Caveman no Claude Code: o que é esse estilo de prompt e por que ele viralizou?

Imagina abrir o terminal e o Claude Code te responder assim: "arquivo lido. bug na linha 12. corrigido."

Sem "ótima pergunta!", sem "vou analisar isso cuidadosamente", sem parágrafo de aquecimento antes de agir

Fala aí, beleza? Esse jeito seco de responder ganhou nome na comunidade: caveman, o estilo homem das cavernas 😀

Virou meme, virou skill open source e virou discussão séria sobre economia de token. Neste post eu explico o que é o caveman no Claude Code, por que ele estourou e o que realmente muda no resultado (spoiler: menos do que o hype vende, mas não é zero)

Como o estilo caveman funciona por dentro

O Caveman é uma skill open source para o Claude Code que instrui o agente a responder em fragmentos curtos, sem preâmbulo nem gentilezas, mantendo código e termos técnicos exatos

O autor e mantenedor do repositório oficial é Julius Brussee, o usuário JuliusBrussee no GitHub

As regras do estilo estão descritas no SKILL.md e no README do projeto, e são bem literais:

• derrubar artigos
• derrubar palavras de enchimento
• derrubar gentilezas
• usar frases curtas (sujeito, verbo, objeto)
• evitar hedge
• permitir fragmentos
• manter termos técnicos exatos
• manter blocos de código inalterados

E o que é "hedge"? É aquele jeito de falar em cima do muro, o "talvez", o "em geral, dependendo do caso, pode ser que". O estilo manda cortar isso fora

Pré-inscrição Formação Claude Code

Domine o Claude Code do básico ao avançado

Você vai aprender a criar sistemas completos com Claude Code, sem precisar ser programador. Inscreva-se para ter acesso a um desconto de lançamento e bônus especiais!

Quero minha vaga

Repara numa coisa importante: as duas últimas regras são de PRESERVAÇÃO. O corte é na conversa em volta, não no que é técnico

Tem ainda um detalhe que muita gente não lê: o SKILL.md prevê desativação temporária do estilo em avisos de segurança, em confirmações de ações irreversíveis e em sequências de vários passos em que a compressão criaria ambiguidade, retomando depois

Ou seja, a própria skill assume que existe contexto onde ser telegráfico é ruim

Por que isso viralizou tão rápido?

Porque a mudança é visível na PRIMEIRA resposta

Não é aquele tipo de otimização que você só percebe depois de uma semana olhando gráfico. Você roda um prompt, a resposta chega picotada, e a diferença salta no olho

Somando o efeito visual com a promessa de gastar menos token, o repositório já passou de 96 mil estrelas no GitHub (e esse número muda todo dia)

O que muda de verdade no resultado (e nos tokens)

Aqui é onde a conversa fica interessante, então vamos com calma

O README do projeto afirma redução média de 65% nos tokens de SAÍDA, medida em 10 prompts estilo chat, com faixa indo de 22% a 87%

Parece absurdo, né? Só que o próprio README faz a ressalva: a skill só encolhe a saída

Entrada e raciocínio ficam intocados. Pior: a skill ADICIONA cerca de 1 mil a 1,5 mil tokens de entrada por turno, porque as instruções do estilo precisam ir junto

Resultado prático: a economia da sessão inteira é menor que aquele número de saída, e pode até ficar NEGATIVA em cargas que já eram enxutas

Outro ponto que precisa ficar claro: qualidade de código não é o que está em jogo aqui. A compressão pega a prosa, o texto de conversa em volta do trabalho

E o seu prompt? Continua sendo problema seu, viu 😛 a skill mexe na resposta do modelo, não na sua pergunta. Sobre esse outro lado eu já escrevi sobre técnicas de prompt no Claude Code

65% ou 8,5%? Por que os números não batem

A JetBrains resolveu testar a coisa a sério, com 86 tarefas do SkillsBench, no harness Harbor 0.17, rodando Claude Sonnet 5 em esforço de raciocínio baixo, em teste pareado A/B

O número que saiu de lá foi bem diferente

E tem um detalhe delicioso dentro do próprio teste amplo: numa avaliação inicial, quando ele ainda rodava com apenas 10 tarefas, a economia aparecia em torno de 30%, e caiu para cerca de 8,5% conforme a carga foi ficando mais ampla e representativa

Olha só que confusão fácil de fazer aqui: são DUAS amostras pequenas diferentes, não é o mesmo teste dando dois resultados

Os 10 prompts estilo chat do README (aqueles dos 65%) não têm nada a ver com essas 10 primeiras tarefas do benchmark (as dos 30%). Coincidiu o tamanho, o resto é tudo diferente

Amostra pequena inflando resultado, o clássico

A explicação é mecânica, não é polêmica

O motivo do buraco entre 65% e 8,5% é simples de entender: a skill comprime NARRAÇÃO

Código, diffs, chamadas de ferramenta e mensagens de erro saem byte a byte iguais

Então pensa na sua sessão como uma pizza: se a maior parte da saída é código e diff, o caveman só pode mexer naquela fatia fininha de prosa que sobrou. Em fluxos realmente conversacionais (perguntas sobre a base de código, geração de documentação, comentário de PR) a economia fica mais perto do número anunciado

Mesma skill, resultados diferentes, porque a carga é diferente

Quando o caveman ajuda e quando ele atrapalha

Bora separar isso direito, que é o que decide se vale pra você

Onde o ganho aparece de verdade:

• perguntas sobre a base de código, aquele "me explica o que esse módulo faz"
• geração de documentação
• comentário de PR

Tudo que é conversa, prosa, texto humano em volta. Alta proporção de narração, alta compressão

Onde o ganho some ou vira custo:

• trabalho agêntico pesado, com o modelo editando arquivo atrás de arquivo
• sessões que já eram enxutas, com prompt curto e saída curta

Nesses casos você paga o custo fixo de entrada por turno e ganha pouco do outro lado. A conta pode simplesmente não fechar

E tem o ponto da perda de contexto

Explicação comprimida demais vira passo a passo ambíguo. Aquele momento em que você lê "rodar migration. reiniciar" e fica na dúvida se reinicia antes ou depois, se é o serviço ou o container

Não é teoria minha, é justamente por isso que a própria skill prevê desativar o estilo em contexto sensível: aviso de segurança, confirmação de ação irreversível e sequência de vários passos

Tome cuidado nesses momentos. É onde economizar um punhado de tokens pode te custar um rm -rf mal interpretado

Como instalar a skill caveman no Claude Code

A instalação é curtinha

1. Rode o comando de uma linha do projeto oficial no seu terminal:

npx skills add JuliusBrussee/caveman

O erro comum deste passo: digitar outro repositório e instalar um fork achando que é o oficial. Existem variações da ideia mantidas por outras pessoas, com regras e instalação próprias (o Shawnchee/caveman-skill, por exemplo, é projeto de terceiro). Confere o nome do dono antes de dar enter

2. Se preferir, use a alternativa por script, disponível para macOS, Linux, WSL e Git Bash:

curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash

O erro comum deste passo: tentar rodar esse curl no PowerShell puro do Windows. Esse caminho é dos ambientes citados ali em cima, então no Windows a sua casa é o WSL ou o Git Bash

3. Confira que você instalou a SKILL e não o caveman-code

O mesmo autor publicou um projeto separado com esse nome, que é um agente de código de linha de comando, coisa diferente da skill de estilo de resposta. Nome parecido, bicho diferente

Se você já brincou com o oh-my Claude Code, esse caminho de instalar coisa da comunidade por cima do agente já é familiar pra você

O que percebi usando o caveman no dia a dia

Instalei pelo terminal, num comando único, sem nem precisar estar com o Claude Code aberto

No meio do processo o instalador me perguntou o que eu queria instalar e se era só no projeto ou global. Escolhi o escopo mais amplo, porque achei que é o tipo de skill boa de ter sempre à mão

A primeira coisa que ficou clara no teste: o MEU prompt continuou exatamente o mesmo. O que muda é só a saída do modelo, que passa a responder curto e direto

Depois eu rodei a mesma pergunta (explicar como funciona uma função recursiva em JavaScript) variando a agressividade do estilo, pra comparar lado a lado

No mais leve, a explicação continuou compreensível, só mais enxuta que o normal. No intermediário ficou visivelmente mais direta. E no mais agressivo virou um texto quase telegráfico, com abreviação e frase sem artigo nenhum

Cheguei a testar até um modo em que a explicação sai em chinês simplificado: é o mais econômico de todos, e eu não entendi absolutamente NADA do que estava escrito kkk voltei pro nível anterior na hora

Aqui vale um aviso honesto: essas variações de intensidade vieram do que eu instalei e testei na época do vídeo, e não do conjunto de regras que está documentado no repositório oficial. Como existem forks por aí, não trate isso como recurso garantido do projeto do Julius

O que eu achei mais massa: o código e os trechos técnicos continuaram legíveis mesmo nos modos mais agressivos. O corte pegou só o texto de conversa em volta, e o alvo é justamente a enrolação típica do modelo, aquele "agora eu preciso ver isso porque tal coisa" que aparece antes dele agir

Teve também a impressão de resposta chegando mais rápido conforme eu aumentava a intensidade. Impressão mesmo, durante o uso, sem medição nenhuma, então não me cita como fonte disso

Pra fechar, pedi um projeto real no modo mais agressivo: app de notas com criar, editar e deletar, cards na página inicial, tema escuro e stack moderna. A aplicação foi gerada e rodou funcionando, sem erro no prompt inicial

E dá pra ver a skill agindo mesmo enquanto o agente trabalha em segundo plano: as mensagens intermediárias durante a construção saíram curtíssimas, quase telegráficas

Agora a parte chata

Tentei medir o consumo com o comando de custo do Claude Code e não consegui a comparação, porque estou em plano de assinatura e o consumo não apareceu. Tenho a impressão de que esse número já foi exibido antes, mas não vou afirmar

Então assumo: eu não comprovei a economia na prática. Fica de dever de casa

Aliás, eu já tinha feito conteúdo sobre economizar com recursos nativos do Claude Code, e enxergo o caveman como mais uma alternativa dentro do mesmo objetivo de gastar menos

Vale a pena usar o caveman?

Minha leitura, sendo bem direto

Vale como redutor de ruído e de tokens de saída em fluxo conversacional. Se boa parte da sua sessão é perguntar sobre a base de código, gerar documentação ou comentar PR, o corte de prosa é real e você ainda ganha uma leitura mais rápida de brinde

Não vale esperar corte de conta em sessão agêntica pesada. O teste da JetBrains mediu cerca de 8,5% de redução de saída em 86 tarefas, e isso é bem diferente dos 65% de vitrine

E se você já escreve prompt curto e trabalha quase só em código, o custo fixo de cerca de 1 mil a 1,5 mil tokens de entrada por turno pode simplesmente anular o ganho, ou deixar a conta negativa

A boa notícia: qualidade não caiu no teste pareado, os dois braços ficaram estatisticamente indistinguíveis nas 86 tarefas avaliadas. Então o risco aqui é de LEITURA, não de resultado

Nos níveis mais agressivos isso fica ainda mais nítido: fazem sentido quando o objetivo é o modelo programar, e fazem bem menos sentido quando você quer conversar e entender uma explicação

Conclusão

O caveman é um estilo de resposta, e não uma máquina de cortar fatura

Ele faz exatamente o que promete no texto (menos artigo, menos enchimento, menos gentileza) e preserva exatamente o que deveria preservar (código, termo técnico, bloco intacto). O buraco entre os 65% do README e os 8,5% do teste amplo não é mentira de ninguém: é a proporção de prosa na sua carga de trabalho

Meu próximo passo sugerido pra você: instala, roda uma semana no seu fluxo real e compara com o que você lembra de antes. Presta atenção nos momentos de passo a passo sensível e desliga o estilo ali, que é o que a própria skill recomenda

Se você testar e conseguir medir de verdade, me conta como foi, tô curioso 🙂

até o próximo post!