v4.0 里的 Caveman 是什么
Caveman 是 Julius Brussee 的开源项目，2026 年 4 月 4 日起步时只是一个 Claude Code 技能，如今是一个组合包：一个输出风格技能、一个用 npx 安装的 CLI、一个压缩智能体所读内容的本地代理、一个需要 Caveman 账号的可选路由器 Auto，以及一个叫 Blocks 的脚本模块。只有第一个部分是走红的“像原始人一样说话”，而它只缩短模型的回复。README 上更大的数字，输入 token 少 33.2%、用 Auto 便宜 54%，属于其他部分，来自项目自己的基准测试。
证据的简短版本是这样。发布口号是约省 75% 的 token。本文找到的最严谨的独立测试来自 JetBrains：在强制开启技能的真实编码智能体任务上，输出 token 少 8.5%，质量没有可测出的下降。一篇引用了该仓库的研究论文发现，压缩模型的输出会降低大多数 API 模型的实际成本，而压缩你自己的提示词反而抬高成本。Caveman 自己的“诚实数字”页面现在写明，相对于默认冗长回复的输出减少量没有公布，并列出了这个技能会亏的场景。弄清每个数字衡量的是哪个通道之后，这几个说法并不矛盾。
本文基于项目的代码仓库（README、INSTALL.md、SECURITY.md、HONEST-NUMBERS.md 和 v4.0.0 发布说明）、JetBrains 的文章、arXiv 论文和 Elastic 的文章，这些来源在写作时都已打开阅读。本文没有任何内容来自实际运行 Caveman；本地唯一做的计算是对技能文件的 token 计数，详见下文。会变动的数据，如 star 数和版本号，都标注了读取日期：2026 年 10 月 29 日。
75% 的发布口号
2026 年 4 月 4 日，作者发帖给出了 Claude Code 的一行安装命令，并把效果概括为“same fix. 75% less word. brain still big.”。帖子附了第一版 README 的截图，里面写着这个技能“cutting ~75% of tokens while keeping full technical accuracy”。随后这个仓库做到了少有技能仓库能做到的事：登上了 Hacker News 首页。投稿标题是“Caveman: Why use many token when few token do trick”，截至 2026 年 10 月 29 日，Hacker News API 显示 904 分、366 条评论，仓库现在显示约 115,900 个 star。
我看到一个笑话，说让 Claude 像原始人一样说话能少用 75% 的 token，于是我把它做成了 Claude Code 的一行安装。
— @JuliusBrussee 2026 年 4 月 4 日
75% 这个数字源自作者看到的一个笑话，不是某次基准测试，项目后来也在自己的文档里收回了它。“诚实数字”页面写道，早期的统计版本“applied a fixed 65% output ratio without a committed reviewed result”，现在的报告会忽略那些估算字段，而且基准测试工具里没有提交经过审阅的、针对默认冗长回复的输出减少原始结果。该页面的表格把这个数字列为“Not published”。这个数字在社交媒体上流传了几个月，按项目自己的说法，背后并没有测量。
这不等于技能没用。意思是 75% 属于营销文案，打算安装的人应该去看那些有实测的行。实测的数字更小，也更有意思。
组成部分：六块石头，三种信任级别
2026 年 10 月 13 日发布的 v4.0.0 在说明里写道：让 npx @caveman-ai/cli 成为唯一的安装方式，在本地代理之上通过 Caveman Cloud 增加 Auto 路由，并把 Caveman Blocks 作为模块发布。README 把这些部分叫作“六块石头”，CLI 用 caveman on 和 caveman off 来切换它们：输出、输入、浪费修复、路由、脚本和浏览。下表按它们触及的对象以及是否需要账号来分组，依据是 SECURITY.md 里的数据流表。
| 组成部分 | 做什么 | 压缩的对象 | 需要账号吗 |
|---|---|---|---|
| 输出（技能本身） | SKILL.md 规则，让模型先给答案、去掉套话，并保持代码、命令和数字准确 | 只压缩模型的回复。不含输入、文件或思考 token | 不需要。本地智能体上下文和本地文件 |
| 输入（代理与引擎） | 本地代理，可压缩工具结果和文件，原文保留在磁盘上，智能体可以取回 | 智能体读到的内容 | 不需要。内容发往你本来就在用的提供商 |
| 浪费修复 | 在会话暂停期间保持 Anthropic 的提示缓存不过期 | 暂停后的缓存未命中 | 不需要，但会向 api.anthropic.com 重发一次请求 |
| 路由（Auto） | 按每次提问，从你配置的提供商里选模型和推理强度 | 每次提问的模型成本 | 需要。要登录 Caveman Cloud |
| 脚本（Blocks） | 可复用脚本，替代智能体反复现写的脚本 | 智能体回读的工具输出 | 不需要。预发布版 v0.1.0-rc.5，仅支持 Python |
| 浏览 | 给智能体用的压缩网页 | 页面快照 | 不需要 |
有两个 caveman 命令会碰到你自己的提示词相关文件。/caveman-compress <file> 会用压缩风格改写 CLAUDE.md 之类的记忆文件，并保留备份。README 称它让五个文件从 6,198 个 token 降到 4,138 个，单个文件降幅在 22.8% 到 49.1% 之间，作者自己的帖子则说成“1000 token CLAUDE.md × 100 sessions = 100,000 tokens on context you already wrote.”。这和语音技能是不同的机制：它改的是你每一轮都要付费的输入，而“诚实数字”页面把它的结果称为五个列出样本上的总输入减少量，并没有通用的质量等价声明。
README 里的一个设计选择与下文的研究相呼应：Caveman 说它从不改写你的提示词。项目为这一决定引用了 Adobe 的论文，该论文发现，去掉提示词里的虚词会在大多数 API 模型上抬高净成本。这个技能减少的是模型怎么说话，不碰你输入的内容。
在 Claude Code、Codex 和 Cursor 上安装
INSTALL.md 提供统一安装器和各智能体的单独命令。这些一行命令锁定在发布标签上，而不是不断变化的 main 分支，文档还说钩子文件会对照同一标签里的 SHA-256 清单校验。它也坦率说明了这项校验的限度：它“catches a broken or partial download, not a tag that was moved.”。如果你想先检查再运行，文件建议先下载脚本、读完再执行，安装器还带 --dry-run 参数，可以预览它将要改动的内容。
| 智能体 | 安装命令（来自 INSTALL.md） | 会自动启动吗 |
|---|---|---|
| Claude Code | claude plugin marketplace add JuliusBrussee/caveman && claude plugin install caveman@caveman | 会，靠钩子和状态栏徽标 |
| Codex CLI | npx -y github:JuliusBrussee/caveman -- --only codex（仅技能、不带钩子：npx skills add JuliusBrussee/caveman -a codex -g） | 会，靠 SessionStart 钩子，需用 /hooks 信任一次；仅技能的安装用 $caveman 调用 |
| Cursor | npx -y github:JuliusBrussee/caveman -- --only cursor | 会，靠会话钩子 |
| 单独安装技能，任何受支持的智能体 | npx skills add JuliusBrussee/caveman -g | 不会。用宿主的技能菜单、/caveman 或在提示词里点名调用 |
有四个细节容易漏掉。第一，在 npm 12 或更新版本上，裸的 npx -y github:... 命令会因为 EALLOWGIT 报错停下，因为 npm 12 默认关闭了 git 包拉取；文档说要加 --allow-git=root，并说锁定到 v4.0.1 的一行命令自己处理了这件事。第二，脚本化的 Claude Code 运行，也就是 claude -p 和 Agent SDK，无论你的配置怎么写都以 Caveman 关闭的状态启动，这样解析 Claude 回复的工具拿到的是纯文本；要开启就用 /caveman 或环境变量 CAVEMAN_DEFAULT_MODE。第三，新会话以哪种模式启动，可以在 ~/.config/caveman/config.json 里用 defaultMode 键设置，也可以按项目在 .caveman.json 文件里设置。第四，子智能体的行为取决于宿主：Claude Code 的子智能体沿用生成它们的那个窗口的模式，而 opencode 的子智能体拿到的是来自 AGENTS.md 的固定规则，“stop caveman”关不掉。
INSTALL.md 把这些路径和钩子行为列为项目文档中的设计。本文没有找到对 Codex 或 Cursor 钩子的独立测试，所以在你自己的会话里确认之前，请把它们的行为当作维护者的描述。只想卸载技能的话，README 给出的命令是 npx skills remove JuliusBrussee/caveman -g。技能格式本身在 Claude Code 技能文档里有说明，其中解释了为什么技能的体积重要，详见下文成本账。
哪些数字出自项目自己
README 开头有四张头条数字卡：输入 token 少 33.2%、用 Auto 便宜 54%、一次测试运行从 397 降到 76 个 token，以及 caveman 风格输出便宜 1.4 到 2.4 倍。只有最后一个来自项目之外。下表按“谁测的、覆盖什么”给本文出现的每个数字分类，让你看清哪些说法适用于你打算安装的那个技能。
| 说法 | 测量方 | 设置与范围 | 它说明什么 |
|---|---|---|---|
| 约省 75% token | 发布帖（2026 年 4 月） | 未公布方法；项目现在把相对默认回复的减少量列为未公布 | 营销口号，没有提交过的测量 |
| /caveman 4,119 对 “Answer concisely.” 4,334 对 无指令 6,983 个输出 token | 项目，README | 10 个开发者问题，claude-opus-5-5，3.1.0 规则，单次运行，只看输出长度 | 一句“简洁回答”的对照就拿走了大部分收益；语音技能按中位数大约再多省 3% |
| 输入 token 少 33.2%（885,793 → 591,673） | 项目，README | 覆盖六种文件类型的完整 Claude Code 会话，3 次运行，2026 年 8 月、旧引擎；HTML 反而差了 9.9%；18 个答案全部正确 | 这是代理和压缩器的结果，不是技能的。有意思，但属自报 |
| 用 Auto 便宜 54%（$3.59 对 $7.83） | 项目，README | 85 个编码任务，各试一次，运行完成一半，解决率 43.7% 对 44.3%（±7） | 中期结果。据 README，大部分节省来自简单问题用了更低的推理强度 |
| 便宜 1.4 到 2.4 倍 | Adobe 作者的论文，arXiv | 输出压缩，八个模型、五个数据集、五个压缩级别 | 是真的，但在短答案基准上有一部分是机械性的 |
| 输出 token 少 8.5% | JetBrains | SkillsBench 87 个任务中的 86 个，成对对比，强制开启技能 | 智能体编码的最佳情形。质量不变（p = 0.82） |
| 响应 token 少 63.6% | Elastic | 八个真实 MCP 场景，1,284 → 467 个 token，是为 Elasticsearch 改制的 Caveman 变体 | 厂商自己的变体，不是 Caveman 技能 |
| 计费输出 −44.1%，总成本 +0.06% | 社区，来自 issue #727 | 每组 300 次运行，claude-opus-4-8，2026 年 7 月的技能文件 | 按该处报告，输出变短了，账单没变 |
有两个推算出来的数字有助于读懂输出测试。从 README 的表格看，“Answer concisely.”对照组已经比无指令运行低 37.9%（6,983 降到 4,334 个 token），所以可见的缩短大部分来自“要求简短”这件事本身。以这个对照组为基准，/caveman 在表格总数上低 5.0%，/ultracave 低 37.9%。README 和“诚实数字”页面引用的是中位数，3% 和 35%，并说这次测试是在 3.1.0 规则上跑的，之后没有重跑。以下是本文的推断，不是项目的说法：现代模型本来就会响应“请简洁”，所以技能相对一句话指令的边际价值主要体现在更强的模式里。
33.2% 这个结果值得仔细读，因为它是项目能用表格撑住的最大数字。它测的是完整的 Claude Code 会话，用的是压缩文件内容的代理。README 自己列出了注意事项：会话运行是 2026 年 8 月、用的旧引擎，HTML 还没有压缩器、结果反而变差，每个测试文件都把一条记录藏在 61 到 72 KB 的噪声里。文中还补充说，竞品 Headroom 在同一套测试上 18 道题答对 15 道，token 少 6.7%。这些数字对决定是否试用代理有用，但对语音技能什么也没说明。
JetBrains 测到了什么
JetBrains 在 2026 年 7 月发布了最直接的测试。设置是在 SkillsBench 上做成对 A/B，使用 Harbor 0.17 和无头模式的 Claude Code 2.1.200，模型为低推理强度的 claude-sonnet-5，跑基准 87 个任务中的 86 个，约 240 次计费试验，总花费约 106 美元。一组是原版 Claude Code，另一组装了 Caveman 并加了一条强制激活的指令，文章说这让所有数字都成为技能的最佳情形。
| 结果 | 数字 | JetBrains 的描述 |
|---|---|---|
| 输出 token | 82 个成对任务上 592k → 542k：−8.5% | 这是上限；自动触发的使用节省更少，甚至没有节省 |
| 任务质量 | 8 个任务更好、10 个更差、64 个持平；符号检验 p = 0.82；平均得分 0.326 对 0.311 | 没有可检测到的退化 |
| 成本，完整运行合计 | 技能组 40.60 美元 对 基线 36.39 美元（+11.6%） | 有一个依赖审计任务超过 20 万 token 的计价档位，计费 8.29 美元 对 0.33 美元；这是任务本身的特性 |
| 早期 10 任务运行 | 输出 token 约 −30% | 没能复现；“never trust a k=1 eval” |
JetBrains 用一句话解释了这个差距：智能体的输出以代码、diff、工具调用和精确的错误字符串为主，Caveman 对这些原样保留，只有工具调用之间的叙述会被压缩。他们的建议是，喜欢就用，因为它没有可测出的质量代价，但每天跑智能体任务时最多期待个位数偏高的百分比。该公司在 X 上的帖子也是这样总结的，随附图片是一幅漫画，里面唯一的数据是 100% 和 91.5% 的 token 使用量柱子，以及 8.5% 的标注。
像原始人那样给智能体下提示词？我们的评测显示，在真实任务里这种做法不影响质量，但只能把 token 用量减少约 8.5%，远低于宣传。
— @jetbrains 2026 年 7 月 16 日
caveman 仓库承认了这个结果。它的“诚实数字”页面把 JetBrains 列在外部 A/B 测试里，README 的“Proof”部分写出了项目从中得到的教训：智能体会话主要是代码和工具调用，语音不去碰它们，所以 Caveman 后来长出了压缩智能体所读内容的组件。8.5% 这个数字针对的是 Claude Code、单一基准、单一模型、低推理强度。它对这个工作负载下的语音技能是有力的证据，对 Cursor 聊天或很长的 Codex 会话则是薄弱的证据。
Adobe 论文说了什么
README 引用了一篇标题围绕“Cavewoman”的论文，arXiv 2606.24083，提交于 2026 年 6 月 23 日，作者是 Morayo Danielle Adeyemi、Ryan A. Rossi 和 Franck Dernoncourt；README 将其标为 Adobe Research。论文在引言里引用了 Caveman 仓库。它在五个数据集上、五个压缩级别下评估八个模型，并对每次生成按准确率、实际单条成本以及与模型无约束参考答案的一致性打分，分别衡量用户的提示词和模型的回复。
主要发现有两半。输出压缩会降低大多数 API 模型的实际成本，每个模型便宜 1.4 到 2.4 倍，最佳情形下可达 3 倍。输入压缩则相反：摘要称它是严格的双输（lose-lose），会抬高净成本，五个基准的均值约为 1.15 倍，最差数据集上可达 1.8 倍，压缩更强时达 2.7 倍，因为模型会回答得更长，同时准确率崩掉。在论文的输入压缩表里，净成本变化是 GPT-4o −2.6%、GPT-5.4 +15.4%、Claude Haiku 4.5 +3.1%、Claude Sonnet 4.6 +5.1%。
论文自己的三条保留意见，对如何理解 1.4 到 2.4 这个数字很重要。作者说，输出节省在参考答案本来就很短的基准上最大，比如是非题和选择题字母，并称这些节省“partly mechanical”；需要多步算术的 GSM8K 节省较小，但在解析率高的单元格里准确率得以保持。GPT-5.4 只在它的五个基准中的两个上更便宜，因为它的计费输出主要被隐藏的推理 token 占据。论文还指出，输出 token 的定价通常是输入 token 的四到八倍，这正是输出端节省可能比输入端节省更重要的原因。它测的是短基准答案上的提示词级约束，不是带工具调用的编码智能体，所以它支持 Caveman 思路的方向，而不是任何智能体级别节省的幅度。
一份 SKILL.md 的成本账
技能不是免费的。README 说语音规则大约占 1,160 个输入 token，“诚实数字”页面则把技能增加的输入成本列为“Not measured yet”。本文用 tiktoken 的 o200k_base 分词器在本地数了 v4.0.1 的 SKILL.md，这个分词器是近似而非 Claude 的分词器，整个文件是 1,158 个 token：frontmatter 约 70 个，正文 1,087 个。这与 README 的估计一致。按 Claude Code 技能文档，描述会加载进上下文，让模型知道有哪些技能；技能被调用时才加载完整正文，加载后的正文会在之后的轮次里一直留在对话中。
下面是一个简单的盈亏平衡模型。如果冷读一次文件花 1,158 个输入 token，而每个输出 token 的价格是输入 token 的 r 倍，那么技能节省约 1,158 / r 个输出 token 时，就能抵回一次未命中缓存的读取。价格比取 Adobe 论文引用的四到八倍，就得到下表。这个模型是简化的：缓存命中的读取更便宜，而始终加载的技能每一轮都会被再次读取，所以真实的平衡取决于缓存情况和之后有多少轮。项目说它没有测过这一点。
| 输出对输入价格比 | 抵回一次未命中缓存的 1,158 token 文件读取所需节省的输出 token |
|---|---|
| 4× | 约 290 |
| 5× | 约 232 |
| 8× | 约 145 |
对照这些门槛，README 里的样例看着没问题：一条 React 回答从 63 个 token 降到 20 个（两个计数都能用 o200k_base 复现），节省 43 个 token。最好情形下回答几个问题就能回本，低端则要多得多。对于长时间的智能体会话，“诚实数字”页面里的一项独立测量给出了比例感：在 662 个 Claude Code 会话中，有位用户发现输出只占全部 token 的 0.3%，Caveman 对账单的净影响在 ±0.2% 以内。另一次外部运行每组 300 次，计费输出下降 44.1%，总成本却变动 +0.06%，每次运行多出约 1,532 个缓存上下文 token。当账单的大头是输入和缓存重读时，输出风格规则就没有多少可作用的空间。
“诚实数字”页面还列出了这个技能直接亏的场景：简短的编码问答，固定的提示词开销可能超过任何输出减少量（issue 145）；按请求计费的智能体，比如 GitHub Copilot，答案变短还是同一次请求（issue 506）；以及一个 Cursor A/B，用 Caveman 是 430 万个 token，不用是 100 万个，项目说无法复现，并把原因归结为规则重复注入、重试和缓存计账。该页面给出的经验法则很合理：在同一任务上，对比开启和关闭技能时提供商计费的总量，如果总量上升就关掉。想了解其他省 token 的办法，可以看把 9Router 当作省 token 工具和在 Antigravity 里省 token这两篇指南。
信任面：CLI、代理与账号
只装技能是个很小的决定：一个 markdown 文件，对某些宿主再加一个钩子。通过 npx @caveman-ai/cli 安装 v4.0 则是更大的决定，因为 CLI 会设置一个夹在智能体和提供商之间的本地代理，能检测并修改它发现的每个智能体和登录的配置，还能提供云端账号。SECURITY.md 里有一张比大多数项目都清楚的数据流表。下表是它的浓缩版；引用的行为来自 2026 年 10 月 29 日读到的文档，而文档本身也提醒已发布版本可能落后于仓库。
| 环节 | 需要账号吗 | 按 SECURITY.md，你的内容去向哪里 |
|---|---|---|
| 技能和经典输出钩子 | 不需要 | 本地智能体上下文和本地文件。这些组件不会直接调用 Caveman 的服务 |
| 本地代理与引擎 | 不需要 | 请求内容（可能经过转换）加上你的提供商凭据，发往你的智能体选定的提供商。用于恢复的原文留在本地存储，除非智能体之后取回并发送 |
| 浪费修复（缓存保活） | 不需要 | 把代理刚转发的 Anthropic 请求，用相同凭据、max_tokens 设为 0 再发一次，以保持提示缓存不过期；副本在内存里最多保留一小时。用 CAVEMAN_CACHE_WARM=off 关闭 |
| CLI 使用遥测 | 不需要 | 不含内容的使用事件，包括处理和节省的 token 数，默认发给 Caveman，并连同发送方 IP 地址存储（IP 90 天后清除，事件 13 个月后删除）。用 caveman telemetry off 或 DO_NOT_TRACK=1 关闭 |
| 托管的 Caveman 网关 | 需要 | 请求和响应经过 Caveman Cloud 和所选提供商。文档说不要把托管模式当作仅本地 |
| Auto 路由（已登录、路由已开、选了 Auto） | 需要 | 每次新提问，会把你最新的提问、前一次提问以及智能体上一条回复的末尾原样发给 Caveman Cloud，分别最多 128 KiB、16 KiB 和 16 KiB，并附带模型名称和请求计数 |
有两点值得强调。Auto 那一行里的“原样（raw）”指的是你的智能体写进那些轮次里的任何内容，其中可能包括 CLAUDE.md 和记忆提醒、你提到的文件内容以及 shell 输出，所以使用账号支撑的路由器是一个数据共享的决定，而不只是计费的决定。另外，代理在传输中会看到你的提供商凭据，这是设计使然，任何本地代理都如此，也正是安装路径的完整性重要的原因。发布说明补充说，模块索引列在签名的校验清单里，CLI 会拒绝清单里没有列出的索引，这就意图而言是个好迹象。本文没有审计代码或签名设置；这些说明是项目自己的描述，不是核实。
从这张表可以推出一条保守的路径。先只装技能，用 npx skills add JuliusBrussee/caveman -g，不涉及代理，也不涉及账号。如果想要代理，先带 --dry-run 跑安装器，读清楚它要改什么；不想发送使用事件就设置 caveman telemetry off；再用 caveman status 查看开了什么。Auto 和托管网关留给你愿意把提示词文本发给第三方的会话。项目的漏洞政策要求通过 GitHub 私下报告凭据泄露或代理隔离失败这类问题，这是个合理的信号，说明它认为这些是敏感的环节。
用自己的工作负载测一遍
上面的证据是在论证“要去测”，而不是“该装”或“别装”。一次恰当的测试花一天，只用你平时的账单数据。步骤遵循项目自己的指引，并加入了几条取自 JetBrains 方法的补充。
- 选一个可重复的任务。选你每周都做的工作，最好同时包含聊天式回答和工具调用，让测试反映你自己的混合，而不是 README 里的例子。
- 每组至少跑五次。JetBrains 最初的 10 任务运行显示约 30%，完整运行则收敛到 8.5%。单次运行就是噪声。
- 比较提供商计费的总量，而不是输出长度。用提供商的用量或账单页面。项目说这比它自己的估算更权威，它的
/caveman-stats命令正是出于这个原因把节省量报告为未知。 - 把技能自身的成本算进去。加上文件约 1,158 个 token，并注意你的智能体是否每一轮都重新注入它。“诚实数字”页面里的 Cursor 报告就是警示例子。
- 单独检查质量。像 JetBrains 那样统计正确结果。token 数不能证明简短的回答保留了每个注意事项；项目说它目前还没有经过审阅的保真度快照。
- 把语音和代理分开测。用
caveman on和caveman off一次切换一个部分，这样你就知道是哪一个改变了账单。
| 你的工作负载 | 证据提示了什么 | 建议做法 |
|---|---|---|
| 终端聊天里的长篇回答 | 可去掉的行文更多，项目自己的例子正是来自这里 | 试试这个技能；自己做 A/B 测量 |
| 自主编码智能体，主要是工具调用和 diff | JetBrains 的上限是输出 token 8.5%；成本节省被单次试验的方差淹没 | 可选。最多期待个位数 |
| 按请求计费的智能体，比如 GitHub Copilot | 据项目所述，答案变短仍是同一次请求 | 跳过语音技能 |
| 每轮都重读的大 CLAUDE.md 或记忆文件 | caveman-compress 报告每个文件 22.8% 到 49.1%；自测 | 在副本上试，手动比对结果 |
| 大量使用子智能体的工作流 | 模式继承因宿主而异；opencode 的规则是固定文本 | 在你用的宿主上测；项目称 Hermes Agent 未经验证 |
| 团队政策禁止第三方数据流 | Auto 和托管网关会把原始轮次发给 Caveman Cloud | 只用技能，或用关闭遥测的本地代理 |
如果你是在比较模型而不是工具，比任何风格规则更大的杠杆往往是模型和推理强度本身；我们的 Claude Opus 5.5 与 Sonnet 5.5 编码对比讲的就是这个取舍。如果你担心的是额度用完而不是花钱，可以看 Codex 用量重置指南；至于持久上下文怎样改变 token 用量，Claude-Mem 指南和 Claude Code 最佳实践指南是最接近的几篇。
实用结论
Caveman 是个有趣、低风险的缩短回复的办法，在智能体工作上有一个老实的上限；同时它也是一个更大的工具，而它的大数字仍然是项目自己的说法。语音技能文档齐全，能让代码和数字保持准确，在 JetBrains 的测试里没有质量损失。它对编码智能体的实际效果，输出 token 上是个位数，而项目自己的页面也说它在简短的编码问答和按请求计费上会亏。75% 的发布口号背后没有测量。论文里的 1.4 到 2.4 倍是真的，但对短答案基准更有利。
v4.0 新增的部分是另一个决定。代理的 33.2% 和 Auto 的 54% 都有前景、数字具体，但都是自报，并带有 README 自己印出来的注意事项。先单独试技能，用提供商的总量自己跑 A/B，读完数据流表并确认信任面适合你的环境之后，再加代理。如果你的 A/B 显示账单变高，项目自己的建议是关掉它。
局限
- 本文没有运行 Caveman。本地唯一的计算是对 v4.0.1 技能文件的 tiktoken
o200k_base计数；这个分词器只是近似，不是 Claude 或 Codex 计费所用的分词器。 - 这里出现的每个 Caveman 基准数字（输出测试、33.2%、54%、397 到 76、从 6,198 到 4,138）都是项目自己的，没有复现。Auto 的结果被项目标为中期结果，运行只完成一半，差距小于它声明的误差。
- JetBrains 的结果是单一模型、低推理强度、单一基准、强制激活。Adobe 作者的论文测的是基准问题上的提示词级约束，作者所属机构取自 README，没有对照论文首页核实。
- 来自 LemonCrow 和 edubraqd 的外部 A/B 结果以及 Cursor 报告，来自“诚实数字”页面总结的 issue。它们是在该页面上读到的，没有读 issue 原帖，而且用的是更早版本的技能。
- Codex 和 Cursor 的激活方式取自 INSTALL.md。没有找到对这些钩子的独立测试。
- SECURITY.md 描述的是仓库的行为，并说已发布版本可能落后。二进制文件、Cloud 服务和签名设置都没有审计。
- star 数、fork 数、发布标签和 Hacker News 得分均截至 2026 年 10 月 29 日，会变化。README 里的社交证明说法，比如 GitHub Trending 第一名，没有独立验证。README 链接的一个 YouTube 视频没有观看，也没有引用。
常见问题
Caveman 技能是什么？
它是 Julius Brussee 的开源技能，让 AI 编码智能体用简短、先给答案的文字作答，同时保持代码、命令、路径和数字准确。自 2026 年 10 月 13 日的 v4.0.0 起，项目还附带 CLI、本地代理、一个叫 Auto 的可选账号路由器和一个脚本模块。
Caveman 真的能省 75% 的 token 吗？
没有任何测量支持这个数字。它是发布当天的说法，项目的“诚实数字”页面说，早期统计套用了固定的 65% 输出比例，没有经过审阅的结果，相对默认回复的输出减少量并未公布。JetBrains 在强制开启技能的真实智能体任务上测得输出 token 少 8.5%。
怎样在 Claude Code、Codex 和 Cursor 上安装 Caveman？
Claude Code：先运行 claude plugin marketplace add JuliusBrussee/caveman，再运行 claude plugin install caveman@caveman。Codex 用 npx -y github:JuliusBrussee/caveman -- --only codex，Cursor 则在同一条命令里用 --only cursor。单独安装技能用 npx skills add JuliusBrussee/caveman -g。请先用 --dry-run 预览。
README 里的数字哪些来自项目之外？
便宜 1.4 到 2.4 倍这个数字来自一篇引用了该仓库的 arXiv 论文，8.5% 来自 JetBrains，README 也列出了它。输入少 33.2%、Auto 省 54% 以及 397 到 76 个 token 是项目自己的基准，63.6% 则来自 Elastic 为 Elasticsearch 做的 Caveman 变体。
Caveman 是削减输入 token，还是只削减输出 token？
语音技能只缩短输出；“诚实数字”页面把它的输入减少量列为 0%，并说它不压缩上下文、文件或思考 token。代理、caveman-compress 和浏览组件针对的是输入，它们的数字都是自报。
Caveman 会让我的账单变高吗？
在某些设置里会。项目列出了简短的编码问答、按请求计费（如 GitHub Copilot），以及一次 Cursor 运行，用了它是 430 万个 token，不用是 100 万个。请在同一任务上比较开关技能时提供商计费的总量，总量上升就关掉。
Caveman 的 CLI 会向 Caveman 的服务器发送什么？
按 SECURITY.md，技能和经典钩子不会调用 Caveman 的服务。CLI 默认发送不含内容的使用遥测，包括 token 数，并带上发送方 IP 地址，你可以用 caveman telemetry off 或 DO_NOT_TRACK=1 退出。Auto 之类账号支撑的功能会把最近的提问和回复原样发给 Caveman Cloud。
Adobe 的论文证明了 Caveman 有效吗？
它支持方向，不支持幅度。论文发现输出压缩让大多数 API 模型的成本降低 1.4 到 2.4 倍，输入压缩则抬高成本，但它用的是短基准答案，称输出节省有一部分是机械性的，也没有测试带工具调用的编码智能体。
来源
来源核对于 2026 年 10 月 29 日。
- GitHub 上的 JuliusBrussee/caveman（README、仓库元数据）和 INSTALL.md
- Honest Numbers（诚实数字）和 Security and privacy（安全与隐私）
- Caveman v4.0.0 发布说明和 v4.0.1 的 SKILL.md
- JetBrains AI 博客：Speaking to AI Agents Like Cavemen Saves 65% of Tokens. We Test.和 JetBrains 在 X 上的帖子
- arXiv 2606.24083，Cavewoman: a two-channel evaluation of caveman-style compression
- Elasticsearch Labs：elastic-caveman
- Julius Brussee 在 X 上的发布帖和 Hacker News 投稿
- Claude Code 文档：Skills
相关阅读：9Router 省 token 指南、Antigravity：省 token、省额度、Claude Code 最佳实践、Claude-Mem 持久记忆、Claude Opus 5.5 与 Sonnet 5.5 编码对比、Codex 用量重置。