このAIスキルはAPIコストを65%削減する

大規模言語モデル（LLM）は、しばしば会話のフィラーを生成し、不必要なフレーズで応答を膨らませます。ユーザーは、実際の情報を受け取る前に、「承知いたしました！」や「全くその通りです！」といった決まり文句に頻繁に遭遇します。この丁寧で冗長な出力は、ClaudeやCodexを含む多くの主要なAIプラットフォームでデフォルトの特性となっています。

LLMが出力するすべての単語、句読点、さらにはスペースでさえ、直接出力トークンに変換されます。これらの会話上の丁寧さは無害に見えるかもしれませんが、無料ではありません。「お役に立てれば幸いです！」といった各インスタンスがトークン数に加算され、すべてのインタラクションで貴重なリソースを消費します。

この執拗な冗長性は、AI会話における見えない税金として機能し、運用予算に直接影響を与えます。開発者や企業はトークンごとに支払い、つまり、長くおしゃべりな応答はコストを大幅に上昇させます。過剰な出力はアプリケーションのパフォーマンスも低下させ、応答時間を遅らせ、エンドユーザーのレイテンシを増加させます。

毎日数千または数百万のAIクエリを処理するアプリケーションを考えてみましょう。フィラーによる応答あたりのトークン数の平均20%増加は、API費用の大幅な急増につながる可能性があります。この隠れたオーバーヘッドは、組織にAIインタラクションの削減、ユーザー容量の縮小、または支出の増加のいずれかを選択させ、スケーラビリティと収益性に直接影響を与えます。

固有の課題は、魅力的で役立つAI体験と、効率的で低コストな運用の重要な必要性とのバランスを取ることにあります。開発者は、包括的で理解しやすい回答を提供するモデルを目指します。しかし、この追求はしばしば意図せず冗長な出力につながり、AIを活用したシステムの経済的実行可能性と速度を損ないます。

明確さや技術的な詳細を犠牲にすることなく、AIを簡潔さのために最適化することが最も重要になります。この簡潔さを達成することで、大幅な節約が実現し、ユーザーエクスペリエンスが向上します。これは、単純な「簡潔に」というプロンプトを超えた戦略的アプローチを必要とします。イノベーションは、最小限のトークン消費で最大限の情報を提供するAIインタラクションを考案することにあり、極端な簡潔さのためにWenyan-lang-langのようなトークン効率の高い言語を探求することさえ含まれます。

『The Office』のケビンは、現代のAIインタラクションに対して驚くほど効果的な哲学を提示しています。「少ない言葉で済むのに、なぜ多くの言葉を言って時間を無駄にするのか。」この一見単純なアプローチは、開発者や企業が大規模言語モデルにアプローチする方法における重要な変化を先導しています。冗長で会話的なAI応答が洗練の証と見なされていた時代は終わり、今日では簡潔さが高い効率性と知性を示します。

AI出力に対する見方は急速に進化しています。私たちは簡潔さを能力の欠如と見なすことから脱却し、高度に最適化されたコミュニケーション形式として受け入れています。「承知いたしました！」や「全くその通りです！」のような会話のフィラーを排除することは、AIインタラクションを直接的に合理化し、余計な装飾なしに直接的な回答を提供します。このパラダイムシフトは、人工的なおしゃべりよりも実用性を優先します。

この合理化されたアプローチは、開発およびビジネスのあらゆる側面にわたって具体的な利益をもたらします。組織は、リアルタイムアプリケーションや高スループットシステムにとって不可欠な、モデルからのより速い応答時間を実現します。結果として得られるデータは、下流プロセスへの解析と統合が大幅に容易になり、複雑さと処理オーバーヘッドが削減されます。ユーザーはまた、簡潔で焦点を絞った出力から情報を楽に抽出できるため、認知負荷の軽減を経験します。

決定的に重要なのは、この簡潔さへの焦点が、コスト削減と使用容量の増加の主要な推進力であるtoken optimizationに直接つながることです。出力トークンが少ないということは、API費用が低くなることを意味し、既存の予算内でより多くのインタラクションを可能にしたり、以前は費用がかかりすぎると考えられていたまったく新しいアプリケーションを可能にしたりします。この戦略的な効率性により、高度なAIがよりアクセスしやすくなり、広範な展開にとって経済的に実行可能になります。

The Caveman skillはこの哲学を体現しており、ClaudeやCodexのようなモデルが迅速で余分な情報のない回答を提供するようにします。特筆すべきは、その簡潔さにもかかわらず、重要な技術的詳細の保持を保証することです。開発者は、簡潔さの度合いを微調整することもでき、最もトークン効率の高い言語として認識されているWenyan-lang-langモードで返信するオプションも含まれています。

実用的なAIの未来は、人工的な会話能力ではなく、まさに実用性にあります。正確で実用的な情報を直接的かつ効率的に提供するモデルが、次世代の企業および消費者向けアプリケーションを定義するでしょう。装飾的な言語よりも直接性を優先することは、単なる最適化ではなく、真に効果的なAIへの根本的な方向転換です。

「Caveman」は、単なる簡単な指示ではなく、洗練されたprompt engineeringパッケージです。この高度なソリューションは、AIインタラクションを綿密に作成し、モデルが驚くほど簡潔で直接的な応答を生成するように促します。LLMの冗長性という広範な問題に正面から取り組み、不必要な会話の装飾や前置きなしに、焦点を絞った出力を提供します。

JuliusBrusseeはCavemanを開発し、公開GitHubリポジトリを通じて利用可能にしました。これにより、透明でアクセスしやすいリソースが提供されます。このパッケージ化されたスキルは、AIコミュニケーションを最適化するためのすぐにデプロイ可能なソリューションを開発者に提供します。これは、基本的なコマンドから、AIの動作を管理し、開発ワークフローを合理化するための包括的で設計されたアプローチへの戦略的な転換を表しています。

Cavemanの核となる強みは、AIが*言ってはならない*ことに関する明確な指示にあります。「確かに！」「申し訳ありません！」といった一般的な社交辞令や、「まったくその通りです！」のような冗長な承認を体系的に排除します。この精度により、応答は技術的かつ情報的なままであり、重要なデータやコンテキストを犠牲にすることなく、会話の余分な部分を取り除きます。それはAIの応答がどうあるべきかを再定義します。

単なる簡潔さを超えて、Cavemanは調整可能な簡潔さのレベルを含む高度な機能を組み込んでいます。ユーザーはさまざまな「Cavemanレベル」から選択して、適度に直接的なものから超ミニマリストなものまで、出力の強度を微調整できます。特に注目すべきオプションは、古代中国の文語を活用して比類のないトークン効率を実現し、利用可能な最も費用対効果の高いコミュニケーション方法とするWenyan-lang-langモードです。

この包括的なパッケージは、Claude や Codex のようなモデルが消費する出力トークン数を大幅に削減します。多くの場合、大幅な削減が可能です。余分な単語を排除することで、Caveman は応答時間を短縮し、AIデプロイメントの API コストを大幅に削減します。この戦略的な最適化は、運用コストを最大65%以上削減し、要求の厳しいアプリケーションにおけるAIの有用性とスループットを最大化します。

一貫して浮上する主要な懸念は、極端な簡潔さが正確さを損なったり、重要な情報を省略したりしないかということです。洗練されたプロンプトエンジニアリングパッケージである Caveman は、この懸念に直接対処し、冗長性を大幅に削減しながら重要なデータを細心の注意を払って保持します。

これは単なる「簡潔に」という指示ではありません。Caveman は、技術的な詳細、コードスニペット、および重要な事実を保護するように設計された明確な設計パラメーターで動作します。会話の余分な部分を削ぎ落とし、コアコンテンツはそのままにすることで、出力が完全に実用的で正確であることを保証します。

典型的な技術的な問い合わせを考えてみましょう：「`asyncio` と `aiohttp` を使用して Python で非同期 HTTP GET リクエストを行う方法を説明してください。」標準的な大規模言語モデル (LLM) は、しばしば広範な前置き、冗長な説明、および会話的な丁寧さで応答します。

従来のAIは次のように出力するかもしれません：「もちろんです！非同期操作には強力な組み合わせを選択されましたね。非同期 GET リクエストを行うには、まず `asyncio` と `aiohttp` の両方をインポートする必要があります。次に、`async` 関数を定義します。その中で、`aiohttp.ClientSession()` を作成し、コンテキスト管理のために `async with` を使用します。最後に、`session.get()` を呼び出し、応答を `await` します。例：`import asyncio, aiohttp \n async def fetch(): \n async with aiohttp.ClientSession() as session: \n async with session.get('https://api.example.com/data') as response: \n return await response.text() \n asyncio.run(fetch())`。」これは情報を提供しますが、かなりのオーバーヘッドを伴います。

Caveman はこれを、正確で実用的な命令セットに変換します。導入のフレーズ、謝辞、冗長な説明を外科的に削除し、必要なコードと機能説明のみに焦点を当てます。

Caveman AI は次のように提供します：「`asyncio` + `aiohttp` GET リクエスト：`import asyncio, aiohttp \n async def fetch(): \n async with aiohttp.ClientSession() as session: \n async with session.get('https://api.example.com/data') as response: \n return await response.text() \n asyncio.run(fetch())`。」すべての重要なコードと構造要素はそのまま残り、最大限の効率で提供されます。

これは根本的な違いを示しています：Caveman は不完全さなしに簡潔さを達成します。そのアーキテクチャは、コア情報ペイロードを優先し、「全くその通りです！」のような余分な単語や一般的な LLM のフィラー、または長い導入部分を排除します。

開発者は、会話的な丁寧さや冗長な表現に煩わされることなく、明確で曖昧さのない指示とデータポイントを受け取ります。これにより、冗長なモデルが必要とするトークン数のごく一部で、妥協のない正確さと完全な情報忠実性が保証されます。

大規模言語モデルとのすべてのやり取りには、トークンで測定されるコストが発生します。これらのデジタル単位は、単語、サブワード、または文字を表し、AI会話の基本的な通貨として機能します。会話のフィラーや冗長なフレーズで満たされた冗長な応答は、トークン数を不必要に膨らませ、運用コストの増加に直接つながります。Caveman はこの非効率性を直接ターゲットにします。

開発者は、Cavemanスキルを使用すると、AI出力において最大65%のトークン削減を報告しています。これはわずかな調整ではなく、運用経済における劇的な変化です。月々のAPI請求額が1,000ドルのシナリオを考えてみてください。Cavemanを導入することで、その支出を650ドル削減し、同じ量の生産的なAI出力に対してわずか350ドルの請求で済むようになります。

Cavemanは特に*出力*トークンを最適化します。これは多くの場合、インタラクションのコストの大部分を占めます。「全くその通りです」のような社交辞令や冗長な導入を細心の注意を払って取り除くことで、このスキルはAIが必要不可欠なデータのみを配信することを保証します。この外科的な精度により、重要な技術的詳細を損なうことなく、各応答のバイトサイズが劇的に削減されます。

トークン消費量の削減は、運用能力の向上に直結します。同じ予算で、開発者やスタートアップは、より多くのAIクエリを実行したり、ユーザーインタラクションを拡大したり、より大規模なデータセットを処理したりできるようになります。この新たな余力により、より広範な実験が可能になり、より多くのユーザーベースをサポートし、これまで費用がかかりすぎると考えられていた、より複雑で機能豊富なAIアプリケーションの開発を可能にします。

運用コストの削減は、よりスケーラブルで収益性の高いAI搭載アプリケーションを構築するための道を開きます。企業は、AI駆動型サービスをより競争力のある価格で提供したり、節約した資本をイノベーションや機能開発に割り当てたりできるようになります。この戦略的優位性により、市場浸透率を高め、AIイニシアチブへの投資回収を加速させることができます。

直接的なコスト削減に加えて、簡潔な応答の純粋な効率性は、ユーザーエクスペリエンスとシステムスループットを向上させます。応答が速いということは、エンドユーザーの待ち時間が短縮され、ダウンストリームアプリケーションの処理が速くなることを意味します。Cavemanは、究極のトークン効率のために、Wenyan-lang-langを含む特殊なモードも提供しており、予算の制約内で可能なことの限界を押し広げます。

LLMに単に「簡潔に」と指示するだけでは、一貫した信頼性の高い結果が得られることはめったにありません。明確なガードレールとAIのコミュニケーションパターンに対する深い理解がなければ、基本的な指示では持続的な効率性には不十分であり、しばしば重要な情報を犠牲にしたり、冗長なパターンに戻ったりします。

したがって、Cavemanは単なる指示を超え、洗練されたプロンプトエンジニアリングパッケージを代表します。開発者は、AIの動作を正確に制御するために、高度な技術を組み合わせてこれを構築しました。これはネガティブ制約を採用しており、ClaudeやCodexのようなモデルに「全くその通りです！」や「確かに！」といった一般的なフィラーフレーズを避けるなど、*何をしないか*を明示的に伝えます。この積極的な排除により、AIが会話のオーバーヘッドを生成するのを防ぎます。

決定的に重要なのは、Cavemanがしばしば特定のロールプレイング指示を活用し、AIに「無口な専門家」のペルソナを体現させることです。この役割は、本質的に直接性、事実の伝達、および余分な言葉の排除を優先し、モデルが冗長性を自己検閲するように効果的に訓練します。このスキルには、構造化された書式設定ガイドラインも組み込まれており、AIが情報を効率的に、しばしば箇条書きや短い断定的な文で提示するように指示し、簡潔さにもかかわらず重要な技術的詳細が損なわれないようにします。

これは万能な解決策ではありません。Cavemanは段階的な簡潔さのレベルを提供しており、ユーザーはさまざまなコンテキストに合わせて望ましい「Cavemanらしさ」の度合いを調整できます。極端なトークン効率のために、「Wenyan-lang-langモード」が含まれており、これは非常に凝縮された古典中国語の文語を使用します。Wenyan-lang-langは、その最小限のトークンフットプリントで知られており、特定のユースケースにおけるトークン最適化の頂点を表しています。

Cavemanは、単なるコマンドを超え、AI出力を制御するための堅牢な手法を包含する、次世代の目的別プロンプト作成を具現化します。これは、LLMの冗長性に対抗し、トークン削減において最大65%という大幅な運用コスト削減を実現するために特別に設計されています。この革新的なアプローチは、より効率的で費用対効果の高いAIインタラクションへの明確な道筋を提供します。その実装についてさらに深く掘り下げるには、GitHubでプロジェクトをご覧ください：JuliusBrussee/caveman: why use many token when few token do trick — Claude Code skill that cuts 65% of tokens by talking like caveman · GitHub。

トークン最適化の限界を押し広げるCavemanスキルは、その最も高度な機能である：Wenyan-lang-langモードを提供します。この究極の設定は、古典中国語のユニークな特性を活用し、比類のない効率性を実現し、最も簡潔な英語のプロンプトさえもはるかに凌駕します。これは、絶対的な最小出力と最大のコスト削減が求められるシナリオのために細心の注意を払って作られた、スキルのエンジニアリングの頂点を表します。

Wenyan-lang-lang、すなわち古典中国語は、2000年以上にわたり中国の正式な書き言葉として機能し、哲学、文学、統治のための洗練された媒体へと発展しました。現代の中国語方言とは異なり、その深い簡潔さで知られており、単一の文字が驚くべき密度で複雑なアイデアやフレーズ全体を伝えることがよくあります。古代の学者は、膨大な情報を並外れた簡潔さで記録するその能力を高く評価し、言語圧縮の傑作としました。

この深い表意文字的性質により、Wenyan-lang-langは、特に堅牢な多言語理解を持つ大規模言語モデル内でのトークン効率に独自に適しています。複数の文字やサブワード単位が結合して単一の概念を形成する表音言語とは異なり、単一のWenyan-lang-lang文字は、多くの場合、完全な意味トークンに直接マッピングされます。これにより、複雑なデータを表現するために必要な総トークン数が劇的に削減され、特定のAIインタラクションやデータシリアル化において、間違いなく最もトークン効率の高い言語として確立されます。この効率性は、運用コストの具体的な削減に直接つながります。

Wenyan-lang-langモードのアプリケーションは、非常に専門的ですが強力な影響力を持ち、一般的なユーザー向けAIを超えています。これは、カジュアルな会話型AI向けではなく、すべてのトークンが重要となる、クリティカルな、大量の、または極めてコストに敏感な操作向けに設計されています。その変革的な有用性を以下で検討してください。 - 最小限のオーバーヘッドで高度に構造化された技術仕様やAPIペイロードを送信する。 - 組み込みシステム向けに、厳格なトークン制限内で複雑な構成パラメータや操作指示を保存する。 - 分散システム向けに、超低コストで高スループットのAI間通信プロトコルを可能にする。 - すべてのバイトと計算サイクルが貴重な、リソース制約のあるedge computing環境にAIソリューションを展開する。 このモードは、AI出力をほぼ暗号的な速記に変換し、即座の人間による可読性よりも機械の効率性と経済的実現可能性を優先します。

CavemanスキルをAIワークフローに統合する開発者は、すぐに大幅な効率向上を実現できます。この洗練されたプロンプトエンジニアリングパッケージは、ClaudeやCodexのようなモデルからの応答を最適化するための合理化された3ステッププロセスを提供し、トークン使用量を劇的に削減し、インタラクション時間を短縮します。

ステップ1は、通常GitHubでホストされている公式のCavemanプロンプトパッケージを見つけることです。このリソースは、単なる「簡潔に」という指示を超える、完全で綿密に作成されたプロンプトシーケンスを提供します。展開前にその階層構造を理解することは非常に重要であり、重要な技術データを犠牲にすることなく、冗長性を外科的に削減する方法が明らかになります。

ステップ2では、このプロンプトを選択したLLMへのAPI呼び出しにおけるシステムメッセージまたは初期指示の一部として統合する必要があります。Claudeの場合、会話の冒頭にCavemanパッケージ全体を埋め込みます。Codexユーザーは、プロンプト構造内に同様の統合ポイントを見つけることができ、AIが最初から簡潔なペルソナを採用することを保証します。

適切な配置により、AIはCavemanの指示というレンズを通して、その後のすべてのユーザー入力を解釈します。これは単にコマンドを前置するだけでなく、モデルの出力スタイルと冗長性を決定する基本的な通信プロトコルを確立するものであり、高度に凝縮された応答においても技術的な詳細の整合性を保ちます。

ステップ3は実験に焦点を当てています。Cavemanはさまざまな簡潔さの「レベル」を提供し、開発者が簡潔さの度合いを微調整できるようにします。これらのレベルをアプリケーションの特定の要件に対して繰り返しテストし、情報密度とトークン効率のバランスを取ります。この反復プロセスにより、最適なパフォーマンスと最大のコスト削減が保証されます。

極端なトークン効率のために、Cavemanスキルの最も高度な機能であるWenyan-lang-langモードを探索してください。このオプションは、AIに古典中国語で応答するよう指示します。古典中国語は本質的に密度が高く、トークン効率が非常に高い言語であり、特定のユースケースで比類のないコスト削減を提供します。

Cavemanを実装することで、AIの冗長性による隠れたコストを軽減するための実用的かつ即効性のある道筋が提供されます。開発者は、より速い応答だけでなく、実際のアプリケーションで実証された65%という目覚ましいコスト削減に匹敵する、大幅な財政的節約の可能性も得られます。

「Caveman」による波及効果は、単なるトークン削減をはるかに超えています。それは、私たちが大規模言語モデルをどのように捉え、どのように対話するかという根本的な変化を示しています。単一の冗長なペルソナに縛られることなく、AIは画一的なアプローチを超えて進化しています。この動きは、特定のタスクやユーザーの好みに合わせて正確に調整された、高度に専門化された効率的なAIアシスタントのエコシステムを育成します。

将来のAIインタラクションは、モードベースのプロンプトをますます採用するようになり、ユーザーは特定のワークフローに合わせてAIのペルソナを動的に切り替えることができます。AIが仮定に異議を唱え、より深く掘り下げる微妙なブレインストーミングのために「ソクラテスモード」をアクティブにしたり、複雑な文書の簡潔で専門用語のない要約を提供するために「リーガルモード」をアクティブにしたりすることを想像してみてください。このきめ細かな制御により、AIは汎用ツールから、特定の認知機能に最適化された一連のターゲットを絞ったエキスパートへと変貌を遂げます。

かつては未熟な芸術であったプロンプトエンジニアリングは、急速に厳密な学問へと成熟しています。開発者は現在、ソフトウェアパッチのように、AIのコアな動作を直接変更し強化する洗練されたプロンプトパッケージを作成しています。これらの設計されたプロンプトは、Cavemanのような新しい「スキル」を注入し、デフォルトの傾向を上書きし、効率、コスト、出力スタイルに関してパフォーマンスを最適化します。これは、単純な指示に従うことから大きく進化したものです。

この専門化は、AIアプリケーションの状況を根本的に再構築します。LLM固有の冗長性と反復的な試行錯誤で戦う代わりに、エンジニアはCavemanのような「簡潔パッチ」を展開し、トークン効率と応答速度を即座に最適化できます。このような的を絞った介入は、計算リソースと開発者の時間を大幅に節約し、効率的なAIが現実世界のシナリオで達成できることの限界を押し広げます。

最終的に、この傾向は、人間がデジタルな対応物から単なる知能だけでなく、*インテリジェントな効率性*を要求する新時代を定義します。データ転送における最大のトークン圧縮のためにWenyan-lang-langを呼び出す能力、または鮮明で事実に基づいたレポートのための「ジャーナリスティックモード」は標準となるでしょう。専門的なAIモデルとその統合をさらに探求することに関心のある開発者は、Codex | AI Coding Partner from OpenAIで貴重なリソースを見つけることができます。この未来は、あらゆる考えられるアプリケーションにおいて、実用性とリソース最適化を優先する、深くカスタマイズされたコンテキスト認識型のAIインタラクションを約束します。

AIインタラクションは、丁寧な会話を超えて進化しなければなりません。開発者や企業は、丁寧な言葉がトークン数を膨らませ、重要なワークフローを遅らせる、冗長な大規模言語モデルの隠れたコストをこれ以上負担することはできません。単なる会話パートナーとしてのAIの時代は終わりました。目的のために設計された精密機器としてそれを要求してください。

すべてのAIクエリにおいて、実用性、速度、費用対効果を優先してください。Cavemanのようなツールは、不要な出力を排除することでAPIコストを驚異的な65%削減し、運用費用を劇的に削減する明確な道筋を示しています。この戦略的焦点は、ニュアンスを犠牲にすることではなく、すべてのインタラクションから最大限の実用的な価値を引き出すことです。

現在のAI導入を批判的な目で評価してください。簡潔なデータポイントで十分なときに、モデルはエッセイを生成していませんか？「承知いたしました！」や「全くその通りです！」のようなフレーズが、予算と応答時間を圧迫していませんか？すべての余分な単語が計算サイクルの無駄とレイテンシの増加を表し、収益に影響を与えることを認識してください。

効率重視のテクニックを新しい標準として受け入れてください。Cavemanの多層的なアプローチに代表される洗練されたプロンプトエンジニアリングは、技術的な詳細を保持しつつ、極度の簡潔さを強制します。例えば、その高度なWenyan-lang-langモードは、トークン効率を絶対的な限界まで高め、無駄のないコミュニケーションが一貫して優れた結果をもたらすことを証明しています。

この変化は、AIの状況における重要な成熟を示しています。パフォーマンス指標、投資収益率 (ROI)、および運用効率が、AI統合にとって最も重要なベンチマークとなっています。これらの要素を優先する企業は、AIの真の可能性を解き放ち、強力だがしばしば浪費的なツールから、不可欠で合理化された資産へと変革するでしょう。

AIインタラクションの未来は、散文よりも精度を重んじる人々に属します。すべてのトークンが重要であり、すべての応答がアプリケーション内で直接的で測定可能な目的を果たすという考え方を取り入れてください。この戦略的な転換により、AIはイノベーションの強力な加速器となり、貴重なリソースや開発者の時間を浪費するものではなくなります。

「Caveman」AIスキルとは何ですか？

Cavemanは、ClaudeやCodexのようなAIモデルが簡潔に応答するように設計されたプロンプトエンジニアリング技術で、余分な言葉を排除して出力トークンとコストを節約します。

Cavemanスキルを使用すると、どのように費用を節約できますか？

AI APIの使用量は、多くの場合トークンごとに課金されます。AIが応答でより少ない単語（トークン）を使用するように強制することで、Caveman skillは各インタラクションのコストを直接削減し、最大65%以上削減できる可能性があります。

このスキルは、ClaudeやCodex以外のモデルでも機能しますか？

Caveman skillの原則—簡潔さを強制し、会話のフィラーを排除すること—は、他のLarge Language Modelsにも適用できますが、特定のプロンプトは調整が必要になる場合があります。

Wenyanモードとは何ですか？

Wenyanは古典中国語の文語です。Caveman skillには「Wenyanモード」が含まれています。なぜなら、これは非常にトークン効率が高く、複雑なアイデアを非常に少ない文字やトークンで表現できるからです。