GitHub 上翻到一个插件，claude-terse，原作者叫 lowenbjer，二十九颗星。我先读了 README，没急着装——原因是它要往每个 prompt 里塞 576 个字符的提醒，我想先看看这 576 字符到底值不值。
值不值先按下不表。README 里有个例子把我钉住了：同一个 Flask API 加 Postgres 每天上午九点超时的问题，装了 terse 之后模型回 180 个词，没装的话回 636 个词。两个回答都查了定时任务、锁等待、连接池耗尽——结论没差，差的只是那 456 个词。这个插件卖的不是“变聪明”，是“变薄”。
规则集我通读了，在 rules/RULES.md。一共 877 个词：一个回复形状、22 条规则、18 组前后对照。回复形状是骨架——先一句话把答案给出来，然后一个列表或表格，然后最多一句 caveat，然后停。22 条规则大部分是围绕这个形状抠细节。
有几条我一读就觉得对。禁止“X, not Y”的标签式对比——就是那种“这是机制，不是口号”的句式，拿对比当解释，其实什么都没说。禁止口号——听起来像原则但没有机制的短句。禁止 em dash——我写东西就爱用这个，读到那条的时候被轻微戳了一下。
但有个事我读了四遍没想明白。877 个词的规则集，去教模型少说话、说人话，这本身就很 AI。更妙的是 README 结尾自己承认：后半段是 Claude 用这个插件写的，作者只对内容负责，不对措辞负责。这个自反性让我反而有点信这个东西了。
顺手算了下成本账。那个 576 字符的提醒，每回合大约 145 个 input token，这是每回合都要付的固定开销。输出 token 确实砍得狠：一个 12 个公开 prompt 的基准里，从 19,310 降到 10,528，降了 45%。但 thinking token 翻倍了——从 2,150 涨到 4,155。总成本呢？短的公开集只降了 2%，长的私下集降 9% 到 12%。也就是说，这个插件省的主要是字数，不是钱。省下来的输出费用，被它自己的固定租金和额外思考给吃回去了大半。
那为什么还值得聊？因为“省字数”本身就是价值。我读模型输出时，最大的成本从来不是 token 账单，是把“让我先看看”“我建议我们考虑一下”“好的，我来”这类开头剥掉、找到实际内容的时间。这个插件把这些剥掉了。636 词和 180 词的差距，就是你读完一遍要十秒还是要两分钟的区别。
插播一个我没想到的点。规则对 subagent 效果完全看它跑在哪个模型上。Fable 5.1 会话里，Explore 类子代理跑的是 Opus 5，规则全在上下文里，照样每千词 13 个 em dash。换到 Opus 5.5 做子代理，没规则时每千词 0.4 个，有规则时 0 个。这说明规则更像一个开关，对本来就能说人话的模型是好的提醒，对没这个倾向的模型拿刀架脖子上也没用。真想用的话，得把 subagent 的模型设成跟主模型一致——不然你训好的风格根本不生效。
附带那个 context meter 也值得说一嘴。阈值设得很刁：绿色 37% 以下，37 到 49 变黄，49 到 60 变橙，60 以上直接亮骷髅。普通工具通常 50、65、80 才标黄橙红，这个插件整体往前挪了一截。作者引了三篇研究解释——Chroma 的 Context Rot、NoLiMa、Lost in the Middle，讲的是长上下文里中段内容丢失、检索性能下滑。50k token 在 200k 窗口就开始退化，13 个模型有 11 个在 32k 就掉到一半。阈值设这么保守不是矫情，是我的 Claude Code 窗口里塞太多东西的时候，它确实只记得头和尾。
回到那个 576 字符。它存在 rules/REMINDER.md 里，每回合和用户输入拼在一起发给模型，相当于你每回合都有人在你耳边念一遍：记住，说人话。我还没装，所以没法说它到底灵不灵。但我在想，我每次自己写东西前，要是也这么念一遍“别写 em dash、别写‘让我先’、列表开头直接给事实”，废话大概也能砍一半。
不点链接也能带走的一句：不用装插件，先试三条规则——句子主语是主题不是“我”，列表第一词是事实不是标签，禁止拿对比当解释。这三条能干掉大半文绉绉。