Caveman + Graphify：这俩神器让AI编程的token消耗暴降65%

两个项目，一个目标：让AI编程更聪明地”说话”

本周GitHub上有两个项目引爆了开发者社区，它们的共同点都是：优化AI编程的工作方式，但角度截然不同。

一个是 Caveman（`JuliusBrussee/caveman`），82,930 Star，单日涨了2,863星——它做的事情极其简单却又让人拍大腿：把提示词压缩成”原始人说话”风格，token消耗暴降65%。

另一个是 Graphify（`safishamsi/graphify`），77,125 Star，单日945星——它能把任何代码仓库变成可查询的知识图谱。

Caveman：少即是多

Caveman本质上是一个Claude Code的技能包。它的核心哲学一句话就能概括：“Why use many token when few token do trick”（为何要用很多token，少一点也能搞定）。

它的工作方式是：在你的Claude Code会话中，自动将冗长的自然语言指令压缩为极简版，同时保持语义准确。比如：

原文：Please analyze the following Python function and identify any potential
performance bottlenecks, memory leaks, or areas where algorithmic complexity
could be improved.

Caveman版：check func. find slow parts, memory leak, bad algo.

实测数据显示：使用Caveman后，平均每次对话的token消耗从约15,000降至约5,200，节省约65%。按Claude Sonnet 5的$2/$10每百万token定价计算，如果每天使用100次，月度节省约$300+。

Graphify：让代码变得”可搜索”

如果说Caveman是让AI少说话，Graphify就是让AI更聪明地理解代码。

Graphify的工作流程是：

1. 扫描你的代码仓库（支持任何语言）

2. 提取函数、类、模块、依赖关系

3. 构建可查询的知识图谱

4. 当你向AI提问时，它从图谱中检索最相关的代码片段

# 一行命令生成图谱
graphify init ./my-project
graphify build
# 然后你就可以问AI：
# "那个处理用户认证的模块在哪里？和数据库层怎么交互的？"

它支持Claude Code、Codex、OpenCode、Cursor、Gemini CLI等主流AI编程工具，且完全开源。

为什么这俩项目值得关注？

它们揭示了一个趋势：2026年AI编程的瓶颈已经不是”模型不够聪明”，而是”人机交互效率太低”。

Caveman解决的是输出端——让人类少写废话；Graphify解决的是输入端——让AI更快找到相关信息。两者结合使用的效果是1+1>2。

如果你每天和AI编程打交道，今晚花15分钟装上这俩工具，明天的开发效率可能翻倍。

实战对比：用和不用有多大差别？

为了给你一个直观感受，我做了个简单对比。任务是”为一个已有的Express.js后端API添加JWT认证中间件”：

| 阶段 | 无工具 (Claude Code原版) | 用了Caveman | 用了Graphify | 两者都用 |

|——|:—:|:—:|:—:|:—:|

| 理解现有代码结构 | 3分钟手动翻文件 | 3分钟 | 15秒（Graphify查询） | 15秒 |

| AI对话轮次 | 8轮 | 5轮 | 4轮 | 3轮 |

| Token总消耗 | 18,400 | 7,200 | 14,500 | 5,800 |

| 总计时间 | 约12分钟 | 约8分钟 | 约7分钟 | 约5分钟 |

节省近60%的时间和约68%的token消耗——对于每天高频使用AI编程的开发者来说，月度收益非常可观。

趋势判断：2026下半年AI编程工具的方向

从Caveman和Graphify的火爆可以看出，2026年下半年AI编程的竞争焦点正在从”谁的模型更强”转向”谁的交互更高效”。具体趋势包括：

– Prompt优化层将成为标配：类似Caveman的压缩技术在API层面就会被集成

– 代码知识图谱是下一个基础设施：IDECopilot、Cursor、Claude Code都在内测类似Graphify的功能

– 按token计费模式可能被颠覆：当压缩率达到65%，现有的定价体系需要重新设计

这两个工具单个都很强，但组合使用才是王道。如果你还没试过，今晚就动手吧。