Caveman Skill：让 AI 编程 Agent 说”原始人英语”，省 65% token 的开源神器

Skill超级捕获手 技术创作者 2026-09-02 9 阅读

让 Claude 说”原始人英语”就能省 65% token？这个开源 Skill 正在开发者圈爆红

功能与原则

Caveman 是一个 Claude Code / Codex / Gemini CLI 等 AI 编程 Agent 的技能包，核心机制只有一个：强制 Agent 用极简的”原始人英语”（caveman-speak）输出，将冗长的解释压缩成短句。内置的 Caveman Engine 还能在 Agent 读取内容前，先对 JSON、日志、代码、Diff、搜索结果等 payload 进行智能压缩，两端一起省。

设计原则：不让 Agent 变笨，只让它说该说的、读该读的。 benchmark 显示，技能模式下平均节省 65% 输出 token，且代码、命令、错误信息保持精确不变。

认可度

  • GitHub：Trending 榜常客，2026-09-02 仍挂在 GitHub Trending 首页
  • Product Hunt：Featured 产品
  • Trendshift：收录为高增长仓库（badge 挂在 Readme 顶部）
  • npm 下载：CLI 工具 @caveman-ai/cli 在 npm 持续有安装量
  • 社区：skills.sh 市场收录，安装方式覆盖 30+ 主流编程 Agent

链接

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

原作者

Julius Brussee（GitHub: @JuliusBrussee）

独立开发者，专注于 AI 编程效率工具。其 caveman 系列包括：caveman（输出压缩）、caveman-browse（浏览器压缩）、cavegemma（模型权重压缩）等，形成了完整的 token 优化生态。

介绍

Caveman 最早只是一个让 AI”少说话”的 Skill——当 Agent 习惯性地用一大段话解释一个简单 bug 时，caveman 把输出压成几句原始人英语：”New object ref. Inline object prop = new ref = re-render. Wrap in useMemo.” 效果立竿见影。

v2 版本（Caveman 2）将这个思路扩展到了输入端：首创的 Caveman Engine 在 Agent 发送请求前，先对各类 payload（JSON、日志、代码、Docker 日志、diff 等）进行智能压缩——保留关键字段和错误信息，丢弃噪声，压缩率最高达 95%（log 类）。加上 contextwindow.Pack() 按 BM25 相关性+时效+错误信号重新打包上下文，上下文窗口利用率大幅提升。

Proxy 模式（caveman wrap）是另一个杀手锏：本地代理劫持 Agent 与 provider 之间的流量，在不修改任何 Agent 代码的前提下完成压缩。一组 54 次运行的严格对照 benchmark 中，Proxy 模式比原生 Claude Code 减少 33.2% provider 报告的输入 token，所有 18 项精确答题全部通过。

特点

  • 输出端压缩：强制 Agent 用 caveman-speak 回复，代码/命令/错误原文不变，体验无损
  • 输入端压缩：Caveman Engine 智能识别 JSON/log/code/diff/search-result 等类型，按规则压缩 + BM25 重排，节省高达 95% token
  • Proxy 零侵入：本地代理自动劫持流量，不需要改 Agent 代码，支持 Claude Code、Codex、Gemini CLI、opencode、OpenClaw 等 30+ 平台
  • Token 可视化：caveman stats 实时显示节省量；caveman learn 扫描历史记录输出”Cave Score”和优化建议
  • 技能图片化（Pixel Mode）：caveman convert 将已安装 Skill 的 SKILL.md 转 PNG，模型以图像读取，省 61%+ token，触发条件自动识别

使用方法

安装 Skill 模式（适合 Claude Code）：

# 方式一：skills 工具（推荐，30+ Agent 通用）
npx skills add JuliusBrussee/caveman

# 方式二：Claude Code 插件市场
claude plugin marketplace add JuliusBrussee/caveman
claude plugin install caveman@caveman

# 方式三：完整安装（含 Claude Code hooks + statusline）
curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/v2.4.0/install.sh | bash

Proxy 模式安装（本地代理，全量压缩）：

npm install -g @caveman-ai/cli
caveman setup --install
caveman claude  # 启动 Claude Code 并绕代理

基本使用：

# 在 Agent 里激活 caveman
/caveman

# 切换强度
/caveman lite   # 轻度压缩
/caveman full   # 完整压缩
/caveman ultra  # 极致压缩

# 查看 token 节省统计
/caveman-stats

# 扫描历史记录并获得优化建议
caveman learn
caveman learn implement  # 让 Agent 自动执行优化计划

使用场景与人群

适用场景：
– Context 窗口频繁爆满的长项目开发
– 预算敏感的个人开发者 / 小团队
– 需要跨 Agent（Claude Code + Codex + Gemini CLI）统一管理 token 消耗的开发团队
– Agent 历史会话积累多、想系统性降低 token 成本的运维场景

目标用户：
– 日常高频使用 AI 编程工具的开发者
– 对 API 调用成本敏感的独立开发者
– 追求 Agent 响应速度的用户（压缩后模型需处理的内容量显著减少）

输入与输出案例

案例 1：解释 React 重渲染问题

正常 Agent 输出（1180 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 模式输出（159 tokens，节省 87%）：
“New object ref. Inline object prop = new ref = re-render. Wrap in useMemo.”

案例 2：Docker 多阶段构建

正常 Agent 输出（1042 tokens）
Caveman 模式输出（290 tokens，节省 72%）
关键内容完全保留，构建步骤逐条列出，但解释性文字大幅精简。

benchmark 覆盖 8 个真实开发场景（React bug 解释、auth 中间件、PostgreSQL 连接池、git rebase 对比、PR 安全审查、Docker 多阶段构建、PostgreSQL 竞态调试、React Error Boundary 实现），平均节省 65% 输出 token，7/8 场景正向节省，仅 1 个极简场景持平。

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

评论区

0 条评论

登录后可评论。

Skill超级捕获手 9 阅读