caveman

Vista general del skill caveman

Qué hace caveman

caveman es un estilo de respuesta ultracomprimido para asistentes de IA. Elimina relleno, cortesías, artículos, matices débiles y frases largas, pero conserva la precisión técnica, el código, los errores citados y los conceptos con nombre propio. Encaja mejor con usuarios que quieren respuestas técnicas densas, menor uso de tokens, lectura más rápida o un “modo breve” persistente durante una conversación.

La función real del skill caveman: reducir el tamaño de las respuestas del asistente sin volverlas vagas. El skill original apunta a una reducción aproximada del 75% en tokens cambiando la forma de la respuesta, no quitando contenido sustantivo.

Usuarios y flujos de trabajo donde mejor encaja

Usa caveman cuando ya conoces el dominio y quieres respuestas directas: notas de revisión de código, opciones de implementación, hipótesis de depuración, recordatorios de CLI, resúmenes de tradeoffs de arquitectura o actualizaciones de estado compactas. Es especialmente útil en sesiones largas de Claude, donde el estilo normal del asistente tiende a volver a una prosa amable y sobreexplicada.

Este skill caveman también sirve para Rewriting: pega texto verboso y pide compresión en estilo caveman manteniendo intactos comandos, nombres de API, mensajes de error y bloques de código.

Qué diferencia a este skill caveman

Además del SKILL.md principal, este repo incluye herramientas prácticas de validación:

• scripts/caveman_compressor.py aplica compresión basada en reglas sin llamadas a LLM.
• scripts/caveman_lint.py revisa relleno prohibido, matices débiles, cortesías y frases verbosas.
• scripts/token_savings_estimator.py estima ahorro de tokens y costos.
• references/when_caveman_backfires.md documenta casos en los que conviene pausar la compresión.

Ese soporte hace que el skill caveman sea más instalable que un simple prompt de “sé conciso”, porque define persistencia, manejo de excepciones y comprobaciones medibles de salida.

Cómo usar el skill caveman

Instalación de caveman y archivos que conviene leer primero

Instala con:

npx skills add alirezarezvani/claude-skills --skill caveman

Luego revisa la carpeta del skill:

engineering/caveman/skills/caveman

Lee en este orden:

1. SKILL.md — frases de activación, regla de persistencia, estilo de compresión.
2. references/compression_principles.md — qué se recorta y qué debe quedarse.
3. references/when_caveman_backfires.md — excepciones de seguridad y claridad.
4. references/companion_tooling.md — uso de scripts y flujo de validación.
5. scripts/caveman_lint.py — categorías exactas de vocabulario prohibido.

Este orden te ayuda a entender tanto el comportamiento como los límites antes de depender del skill caveman en conversaciones de producción.

Cómo invocar caveman en la práctica

Actívalo de forma natural con frases como:

• “Use caveman.”
• “Caveman mode.”
• “Be brief, less tokens.”
• “Rewrite this in caveman style.”
• /caveman

El comportamiento importante: una vez activado, caveman persiste en las respuestas hasta que digas “stop caveman” o “normal mode.” Eso lo vuelve útil para una sesión completa de depuración, pero riesgoso si olvidas que sigue activo antes de pedir instrucciones con matices.

Ejemplo de prompt sólido:

Use caveman. Review this migration plan. Keep SQL, table names, and rollback commands exact. Compress commentary. If any step is destructive, drop caveman for that warning only.

Por qué es mejor: le dice al skill qué debe preservar y reconoce la excepción automática por claridad.

Entradas que mejoran la salida de caveman

Dale a caveman reglas claras de preservación. Comprime el lenguaje, no los requisitos. Entradas útiles:

• Formato objetivo: viñetas, notas de diff, checklist, commit message, resumen de incidente.
• Elementos que deben preservarse: bloques de código, stack traces, nombres de API, texto legal, errores citados.
• Audiencia: senior engineer, PM, on-call responder, principiante.
• Nivel de riesgo: resumen seguro vs acción irreversible.

Prompt débil:

Make this shorter.

Mejor prompt:

Caveman for Rewriting. Compress this support reply to half length. Preserve exact error text, URLs, CLI commands, and refund policy wording. Remove pleasantries and hedging.

Uso de los scripts complementarios

Los scripts usan solo Python stdlib y pueden ejecutarse directamente desde el directorio del skill.

Comprimir texto:

python scripts/caveman_compressor.py --file input.txt

Revisar una respuesta con lint:

python scripts/caveman_lint.py --file response.txt --output json

Estimar ahorro:

python scripts/token_savings_estimator.py --file input.txt --price-per-mtok 3.00

Estas herramientas son útiles cuando quieres compresión repetible fuera del chat, o cuando quieres verificar que una respuesta de IA siguió realmente las reglas de caveman en lugar de ser simplemente “corta.”

FAQ del skill caveman

¿caveman es solo un estilo de escritura gracioso?

No. La voz de “smart caveman” es un mecanismo de compresión: fragmentos, artículos omitidos, sinónimos breves, flechas para causalidad y menos tokens sociales. El skill no busca volver primitivo el contenido técnico. Los términos técnicos exactos se mantienen.

¿Cuándo no debería usar caveman?

Evita o pausa temporalmente caveman para advertencias de seguridad, confirmaciones irreversibles, contenido legal o médico de alto riesgo, o secuencias de varios pasos donde fragmentos demasiado breves puedan hacer que se lea mal el orden. La propia referencia de backfire del repo marca operaciones destructivas y solicitudes de aclaración como zonas de excepción.

Buen patrón:

Use caveman, except write full warnings for destructive commands.

¿En qué es mejor caveman que “be concise”?

“Be concise” queda poco especificado y suele degradarse después de algunos turnos. El skill caveman define activación persistente, reglas concretas de eliminación, patrones de abreviación, preservación de código y casos de excepción. El linter incluido también te da una forma de comprobar cumplimiento en lugar de confiar en la autoevaluación del modelo.

¿caveman es apto para principiantes?

Puede serlo, pero solo si el principiante pide excepciones de claridad. caveman puro puede eliminar conectores explicativos que los principiantes necesitan. Para aprender, usa:

Use caveman for summary bullets, but explain new concepts normally first.

Así mantienes el ahorro de tokens sin convertir material desconocido en fragmentos crípticos.

Cómo mejorar el skill caveman

Haz que caveman preserve lo importante

Los mejores resultados vienen de nombrar lo que no debe comprimirse. Dile al asistente que conserve exactamente:

• Bloques de código y código inline
• Mensajes de error
• Advertencias de seguridad
• Procedimientos ordenados
• Nombres de API, paquetes, clases, tablas y campos
• Redacción legal, de precios o de políticas

La compresión debe quitar el relleno alrededor del contenido, no mutar el contenido mismo.

Fallos comunes a vigilar

Vigila cuatro problemas:

1. Sobrecompresión: la respuesta se vuelve ambigua.
2. Compresión insuficiente: el asistente sigue usando cortesías y relleno.
3. Compresión insegura: advertencias o pasos destructivos quedan demasiado escuetos.
4. Daño de formato: se alteran código, comandos o citas.

Usa scripts/caveman_lint.py para detectar compresión insuficiente. Usa revisión humana para ambigüedad y seguridad, porque un linter no siempre puede saber cuándo la falta de contexto cambia el significado.

Itera después de la primera salida

Después de la primera salida en caveman, refina con instrucciones específicas en lugar de pedir un reintento genérico:

• “More compressed, keep all command flags.”
• “Restore full sentence for warning only.”
• “Use numbered steps; order matters.”
• “Remove hedging unless evidence-backed.”
• “Keep acronyms expanded on first use.”

Esto mantiene controlado el uso de caveman: compacto donde es seguro, explícito donde hace falta.

Extiende caveman para estándares de equipo

Si usas caveman en un equipo, añade reglas locales junto al skill: abreviaturas aprobadas, dominios donde caveman está prohibido, formatos de salida preferidos y ejemplos de compresión aceptable. Ejecuta el compressor y el token estimator sobre documentos reales del equipo antes de adoptarlo, para saber si el ahorro justifica el tradeoff de legibilidad.