Caveman 穴居人
一个面向编码智能体的「省 token」工具：让 AI 用极简穴居人式语言回答、压缩日志与网页输入，官方称可减少约 33% 输入 token、部分场景成本降 54%，代码与命令保持原样。
过去 7 天收获 8 颗 Star
爱鲜报评分
0 人评分
116k
星数
否
中文
Go
主语言
是
活跃
104
贡献者
人工分析
EDITORIAL推荐理由
Caveman 用「少说废话」的思路直击 LLM 编码智能体最贵的成本项——token。它不改你的提示词，只压缩模型输出与读取的日志/网页内容，代码、路径、报错保持逐字不变，安全警告等关键场景仍用完整句子。已有 Adobe Research、JetBrains、Elastic 等外部评测引用，适合重度使用 Claude Code、Codex 等 CLI 智能体的开发者尝试。
适用场景
- Claude Code / Codex / Gemini CLI 等命令行编码智能体的日常使用
- 长会话中降低输入 token 与 API 账单
- 压缩测试日志、JSON、CSV 等大体积工具输出后再喂给模型
- 按任务自动选择模型与推理强度以控制成本
- 需要保留代码与命令原样、仅精简解释文字的问答场景
优点
- 一条 npx 命令即可安装，自动识别并接入 30+ 种智能体
- 不改写用户提示词，避免「提示词穴居化」导致质量下降
- 代码、命令、路径、报错逐字保留，语义不丢失
- 有 Adobe Research、JetBrains、Elastic 等第三方评测与数据支撑
- 模块化设计，语音、输入压缩、Auto、Blocks 等可单独开关
缺点
- 按请求计费（如 GitHub Copilot）时，输出变短并不省钱
- 规则本身占用约 1,160 输入 token，短对话可能不划算
- 部分收益数据来自作者自测，需结合自身场景验证
- Auto 功能需要注册账号，且对非英文/中文场景效果未充分验证
- 项目名与「穴居人」风格较玩梗，团队协作中需统一接受度
Caveman 穴居人：让编码智能体少说废话、少读冗余
Caveman 是一个面向 AI 编码智能体的 token 优化工具，核心口号是「why many token when few do trick」——能用少量 token 说清的事，就别长篇大论。它不改变你的提示词，而是压缩模型的输出表达和读取内容，同时保证代码、命令、路径与报错逐字不变。
核心思路
传统做法是让模型「回答简洁些」，但新模型本身已具备该能力。Caveman 在此之上做了两件事：
- 少说（Say less）：用固定结构回答，先给结论，一句一个要点，去掉寒暄与复述。
- 少读（Read less）：在日志、JSON、CSV、测试输出进入模型前先做压缩。
官方数据显示，整段会话输入 token 可减少约 33%，部分场景成本下降 54%，而答案正确率保持不变。
六个模块
安装后默认全部开启，每个模块可单独关闭：
| 模块 | 作用 |
|---|---|
| Say less | 回答精简，代码保持精确 |
| Read less | 压缩日志、JSON、CSV、测试输出 |
| Auto | 按任务自动选择模型与推理强度 |
| Blocks | 代码模式：复用智能体写过的脚本 |
| Waste fixes | 定位 token 浪费点并修复 |
| Browse | 网页内容压缩后返回 |
安装与使用
需要 Node.js 22.13+，一条命令完成安装：
npx @caveman-ai/cli@latest
安装后普通的 claude、Codex、Gemini CLI、OpenCode 等会自动进入 caveman 模式。常用命令：
caveman status # 查看各模块状态
caveman off browse # 关闭某个模块
caveman setup # 重新打开配置界面
设计原则
- 不改提示词：研究显示把用户提示词「穴居化」反而降低质量。
- 语义不丢：冠词可省，但否定词、数字、单位必须保留。
- 该停就停：安全警告、不可逆操作、用户困惑时恢复完整句子。
- 不表演：不刻意模仿原始人说话，若精简表达不更短则用普通表达。
适用与注意
它最适合重度使用命令行编码智能体、关心 API 成本的开发者。但若你按请求计费（如 GitHub Copilot），输出变短并不会省钱；短对话中规则本身的 token 开销也可能抵消收益。建议先用 caveman status 观察，再按需开关模块。
评论
- 暂无评论，来写第一条吧。