问题描述：

号称 “在保持完全技术准确性的同时，削减大约 75% 的token数量”，感觉更像是某种回复风格

github.com

GitHub - JuliusBrussee/caveman: 🪨 why use many token when few token do trick —...

🪨 why use many token when few token do trick — Claude Code skill that cuts 75% of tokens by talking like caveman

网友解答：

---

--【壹】--：

怎么实现的呢？完全没有损失那几乎不可能，只是好奇这个到底损失了啥

---

--【贰】--：

Question:讲解mel滤波器实现算法

Mel 滤波器组实现算法

核心概念

Mel 滤波器组是语音处理中的关键步骤，模拟人耳对频率的非线性感知——低频分辨率高，高频分辨率低。

频率转换公式

Hz → Mel：

mel = 2595 × log₁₀(1 + f/700)

Mel → Hz：

f = 700 × (10^(mel/2595) - 1)

实现步骤

Step 1：确定频率边界

import numpy as np def mel_filterbank(sample_rate, n_fft, n_filters, f_min=0, f_max=None): if f_max is None: f_max = sample_rate / 2 # Nyquist 频率 # Hz → Mel mel_min = 2595 * np.log10(1 + f_min / 700) mel_max = 2595 * np.log10(1 + f_max / 700)

Step 2：在 Mel 域均匀采样

# 在 Mel 域均匀分布 n_filters+2 个点（含两端边界） mel_points = np.linspace(mel_min, mel_max, n_filters + 2) # Mel → Hz hz_points = 700 * (10 ** (mel_points / 2595) - 1)

Step 3：映射到 FFT bin 索引

# FFT bin 索引：freq = bin * sample_rate / n_fft bins = np.floor((n_fft + 1) * hz_points / sample_rate).astype(int)

Step 4：构造三角滤波器

filters = np.zeros((n_filters, n_fft // 2 + 1)) for m in range(1, n_filters + 1): left = bins[m - 1] # 左边界 center = bins[m] # 中心（峰值） right = bins[m + 1] # 右边界 # 上升沿 for k in range(left, center): filters[m-1, k] = (k - left) / (center - left) # 下降沿 for k in range(center, right): filters[m-1, k] = (right - k) / (right - center) return filters

用向量化写法更高效：

for m in range(1, n_filters + 1): l, c, r = bins[m-1], bins[m], bins[m+1] filters[m-1] = np.maximum(0, np.minimum( (np.arange(n_fft//2+1) - l) / (c - l), (r - np.arange(n_fft//2+1)) / (r - c) ))

完整流程图

音频信号 │ ▼ 预加重（可选）: x[n] = x[n] - α·x[n-1] │ ▼ 分帧 + 加窗（Hann/Hamming） │ ▼ FFT → 功率谱 |X[k]|² │ ▼ × Mel 滤波器组（三角滤波器） │ ▼ 每个滤波器求和 → n_filters 个能量值 │ ▼ 取 log（对数压缩） │ ▼ DCT → MFCC 系数（可选）

关键参数

参数	典型值	说明
n_filters	40~128	滤波器数量
n_fft	512/1024/2048	FFT 点数
f_min	0~80 Hz	最低频率
f_max	8000 Hz	最高频率（通常=采样率/2）
sample_rate	16000/22050	采样率

为什么是三角形？

• 连续性：相邻滤波器之间平滑过渡，无频率盲区
• 归一化：每个滤波器面积约为 1，保持能量一致性
• 高频压缩：在 Hz 域看，高频三角形更宽（体现 Mel 非线性）

Mel域（均匀间隔）: | | | | | | | | Hz域（非线性）: ||||||| | | | |

低频滤波器窄（精细），高频滤波器宽（粗糙），与人耳特性一致。

Question: /caveman 讲解mel滤波器实现算法

Mel 滤波器实现

核心思想

人耳感知频率非线性。低频分辨率高，高频分辨率低。Mel scale 模拟此特性。

Hz → Mel 转换

mel = 2595 * log10(1 + hz / 700) hz = 700 * (10^(mel/2595) - 1)

实现步骤

1. 定频率范围

f_min = 0 # Hz f_max = sr / 2 # Nyquist

2. Mel空间均匀采样

# N个滤波器 → N+2个点（含两端边界） mel_points = linspace(hz2mel(f_min), hz2mel(f_max), N+2) hz_points = mel2hz(mel_points) # 转回Hz，非线性分布

3. FFT bin对齐

bin_points = floor((nfft+1) * hz_points / sr)

4. 构造三角滤波器

每个滤波器 m，跨3个点：左端 m-1，峰值 m，右端 m+1。

for m in range(1, N+1): left, center, right = bin[m-1], bin[m], bin[m+1] # 上升段 fbank[m, left:center] = (k - left) / (center - left) # 下降段 fbank[m, center:right] = (right - k) / (right - center)

形状：(N_filters, nfft//2 + 1)

5. 应用滤波器

power_spec = |FFT(frame)|^2 mel_energies = fbank @ power_spec # shape: (N_filters,) log_mel = log(mel_energies + eps)

关键参数

参数	典型值	作用
N_filters	40 / 80	Mel通道数
nfft	512 / 1024	FFT点数
sr	16000 / 22050	采样率
f_min	0 / 80 Hz	低频截止
f_max	sr/2	高频截止

数据流

音频帧 → 加窗 → FFT → 幂谱 → Mel滤波器组 → log → log-mel spectrogram ↓ 再加DCT → MFCC

低频密、高频稀本质

Mel空间等距 → Hz空间非等距。低频bin窄（精细），高频bin宽（粗糙）。模拟耳蜗basilar membrane响应。

---

--【叁】--：

非常神奇的 skill

在用 Opus 的时候，直接 @caveman wenyan-ultra，还是能够看到节省了一定的 Tokens 的

---

安装方法：npx skills add JuliusBrussee/caveman

---

--【肆】--：

到底是怎么实现的？能不能贴一段出来，我这没连梯子看不到，要是简化回复，那么对于写文之类的岂不是没有用处

---

--【伍】--：

总感觉这种简化的话，不会导致质量下降吗？

---

--【陆】--：

可以具体看下Skill.md, 代码、警告、安全等应该不受影响,主要是简化回复

---

--【柒】--：

真的假的，这么猛，codex里面可以用不？

---

--【捌】--：

这种过于精简的表达方式会不会影响模型能力？用符号来代替某些词句不会影响概率预测吗？
IMG_23921908×2682 536 KB