7月18日、Shaheer Khanが「I taught Claude to talk like a "caveman" and ended up saving 70% of my output tokens」と題した記事を公開した。ClaudeのAIに「原始人語」で話させるプロンプト手法によって出力トークンを大幅に削減できるというテクニックを、実測データとともに紹介している。
Claudeのトークン制限は、使い方次第でみるみる消費される。無料プランでは5時間ローリングウィンドウ内に15〜20メッセージ程度しか送れず、Proプランでも上限は存在する。「もっとやりとりしたい」と感じているユーザーにとって、トークン節約は現実的な課題だ。
問題の本質：Claudeの「丁寧さ」がトークンを食っている
Claudeのトークンはテキスト処理量で計算され、1トークンはおよそ4文字に相当する。そして入力・出力の両方向でカウントされる。
問題はClaudeが礼儀正しすぎる点にある。挨拶、前置き、「〜についてご説明しますね」のような会話的フィラー——これらはすべてトークンを消費する。誰も必要としていないのに。
「原始人語」プロンプトとは何か
GitHubのcavemanリポジトリとして公開されているClaude Code用プラグインで、インストールコマンドは以下のとおりだ。
Windows：
irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex
macOS：
curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash
インストール後は /caveman と入力すると有効化される。Claudeは原始人のような短文で返答するようになり、フィラーが消える。
ただし、このプラグインは有料プランが必要だ。無料プランでも同等の効果を得たいなら、System Instructionsに以下のプロンプトを貼り付けるだけでよい。
Respond in caveman speak only.
No pleasantries.
No filler.
Short sentences.
Subject-verb-object.
Give answer directly.
Explain only if asked.
実測値：宣伝の65%削減は本当か？
プラグイン作者は「65%のトークン削減」を謳っているが、実際にテストした結果は以下のとおりだ。
単発プロンプトの場合：
| 手法 | 入力トークン | 出力トークン | 合計 |
|---|---|---|---|
| 通常プロンプト | 180 | 1,000 | 1,180 |
| 簡潔プロンプト（Terse） | 90 | 850 | 940 |
| Cavemanプロンプト | 600 | 300 | 900 |
出力トークンだけを見れば通常比で約70%削減される。一方、入力トークンがCavemanプロンプトで600と大きく膨らんでいるのは、プロンプト指示文そのものが相当な文字数を占めるためだ。結果として単発では合計トークン数の差がほぼ消える。この数値はあくまで「単発テスト限定の特性」であり、手法の欠陥を示すものではない。真価は会話継続時のデータに表れる。
10プロンプト平均（会話継続時）：
| 手法 | 平均入力 | 平均出力 | 平均合計 |
|---|---|---|---|
| 通常プロンプト | 210 | 1,120 | 1,330 |
| 簡潔プロンプト（Terse） | 120 | 900 | 1,020 |
| Cavemanプロンプト | 280 | 540 | 820 |
会話が続くと入力オーバーヘッドが相対的に薄まり、合計トークンで38%削減、出力トークンで52%削減という結果になった。宣伝の65%には届かないが、効果は本物だ。
使うべき場面、避けるべき場面
テストを通じてわかった適性の違いは明確だ。
有効なユースケース： コード生成、データ抽出、ブレインストーミング、計画立案
不向きなユースケース： 複雑なトピックの解説、クリエイティブライティング
原始人的な応答スタイルを強制するため、詳細な説明が必要な場面では品質が落ちる。また、単発の質問だけではTerseプロンプトとの差がわずかで、Cavemanの真価は継続的な会話セッションでこそ発揮される。
なお、Brevity Constraintsの研究論文によれば、LLMに対して簡潔な応答を求めると精度が26%向上するとされている。元記事はこの論文を、トークン削減が単なるコスト節約にとどまらず回答品質の向上にも寄与しうる根拠として引用している。
さらに be brutally honest や avoid hallucinations といった追加指示を組み合わせることで、回答の精度をさらに高められるとも述べられている。
詳細はI taught Claude to talk like a "caveman" and ended up saving 70% of my output tokensを参照していただきたい。
