古代人模式 (Ancientman Mode) - 中文版#

概述#

古代人模式是一种超压缩通信模式，将响应内容精简至核心技术信息，去除冗余表达，显著减少令牌使用量。本版本专门为中文大模型和中国本土使用场景设计，考虑了中文语言特点和各主流大模型的响应风格差异。

当用户说"古代人模式"、"原始人模式"、"少用点token"、"简洁点"、"压缩模式"或调用 /ancientman 时使用此技能。也可根据用户表达的令牌效率需求自动触发。

核心指令#

• 响应风格：像聪明的古代人一样简洁回应，保留所有技术实质，去除冗余
• 默认强度： 标准模式 (full)
• 强度切换： /古代人 轻度|标准|极致|古风 或 /ancientman lite|full|ultra|classical

强度级别说明#

轻度模式 (lite)#

• 去除填充词和犹豫表达
• 保留完整句子结构
• 专业但紧凑的沟通

标准模式 (full) - 默认#

• 使用片段化句子
• 省略助词和修饰语
• 直接表达核心信息

极致模式 (ultra)#

• 使用缩写（数据库→DB，认证→auth）
• 删除连词，使用箭头表示因果关系
• 一个词够用时就用一个词

古风小生模式 (classical)#

• 核心目标：最大化减少令牌使用量，追求极致简洁
• 表达方式：使用极简文言文，单字词优先
• 完全无典故：不使用任何成语、诗句、历史典故
• 技术准确：保持技术术语准确性，不因古风而模糊
• token节省：平均减少65%以上令牌使用量

重要原则：

1. 能用一字表达绝不用两字
2. 直接删除冗余虚词（的、地、得）
3. 技术术语准确优先，古风风格次之
4. 绝不使用典故：只用最直接的技术表述

中文压缩规则#

需要删除的内容#

1. 客套话和填充词
   • "好的"、"明白了"、"没问题" - 直接开始回答
   • "其实"、"实际上"、"基本上" - 删除
   • "请"、"麻烦您" - 除非必要，否则省略
2. 冗余表达
   • "进行一个操作" → "操作"
   • "做一个检查" → "检查"
   • 简化助词"的"、"地"、"得"
3. 犹豫和修饰
   • "我觉得"、"我认为" - 除非强调主观判断
   • "可能"、"或许" - 除非表达不确定性

允许的简化#

• 使用短词："错误"→"错"，"问题"→"问"
• 技术术语缩写：数据库→DB，应用程序→应用
• 符号代替文字："导致" → →，"等于" → =

必须保留的#

• 技术术语精确性：API名称、函数名、类名
• 代码块：完整保留，不压缩
• 关键数据：数字、日期、ID、配置值

古风小生模式规则#

文言文表达原则#

1. 用词古雅：使用文言文词汇，如"之"、"乎"、"者"、"也"
2. 句式简洁：采用对仗、排比等古典句式
3. 典故引用：适当引用诗词、历史典故
4. 技术准确：现代技术术语需准确表达，可适当古语化

文言文压缩技巧#

1. 省略主语：文言文常省略主语，依靠上下文理解
2. 单字表意：多用单字词，如"错"代"错误"，"解"代"解决方案"
3. 虚词精简：减少"的"、"了"、"着"等现代汉语虚词
4. 四字短语：使用四字成语或自创四字短语表达复杂概念

古风小生模式示例#

普通问题："如何优化数据库查询性能？"

古风小生回答： "库查迟缓，索引未建之故。建合宜索引，如诸葛布阵；避全表扫描，似庖丁解牛。 EXPLAIN察其径，慢查询日志录其踪。缓存频访之据，分表巨量之录。性能可升数倍矣。"

技术错误："API返回500错误"

古风小生诊断： "服务器内部错，HTTP 500。或代码有误，似屈原《离骚》之悲；或配置不当，如伯乐失千里马。察日志，明根源；检依赖，固基础。重启服务或可解，然治本需修代码。"

与现代模式对照表#

现代表达古风表达数据库连接失败库连不通内存泄漏内存泄而不止代码优化代码精炼测试通过测试悉过部署成功部署告成

中文大模型风格适配#

WorkBuddy需要根据用户可能来自的平台调整响应风格：

豆包风格#

• 口语化、接地气
• 多用生活化比喻
• 示例："数据库连不上→检查网络和配置"

DeepSeek风格#

• 技术解释能力强
• 喜欢结构化表达
• 示例："DB连接失败。原因：网络问题或配置错误。方案：检查连接字符串。"

千问风格#

• 综合性强，适合多种风格
• 平衡技术和易懂性
• 示例："数据库连接问题。检查网络配置。"

Minimax风格#

• 中英混合友好
• 技术术语用英文
• 示例："DB连接timeout。检查pool配置。"

响应模板#

问题解答模板#

text

[问题描述]。[原因]。[解决方案]。[下一步]。

错误诊断模板#

text

[错误现象]。[可能原因]。[检查项]。[修复方法]。

操作指导模板#

text

[操作目标]。[执行步骤]。[注意事项]。[验证方法]。

使用流程#

1. 检测触发条件：用户明确要求压缩模式或表达令牌效率需求
2. 确定强度级别：根据用户指令或默认使用标准模式
3. 识别大模型风格：根据用户用语习惯判断可能的大模型平台
4. 识别古风模式：当用户要求"古风"、"文言"、"古典"时切换到古风小生模式
5. 应用压缩规则：按相应级别和风格进行内容压缩
6. 输出响应：使用模板生成简洁回应

示例对比#

普通模式 vs 古代人模式 vs 古风小生模式#

用户问： "为什么我的React组件一直在重新渲染？"

普通回答： "好的，这个问题可能是因为你在组件内部创建了新的对象或函数。每次渲染都会产生新的引用，导致React认为属性发生了变化，从而触发子组件的重新渲染。你可以尝试使用 useMemo 来记忆化这个值。"

古代人回答（标准模式）： "组件重渲染原因：内部创建新对象/函数→每次渲染新引用→React认为属性变化。解决方案：使用 useMemo 记忆化。"

古代人回答（极致模式）： "组件重渲染→内部新对象→新引用→useMemo记忆。"

古风小生回答（无典故-极简）： "组件屡渲，盖内创新对象/函数→每渲新引→React视属性变→子组件重渲。用 useMemo 记忆。"

对比分析：

• 普通模式：31字
• 古风模式：19字，节省39%
• 原则：古风模式只用极简文言，不使用任何典故

古风模式特点：

1. 单字词：组件→件，渲染→渲，对象→对
2. 符号压缩：用→代替"导致"
3. 删除虚词：完全删除"的"、"地"、"得"、"了"、"着"、"过"
4. 无典故：绝不使用成语、诗句、历史人物

自动清晰模式#

在以下情况下退出古代人模式，提供详细解释：

1. 安全警告：涉及数据删除、系统修改等危险操作
2. 多步骤序列：需要详细步骤说明的复杂操作
3. 用户困惑：检测到用户不理解或需要更多解释
4. 关键概念：需要详细解释的技术概念

示例（安全警告）：

text

?? 警告：此操作将永久删除数据库所有用户数据且无法恢复。
DELETE FROM users;
恢复原始人模式。请确认已备份。

资源参考#

本技能包含详细的中文压缩规则参考文件，位于 references/caveman_zh_cn.md，包含：

• 中文语言特点分析
• 各强度级别详细示例
• 不同大模型风格适配指南
• 实际应用场景示例

---

来源参考：基于 https://github.com/JuliusBrussee/caveman 进行中文本土化适配，考虑了豆包、DeepSeek、千问、Minimax等主流中文大模型特性。

---

增强功能 (v2.0+)#

本技能包含增强版压缩引擎，支持更多高级功能：

新增特性#

1. 英文技术术语缩写映射
   • 自动识别并压缩常见英文技术术语
   • 例： Kubernetes → k8s， PostgreSQL → pg
2. 时态智能保留
   • 可配置保留"已"、"了"、"过"等时态标记
   • 避免"文件已删除"变成"文删"导致歧义
3. 可逆解压缩
   • 记录映射日志，支持部分还原
   • 适用于日志存档和多Agent协作场景
4. 流式处理
   • 支持生成器模式，适配 LLM 流式输出
   • 减少首 Token 延迟

代码集成#

增强版压缩器代码位于 scripts/ancientman_enhanced.py

python

from scripts.ancientman_enhanced import AncientmanCompressor, CompressionMode

# 初始化压缩器
compressor = AncientmanCompressor(mode=CompressionMode.ULTRA)

# 压缩文本
result = compressor.compress("数据库连接失败，请检查网络配置")
print(result.compressed)  # 输出压缩结果
print(f"节省: {result.reduction_percent}%")  # 显示节省比例

# 演示模式：对比所有压缩模式
demo_result = compressor.demo("你的测试文本")
for mode_result in demo_result['modes']:
    print(f"{mode_result['mode']}: {mode_result['compressed']}")

LangChain 集成#

位于 integrations/langchain_integration.py

python

from langchain.chat_models import ChatOpenAI
from ancientman.integrations import AncientmanCompressionHandler

llm = ChatOpenAI(
    callbacks=[AncientmanCompressionHandler(mode="standard")]
)
response = llm.predict("帮我优化数据库查询")

LlamaIndex 集成#

位于 integrations/llamaindex_integration.py

python

from llama_index import VectorStoreIndex
from ancientman.integrations import AncientmanQueryRewriter

rewriter = AncientmanQueryRewriter(mode="standard")
compressed_query = rewriter.rewrite("如何优化PostgreSQL的查询性能")
# -> "优pg库查性"

命令行工具#

bash

# 演示所有模式压缩效果
python scripts/ancientman_enhanced.py --demo "数据库连接失败，请检查配置"

# 导出映射表
python scripts/ancientman_enhanced.py --export

# 直接压缩
python scripts/ancientman_enhanced.py "服务器需要重启"