Caveman Skill：让 AI 编程助手说”人话”、省 65% Token 的极简技能

Caveman Skill：让 AI 编程助手说”人话”、省 65% Token 的极简技能

你是否有过这种体验：问 AI 助手一个简单问题，它洋洋洒洒写一大段，最后才告诉你答案？代码还没写，先读三百字背景介绍。上下文窗口飞速膨胀，Token 账单也跟着飙。这不只是烦——是真金白银的浪费。

Caveman 就是来解决这个的。这是一个 Claude Code Skill，核心理念一句话：让 AI 用最短的话答问题，代码和命令原样保留。别废话，别展开，别重复背景知识，只给需要的那一行答案。

这个项目在 GitHub 已斩获约 101,494 Stars（截至 2026-08-28），8 月多次登上 Trending 日榜，Product Hunt 精选推荐，v2.3.1 是最新稳定版。它不只是”说话简洁”这个 Prompt 技巧——背后是一套完整的 Token 压缩引擎，覆盖输入、输出、记忆、浏览四个维度。

功能与原则

Caveman 实际上包含两个独立产品，可以单独使用，也可以叠加：

产品一：Caveman Proxy（节省输入 Token）
一个本地代理，劫持你 Agent 的每次 API 调用，在发送前用 Caveman Engine 压缩请求内容。压缩后字节完全可恢复，不丢关键信息。官方实测：在 54 轮 Claude Code 基准测试中，比原生 Claude Code 减少 33.2% 的输入 Token，且 18 项精确答题全部通过。

产品二：Caveman Skill（节省输出 Token）
装上之后，你的 Agent 回答会变成”穴居人说话风格”——问什么答什么，不绕弯。但代码块、命令、报错信息完全不受影响，照常输出。它解决的问题是：Agent 的思维过程和礼貌废话占用了大量输出 Token，而这些问题完全不值得你付钱。

两大原则：
– 先读少，再答少：Proxy 压缩输入侧，Skill 管输出侧，双管齐下
– 安全从不打折：Caveman 不会为了省 Token 删掉错误处理、安全检查或可访问性验证——这些是”必要代码”，不是废话

认可度

• GitHub Stars：约 101,494（截至 2026-08-28），8 月多次进入 GitHub Trending 日榜
• Product Hunt 精选推荐
• 官方 54 轮 Claude Code 基准测试：输入 Token 减少 33.2%，18/18 精确答题通过
• 支持 30+ Agent：Claude Code、Codex、Gemini CLI、Cursor、Windsurf、Cline、aider、OpenCode、OpenClaw 等
• npm 全局安装量持续增长，GitHub trendshift.io 数据显示近期热度持续上升

链接

GitHub：https://github.com/JuliusBrussee/caveman

原作者

JuliusBrussee（GitHub username）——独立开发者，专注于 AI 编程助手的效率优化与 Token 成本控制。同名下还有 Caveman Distillate（精简版）等关联项目。

介绍

Caveman 最早源于一个朴素的观察：AI 编程助手太爱”教课”了。用户问”怎么修这个报错”，Agent 先分析中间件、解释 Token 验证原理、讨论 Cookie 机制，最后才说”修改 src/auth.ts”。这些解释对学习有帮助，但在实际coding session 里，工程师要的是快速答案，不是上课。

v1 版本的 Caveman Skill 解决了输出侧问题：强制 Agent 用最简洁的话回答，代码和命令保持原样输出。效果显著——实测能节省约 65% 的输出 Token。

v2 版本则更进一步，推出了 Caveman Proxy，从输入侧入手。Agent 每次调用模型前，Proxy 先把请求中的 JSON、日志、代码、Diff 等内容压缩——保留关键结构但删掉冗余重复部分。实测节省 33.2% 输入 Token，字节级可恢复，不影响模型判断。

v2.3.1 还新增了 caveman learn 命令：扫描你本地的 Agent 历史记录，生成 Token 消耗报告，告诉你哪类内容最费 Token，并给出具体修复建议。

特点

• 双侧压缩：Proxy 管输入、Skill 管输出，可独立使用也可叠加，效果叠加
• 字节级可恢复：压缩后内容在需要时可完整还原，不丢关键信息
• 多 Agent 广泛兼容：支持 30+ 主流 AI 编程工具，覆盖 Claude Code、Codex、Gemini CLI、Cursor 等
• 基准实测有效：54 轮独立测试，33.2% 输入 Token 节省，18/18 答题全对
• Token 消耗可视化：caveman learn 扫描本地历史，告诉你钱花在哪儿
• 零后端依赖：Proxy 是纯本地 CLI，不请求任何外部服务， credentials 不过 Proxy

使用方法

方式一：Caveman Proxy（推荐新手先装这个）

npm install -g @caveman-ai/cli
caveman setup --install
caveman claude  # 启动 Claude Code，走 Caveman 代理

方式二：Caveman Skill（只管输出侧）

npx skills add JuliusBrussee/caveman

方式三：完整安装（含 Claude Code 插件钩子）

curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/v2.3.1/install.sh | bash

Windows 用户：

irm https://raw.githubusercontent.com/JuliusBrussee/caveman/v2.3.1/install.ps1 | iex

查看 Token 消耗：

caveman learn  # 扫描本地 Agent 历史，生成报告

使用场景与人群

适用场景：
– 长时间 Claude Code / Codex 编程会话，Token 消耗量大
– 上下文窗口经常接近上限，想延迟”爆窗口”的时间点
– 按 Token 付费的用户，想直接降低账单
– 团队共享账号，Token 是稀缺资源

目标用户：
– 日常重度使用 AI 编程助手的一线工程师
– 需要控制 AI 使用成本的中小团队
– 对 AI 输出”话太多”有明确痛点的开发者

输入与输出案例

场景一：修复 React 组件重复渲染

普通 Agent 输出（69 tokens）：

The reason your React component is re-rendering is likely because you’re creating a new object reference on each render cycle. When you pass an inline object as a prop, React’s shallow comparison sees it as a different object every time, which triggers a re-render. I’d recommend using useMemo to memoize the object…

Caveman Agent 输出（19 tokens）：

New object ref each render. Inline object prop = new ref = re-render. Wrap in useMemo.

代码完全保留，废话全删。

场景二：浏览网页获取信息

Playwright ARIA 基准：15,704 tokens
Caveman Browse（压缩后）：121 tokens，缩小 129.8 倍，且信息完整可执行。

总结：Caveman 是一个”让 AI 少说废话、多干实事”的 Token 压缩工具包，包含本地 Proxy（输入压缩）+ Skill（输出精简）两个独立组件，均可单独安装。约 10 万 Stars 的体量、Product Hunt 精选、33.2% 输入 Token 节省的实测数据，让它成为当前 AI 编程效率工具里最值得关注的项目之一。如果你受够了 AI 的”话痨式”回答，或者 Token 账单让你肉疼，Caveman 值得一试。

GitHub: https://github.com/JuliusBrussee/caveman