caveman

Visão geral do caveman skill

O que o caveman faz

caveman é um estilo de resposta ultracomprimido para assistentes de IA. Ele corta enchimento, cortesias, artigos, ressalvas fracas e formulações prolixas sem perder precisão técnica, código, erros citados e conceitos nomeados. Melhor uso: usuários que querem respostas densas de engenharia, menor consumo de tokens, leitura mais rápida ou um “modo breve” persistente ao longo da conversa.

A função real: deixar a saída do assistente menor sem torná-la vaga. O skill upstream mira cerca de 75% de redução de tokens mudando o formato da resposta, não omitindo substância.

Usuários e fluxos de trabalho ideais

Use caveman quando você já conhece o domínio e quer respostas diretas: notas de code review, opções de implementação, hipóteses de debug, lembretes de CLI, resumos de tradeoffs de arquitetura ou atualizações de status compactas. Ele é especialmente útil em sessões longas com Claude, quando o estilo normal do assistente tende a voltar para uma prosa educada e explicada demais.

Este caveman skill também é útil para Rewriting: cole um texto prolixo e peça compressão em estilo caveman mantendo comandos, nomes de API, mensagens de erro e blocos de código inalterados.

O que torna este caveman skill diferente

Além do SKILL.md principal, este repo inclui ferramentas práticas de validação:

• scripts/caveman_compressor.py aplica compressão baseada em regras sem chamadas a LLM.
• scripts/caveman_lint.py verifica enchimento proibido, hedging, cortesias e frases prolixas.
• scripts/token_savings_estimator.py estima economia de tokens e custo.
• references/when_caveman_backfires.md documenta casos em que a compressão deve ser pausada.

Esse suporte torna o caveman skill mais instalável do que um simples prompt de “seja conciso”, porque define persistência, tratamento de exceções e checagens mensuráveis da saída.

Como usar o caveman skill

Instalação do caveman e arquivos para ler primeiro

Instale com:

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

Depois inspecione a pasta do skill:

engineering/caveman/skills/caveman

Leia nesta ordem:

1. SKILL.md — frases de ativação, regra de persistência, estilo de compressão.
2. references/compression_principles.md — o que cortar vs. o que precisa ficar.
3. references/when_caveman_backfires.md — exceções de segurança e clareza.
4. references/companion_tooling.md — uso dos scripts e fluxo de validação.
5. scripts/caveman_lint.py — categorias exatas de vocabulário proibido.

Essa ordem ajuda você a entender tanto o comportamento quanto os limites antes de depender dele em conversas de produção.

Como acionar o caveman na prática

Acione naturalmente com frases como:

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

O comportamento importante: depois de acionado, o caveman persiste nas respostas até você dizer “stop caveman” ou “normal mode.” Isso o torna bom para uma sessão inteira de debug, mas arriscado se você esquecer que ele está ativo antes de pedir instruções com nuances.

Exemplo de prompt forte:

Use caveman. Revise este plano de migração. Mantenha SQL, nomes de tabelas e comandos de rollback exatos. Comprima os comentários. Se alguma etapa for destrutiva, suspenda caveman só nesse aviso.

Por que é melhor: ele diz ao skill o que preservar e reconhece a exceção automática de clareza.

Entradas que melhoram a saída do caveman

Dê ao caveman regras claras de preservação. Ele comprime a linguagem, não os requisitos. Entradas úteis incluem:

• Formato-alvo: bullets, notas de diff, checklist, mensagem de commit, resumo de incidente.
• Itens que precisam ser preservados: blocos de código, stack traces, nomes de API, texto jurídico, erros citados.
• Público: engenheiro sênior, PM, responsável de plantão, iniciante.
• Nível de risco: resumo seguro vs. ação irreversível.

Prompt fraco:

Deixe isso mais curto.

Prompt melhor:

Caveman for Rewriting. Comprima esta resposta de suporte para metade do tamanho. Preserve exatamente o texto de erro, URLs, comandos de CLI e a redação da política de reembolso. Remova cortesias e hedging.

Usando os scripts complementares

Os scripts usam apenas a stdlib do Python e podem rodar diretamente a partir do diretório do skill.

Comprimir texto:

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

Aplicar lint em uma resposta:

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

Estimar economia:

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

Essas ferramentas são úteis quando você quer compressão repetível fora do chat ou quando quer verificar se uma resposta de IA realmente seguiu as regras do caveman, em vez de apenas estar “curta”.

FAQ do caveman skill

O caveman é só um estilo de escrita engraçado?

Não. A voz de “smart caveman” é um mecanismo de compressão: fragmentos, artigos removidos, sinônimos curtos, setas para causalidade e menos tokens sociais. O objetivo do skill não é tornar conteúdo técnico primitivo. Termos técnicos exatos permanecem.

Quando não devo usar caveman?

Evite ou pause temporariamente o caveman para avisos de segurança, confirmações irreversíveis, conteúdo jurídico/médico de alto risco ou sequências com várias etapas em que fragmentos muito curtos possam levar a uma leitura incorreta da ordem. A própria referência de backfire do repo aponta operações destrutivas e pedidos de esclarecimento como zonas de exceção.

Bom padrão:

Use caveman, exceto escreva avisos completos para comandos destrutivos.

Como o caveman é melhor do que “seja conciso”?

“Seja conciso” é pouco especificado e costuma se degradar depois de alguns turnos. O caveman skill define ativação persistente, regras concretas de remoção, padrões de abreviação, preservação de código e casos de exceção. O linter incluído também dá uma forma de testar conformidade, em vez de confiar na autoavaliação do modelo.

O caveman é amigável para iniciantes?

Pode ser, mas só se o iniciante pedir exceções de clareza. O caveman puro pode remover o tecido conectivo explicativo de que iniciantes precisam. Para aprendizado, use:

Use caveman para bullets de resumo, mas explique conceitos novos normalmente primeiro.

Assim você mantém a economia de tokens sem transformar material desconhecido em fragmentos crípticos.

Como melhorar o caveman skill

Faça o caveman preservar o que importa

Os melhores resultados vêm de nomear o que não deve ser comprimido. Diga ao assistente para manter estes itens exatamente:

• Blocos de código e inline code
• Mensagens de erro
• Avisos de segurança
• Procedimentos ordenados
• Nomes de API, pacote, classe, tabela e campo
• Redação jurídica, de preços ou de políticas

A compressão deve remover gordura ao redor da substância, não alterar a substância em si.

Modos de falha comuns para observar

Fique atento a quatro problemas:

1. Compressão excessiva: a resposta fica ambígua.
2. Compressão insuficiente: o assistente ainda usa cortesias e enchimento.
3. Compressão insegura: avisos ou etapas destrutivas ficam curtos demais.
4. Dano de formato: código, comandos ou citações são alterados.

Use scripts/caveman_lint.py para compressão insuficiente. Use revisão humana para ambiguidade e segurança, porque um linter nem sempre consegue saber quando contexto ausente muda o significado.

Itere depois da primeira saída

Depois da primeira saída em caveman, refine com instruções direcionadas em vez de pedir uma nova tentativa genérica:

• “Mais comprimido, mantenha todas as flags dos comandos.”
• “Restaure frase completa apenas no aviso.”
• “Use etapas numeradas; a ordem importa.”
• “Remova hedging salvo quando houver evidência.”
• “Mantenha siglas expandidas no primeiro uso.”

Isso mantém o uso do caveman controlado: compacto onde é seguro, explícito onde é necessário.

Estenda o caveman para padrões da equipe

Se usar caveman em equipe, adicione regras locais ao lado do skill: abreviações aprovadas, domínios em que caveman é proibido, formatos de saída preferidos e exemplos de compressão aceitável. Rode o compressor e o estimador de tokens em documentos reais da equipe antes da adoção para saber se a economia justifica o tradeoff de legibilidade.