凌晨两点，一个独立开发者盯着后台的API账单皱眉：这个月又超了。他没去升级套餐，而是给模型下了一条新指令——"像原始人一样说话，能比划就别写字"。结果一个月下来，Token消耗砍掉65%，效果没塌。这个项目叫Caveman，上线一个月在GitHub拿下5.9万星。它做的事极其简单：教AI少废话、少冗余、用最短路径表达，等于变相把每一次调用的成本压了下来。
这不是极客的自娱自乐。它戳中了一个正在蔓延的集体痛点：API账单越来越贵，而大多数人还在用"最贵的方式"用AI。一个做自媒体的朋友跟我算过账：他团队每月AI调用烧掉小两万，其中近一半花在模型"不厌其烦地解释他早知道的东西"上。Caveman火，是因为它替所有人说出了那句："能不能闭嘴，把活干完就行。"
第一组数字：AI账单正在变成新房贷
字节跳动被曝正在训练最高10万亿参数的大模型，这类巨兽每一次推理的成本都惊人。当模型越做越大，普通用户的调用账单也水涨船高。小红书上"AI"相关商业笔记2026年增长超过192%，用户把AI定义成"闲聊、我爱、孩子"的角色，"陪伴、理解、探索、放心"是高频反馈词——这意味着大量人在拿AI当日常水电用，而水电是要交钱的。
真正被忽视的事实是：绝大多数人浪费了至少一半的Token在"客套"上。模型默认会补全、会解释、会铺陈，而这些在多数任务里是冗余。Caveman的思路不过是把"高效表达"工程化：用约束性提示把输出压到最短，用结构化指令减少来回轮次。省下的不是一点零头，是调用频次×单次的复利。对一个每天调用上千次的小团队，65%的降幅就是实打实的几千块利润。
第二组数字：能省钱的，从来不是更贵的模型
一个反直觉的观察：很多人以为"效果更好"等于"花更多钱"，于是无脑上最大模型。但工程里的真相是，选对提示策略，往往比换大模型更划算。Caveman用最小的模型+最狠的约束，就达到了"够用且便宜"的状态。它证明了一件事：在应用层，瓶颈常常不在模型能力，而在你的提问方式。
这背后是一条被验证的产品规律：小红书2026年十大热词里，"主体性""活人感""反精致""边界感"排在前头。用户要的不是"全能AI"，而是"懂我、不装、不贵"的AI。把AI写出"人格感"和"分寸感"的内容，才容易出圈；把AI用出"省钱、好使、不矫情"的工具，才容易留存。Caveman爆火，恰恰因为它同时满足了"实用爽点"和"反精致情绪"——它让AI"装傻"，反而显得比那些端着的大模型更像一个真人。
更妙的是它的传播结构：一个很大的结果（省65%账单），塞进一个很低姿态的身份（让AI装傻）。这正是今年最值钱的内容公式——"普通身份配高结果"。读者先觉得"这说的不就是我"，再被结果勾住，手指头自然就点了收藏。
我提出的框架：降本不降智，才是AI应用的真护城河
我想给"普通人用AI"一个自己的判断：2026年AI应用的竞争，不在"谁模型最大"，而在"谁把单位智能的成本压到最低"。我管这叫"降本不降智"。
过去一年，市场迷信参数规模，仿佛10万亿就比1万亿高贵。但落到应用层，用户只在乎两件事：这事办成了没，花了多少钱。Caveman证明了一件事——通过提示工程和结构设计，小模型也能交付大价值。这对普通人意味着：你不需要追最新的巨兽，你需要的是一套"让便宜模型够用"的方法。
更深的信号是"AI品味"的崛起。当人人都能调出同一个模型，真正的分水岭变成：你知道该问什么、该约束什么、该砍掉什么。会写提示词的人，正在把"模型能力"翻译成"自己的省钱能力"。这不再是技术岗的专利，而是每个用AI的人的基本功。未来判断一个人会不会用AI，不看他调过多少模型，看他账单省了多少。
一个被低估的杠杆：省下来的钱，就是赚到的利润
对普通人来说，"降本"听起来不如"增收"性感。但算一笔账就明白：一个自媒体团队每月AI支出两万，砍掉65%就是省1.3万，一年就是15.6万——这几乎等于多雇了一个人的净利。对个人创作者，省下的API费可能不多，但"会省钱"这件事本身，会让你在接项目时敢报更低的价格、赢更多单。降价权，是降本给的底气。
更深的杠杆在"团队杠杆"。当你的提示词模板把单次成本压到行业均值的零头，你就有能力用同样的预算，跑十倍的产出。别人一天写三篇，你用模板一天发三十篇，公域推荐看的是稳定输出，你自然拿到更多流量。Caveman这类项目的真正价值，不是教AI说话，是给普通人一套"用更少资源，办更多事"的操作系统。在AI时代，资源效率就是竞争力。
还有一个容易被忽略的点：大模型厂商也在主动帮你省钱。从按需计费到缓存命中，从长上下文压缩到推理优化，整个行业的工程方向都在把"单位智能成本"往下打。聪明的做法不是等厂商降价，而是在降价前就用提示工程把成本压到自己的底线——等降价到来，你的底线已经比别人的天花板还低。这中间的利差，就是你的护城河。
一个具体的省钱案例：把"客服"做成流水线
举个能直接抄的例子。一个做电商的小团队，原来雇两个人轮班回消息，月薪一万二。他们用AI做了三件事：第一，把高频问题（物流、退换、尺码）做成知识库，模型一轮答清；第二，给AI加约束指令"只给结论、带链接、不废话"，把回复压到最短；第三，复杂问题才转人工，人工只处理"AI判断不了"的尾巴。结果两人变一人，响应反而更快，每月省六千，一年七万二——这笔钱够再投一轮选品。
这个案例的精髓在于：它省的不是"用不用AI"的钱，而是"怎么用AI"的钱。同样一个模型，有人当月薪一万二的人力替代，有人当零成本流水线，差距就在那句约束指令和那套知识库。Caveman卖的不是技术，是这种"会省"的方法论。普通人能抄的，也正是方法论，不是代码。
一个反常识的结论：越省，越敢用
多数人以为"省钱"是为了少花。但在AI时代，省下来的钱会立刻变成"更多尝试"的弹药。一个团队把单次调用成本压到行业均值的零头后，它敢做的事变了：以前舍不得跑的长文本摘要、舍不得做的批量生成、舍不得试的多方案对比，现在都敢跑。省钱不是终点，是让你"用得起更多"的起点。
这正是Caveman爆火的底层逻辑：它让普通人第一次觉得"AI可以随便用"。当心理门槛（怕烧钱）被拿掉，使用频率会指数级上升，而频率本身就是能力——你用得越多，越懂怎么问、怎么约束、怎么改。省和学，在这里形成了正循环：越省越用，越用越会省。
最后一句大实话：别等厂商把价格打下来再行动。今天你用提示工程能省65%，这65%就是你的先发优势。等所有人都会省了，价差归零，优势也就没了。红利窗口只奖励先跑的人，不奖励等降价的人。
一个上手入口：从哪开始试
不用等什么神奇工具，今晚就能做三件事：第一，打开你常用的对话模型，发一句"以后所有回答只给结论、不解释、不铺垫"，设成常驻指令；第二，把你最常写的三种文本（周报、纪要、回复）各写一条固定模板，存进备忘录；第三，下次调用前先问自己"这段能不能一轮要完"，能就别分轮。三件事做完，你的AI账单当月就能看到变化。Caveman的价值不在它多神，在于它把"省"变成了一个人人能抄的动作——而你，今晚就可以抄。
落到你身上，三份能直接抄的作业
第一份：给所有AI对话加一句"约束指令"。比如"只输出结论，不解释过程；能用列表不用段落；单次回复不超过150字"。这一条，能直接砍掉三到五成冗余Token。在OPC孵化里我们测过，同样的周报任务，加了约束后调用成本降了四成，产出反而更干净——因为模型不再用废话填满你的屏幕。
第二份：把"来回聊"改成"一次给足"。多数人习惯多轮追问，每轮都重新加载上下文，烧钱的是上下文而不是答案。把背景、要求、格式一次写清，让模型一轮交付，成本能再降两成。AIGC沙龙里常强调"结构化输入"，它省的不只是时间，是真金白银。
第三份：把高频重复任务固化成模板。周报、纪要、客服话术、商品文案，凡是每周都做的，做成固定提示模板存进你的AI工作室，别每次重新起头。当模板跑起来，你不是在"用AI"，是在"运营一套低成本的内容流水线"——这恰恰是普通人离"AI副业"最近的一步。模板越多，边际成本越低，到最后几乎是零成本复制。
Caveman火了，不是因为它多聪明，是因为它替所有人说了一句心里话：AI可以很贵，也可以很省，区别只在于你会不会让它闭嘴。会省钱的人，才配得上AI时代的红利——而这红利，门槛低到今晚就能起步。
脑机派对
2026.08.11