AI提示词优化：原始人skill减少50%-75% token消耗

1. 原始人skill：如何减少50%-75%的token消耗

最近在技术社区发现一个很有意思的技巧，叫做"原始人skill"。这个方法的核心理念是让AI助手（如Claude）在回复时只输出最核心的技术内容，去掉所有礼貌性用语、多余的解释和客套话。实测下来，这种方法可以显著减少50%-75%的token消耗。

1.1 实现原理

这个技巧的实现方式很简单：在CLAUDE.md文件中添加一条规则："像原始人一样回复，只说结果，不废话，不客套"。这条指令会强制AI模型：

1. 删除所有开场白和结束语
2. 省略解释性文字
3. 直接给出技术要点
4. 不添加任何过渡性语句

举个例子，普通模式下AI可能会说："您好！关于您提到的Python列表排序问题，我可以提供以下建议：首先，我们可以使用sorted()函数..."。而在"原始人模式"下，输出会变成："使用sorted()函数：sorted(list, key=lambda x: x[1])"。

1.2 开源实现

有人基于这个思路开发了一个名为"caveman"的开源项目（GitHub地址：https://github.com/JuliusBrussee/caveman）。这个工具的主要功能包括：

• 预设优化提示词模板
• 自动删除冗余内容
• 保留技术核心信息
• 支持多种AI模型

使用方式也很简单，安装后只需在命令后添加--brief参数即可。这让我想起编程时常用的--quiet或--brief选项，确实是从源头控制输出的好方法。

2. 适用场景与注意事项

2.1 最佳使用场景

这种"原始人模式"特别适合以下情况：

1. 已知问题求解：当你明确知道要问什么，只需要具体答案时
2. 代码片段获取：需要快速获得可运行的代码块
3. 参数查询：查找某个函数或命令的具体参数用法
4. 批量处理：需要大量获取简洁回复的场景

2.2 不适用场景

但要注意，这种方法并不适用于所有情况：

1. 探索性任务：当你在探索新领域时，模型的"废话"里可能包含重要推理过程
2. 学习新知识：解释性文字对初学者很有价值
3. 复杂问题：需要分步讲解的问题
4. 创意工作：需要发散思维的任务

重要提示