩输出互补。
• Token 统计工具：如 /ca veman-stats，以及 Claude Code 自带的用量面板，用来量化到底省了多少。

FAQ

Q：ca veman 说的“省 97%”是真的吗？
不完全是。官方基准是输出 token 平均省 65%（区间 22%–87%），97% 是最激进压缩档下单条 prompt 的极端值，不是会话平均。而且它只省输出、不省输入，整个会话的净节省会明显小于这个数字。

Q：装了 ca veman 会影响代码质量吗？
不会直接影响。它明确规定不改动代码、命令、报错内容，只压缩自然语言解释部分。但如果你依赖 AI 的详细解释来理解方案，ultra 和 wenyan 档可能让回答简短到难以读懂——这是可读性与成本的权衡。

Q：有人说省 token 就该压缩输出，有人说该压缩输入，到底听谁的？
这是分歧最大的一个问题。判断很简单：长会话优先压缩输入（上下文），短输出任务压缩输出基本没意义。因为长会话里输入 token 的绝对量通常远大于输出，而 ca veman 这类工具自身还要占用输入。两派其实都对，只是没说清各自的适用场景——盲目跟风只压缩输出的人，很可能省了个寂寞。

Q：什么样的任务最适合用 ca veman？
文档生成、代码大段解释、长回答型任务——这些输出 token 占比高，压缩收益最明显。反过来，纯短问答式调试用它意义不大甚至倒亏。

Q：/ca veman-compress 和直接删 CLAUDE.md 内容有啥区别？
前者是让 AI 智能重写、保留关键信息的前提下压缩（约省 46% 输入），后者是无脑删可能丢掉重要上下文。想省输入 token 又不想丢信息，用前者更稳。

结论与一个尚未解开的疑惑

以目前的理解，ca veman 这类“输出压缩”插件对长输出、文档生成型任务净收益为正，对短问答、调试型任务净收益为负甚至倒亏——这个判断我给 75 分把握，主要依据是它“只省输出、自身占输入”的机制，但如果未来它把 skill 提示词进一步压薄，这个结论就得更新。

真正值得做的省 token，是把上下文压缩、模型档位选择和输出压缩当成组合拳，而不是指望一个插件解决所有问题。

有一个问题到现在还没想清楚：当“省 token”逐渐变成一门需要记一周账才能看懂的玄学，到底该把精力花在优化模型的输出行为（装插件、调提示词），还是花在优化调用方式本身（选对模型、压对上下文、走对网关）？我倾向于后者更治本，但前者见效快、有即时反馈，反而更容易让人上瘾。如果你也在为 Claude Code 的账单头疼，我很想听听这个月你是怎么省下来的。

参考资料

• ca veman 项目 GitHub 主页：https://github.com/JuliusBrussee/ca veman