Plugin 'Caveman' viraliza ao fazer LLMs falarem como homens das cavernas para economizar tokens
Plugin 'Caveman' viraliza ao fazer LLMs falarem como homens das cavernas para economizar tokens
O plugin Caveman otimiza respostas de LLMs eliminando frases desnecessárias, economizando até 75% dos tokens sem perda de qualidade.
A ferramenta configura o modelo para excluir saudações, frases educadas, transições longas, definições para iniciantes e outras introduções, mantendo apenas a essência da resposta.
Segundo o autor, até 75% dos tokens podem ser economizados sem perda de qualidade, oferecendo diversos modos de compressão, desde leve até ultra-telegráfico.
O projeto no GitHub (github.com/JuliusBrussee/caveman) já acumulou quase 80.000 estrelas. Inicialmente concebido como uma habilidade para o Claude Code, o autor desenvolveu posteriormente um plugin independente e lançou um agente de codificação completo chamado Caveman Code.
O autor destaca que a habilidade é utilizada até por funcionários da OpenAI, Nvidia, GitHub e outras grandes empresas. Na Legrand, os colaboradores são recomendados a usar o Caveman para evitar ultrapassar os limites de tokens.
Curiosamente, o projeto recebeu apoio do CTO da OpenAI, Shane Sweeney, que contribuiu pessoalmente com o repositório adicionando suporte ao Codex.
Por que isso importa
AnáliseO Caveman demonstra uma abordagem inovadora para a otimização do uso de tokens em LLMs, capaz de reduzir significativamente os custos computacionais. O caso também ressalta a crescente importância da eficiência no desenvolvimento de soluções de IA.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores