Caveman

内容说明：本文由 AI 基于目标网站公开信息及联网搜索结果整理生成，旨在帮助读者快速了解工具概况。文中涉及的功能、价格、性能等描述可能随官方更新而变化，请以官方最新说明为准。参考资料列表见文末，来源按权威性分组标注。

工具介绍

Caveman 是一款面向 AI 编程 Agent 的 Token 成本优化工具，由开发者 Julius Brussee 打造，核心定位是"保留你现有的编程 Agent，只叠加可恢复的上下文压缩能力"^[7]。据官网介绍，Caveman 通过两部分协同工作：一是"技能（skill）"层，要求 Agent 用更短的回复作答；二是本地代理（local proxy）层，对上下文进行压缩，从而减少每次交互消耗的 Token 数量^[7]。GitHub 仓库将其描述为"病毒式传播的技能 + 代理"，宣称可削减约 65% 的 Token^[1]。它并不替换用户已有的模型与工作流，而是以插件形式接入 Claude Code、Codex 等主流编程 Agent，并提供 Token 用量测量与成本优化指南^[4][6]。

效果展示/案例参考

据 GitHub 仓库介绍，Caveman 通过"穴居人式"极简表达来压缩输出，宣称可减少约 65% 的 Token 消耗^[1]。知乎专栏的测试文章称，该技能经实测可减少约 75% 的输出 Token 数，同时保持完整的技术准确性^[2]。另有入门文章指出，Caveman 内置 Lite / Full / Ultra / 文言文 四级压缩强度，并提供 caveman-commit 等配套功能^[5]。官网还提到 Elastic 的 "Elastic-Caveman" 计划已在不牺牲质量与功能的前提下优化了 AI 回复体积^[6]。需要说明的是，上述数据多来自项目方与社区测试，实际节省比例会因模型、任务类型与压缩档位不同而变化。

核心功能

• 极简回复技能：通过"穴居人"风格提示词，要求 Agent 用更少字数作答，直接压缩输出 Token^[1]。
• 本地代理压缩：以 local proxy 方式对上下文进行压缩，减少发送给模型的 Token 量^[7]。
• 可恢复上下文压缩：官网强调压缩后的上下文可恢复，降低信息丢失风险^[7]。
• 四级压缩强度：内置 Lite、Full、Ultra 与文言文四档，用户可按场景调节压缩力度^[5]。
• caveman-commit：提供极简风格的提交信息生成等配套能力^[5]。
• Token 用量测量：官网提到可测量 Token 使用情况，帮助定位成本来源^[7]。
• 网关接入：支持导入 LiteLLM 配置，或使用自有模型厂商密钥搭建 Caveman 网关。
• 仓库联动：可连接代码库，使发现的问题转化为团队可评审的 Pull Request。
• 多 Agent 兼容：据官网产品页，支持 Claude Code 及 30 余种 Agent^[6]。

使用流程

• 步骤1：连接网关。导入 LiteLLM 配置，或使用自己的模型厂商密钥搭建 Caveman 网关。
• 步骤2：连接代码仓库。关联 Agent 工作的代码库，让发现的问题可转化为 Pull Request 供团队评审。
• 步骤3：运行首个工作流。发送 Agent 流量、查看首批 trace，并在批准修复前评估改进效果。
• 可选：官网提供 Agent 自动安装引导，帮助连接网关、关联仓库并验证首次运行。

使用场景

• 场景1：重度使用 Claude Code 等编程 Agent 的开发者，希望降低月度 Token 账单。
• 场景2：需要长上下文对话的代码审查与重构任务，通过压缩上下文延长可用窗口。
• 场景3：团队希望统一管理 Agent 流量与成本，并保留可评审的代码变更流程。

适用人群

• AI 编程助手重度用户
• 独立开发者与初创团队
• 关注 AI 成本的工程负责人
• DevOps 与平台工程师
• 使用 Claude Code、Codex 的开发者

独特优势

Caveman 的差异点在于"不替换、只叠加"：用户保留原有编程 Agent，仅增加压缩层^[7]。它同时覆盖"输出压缩"（极简回复技能）与"输入压缩"（本地代理上下文压缩）两端，并提供可恢复机制以降低信息损失^[1][7]。四级压缩强度与文言文档位提供了较细的调节粒度^[5]，多 Agent 兼容性也降低了迁移成本^[6]。

收费模式

Caveman 的 GitHub 仓库与技能部分可开源获取^[1]，官网提供预约演示入口（Book with Julius）以对接企业级网关与仓库联动能力。除开源技能外，商业网关与团队服务的具体定价，搜索结果未提供明确信息。

同类对比

• 与通用提示词压缩方案相比：Caveman 以插件与代理形式直接接入 Agent 工作流，而非依赖用户手动改写提示词。
• 与 LLM 网关类工具相比：Caveman 更聚焦"编程 Agent 的 Token 成本"，并附带极简回复技能与代码仓库联动。
• 与纯提示词技能相比：Caveman 额外提供本地代理压缩与 Token 用量测量，覆盖输入与输出两端^[7]。

使用建议

作为 AI 创作导航，我建议先从小范围试用开始：在单个仓库或单个 Agent 上启用 Caveman，用 Lite 档观察回复质量，再逐步切换到 Full 或 Ultra^[5]。重点关注两类指标——Token 节省比例与代码正确率，因为社区测试的 65%~75% 节省幅度会随任务类型波动^[1][2]。如果团队已有 LiteLLM 网关，可直接导入配置快速验证；若涉及生产代码，务必保留可恢复压缩与人工评审环节。对于刚接触的用户，先跑通官网的三步流程，再决定是否接入企业级服务。

参考资料：
^[1] GitHub - JuliusBrussee/caveman
^[2] 知乎 - 十分钟写出来的caveman，竟让token减少75%？
^[3] CSDN - Caveman 部署与使用完全手册（Windows + Claude Code）
^[4] GitHub - bbylw/caveman-cn
^[5] openclawapi.org - caveman 入门：减少AI废话，压缩 75% Token
^[6] caveman.so - Caveman 产品页
^[7] Caveman 官网

参考资料

其他来源

1. GitHub - JuliusBrussee/caveman: why use many token when few … — github.com ↩
2. 十分钟写出来的caveman，竟让token减少75%？ - 知乎 — zhuanlan.zhihu.com ↩
3. Caveman 部署与使用完全手册（Windows + Claude Code） — blog.csdn.net ↩
4. GitHub - bbylw/caveman-cn: 一个 Claude Code 技能/插件和 ... — github.com ↩
5. caveman 入门：减少AI废话，压缩 75% Token，结果更准确 — openclawapi.org ↩
6. Caveman — output compression for Claude Code & 30+ agents — caveman.so ↩
7. Caveman | Cut AI agent token costs — www.getcaveman.dev ↩
8. GitHub - JuliusBrussee/caveman: why use many token when few … — github.com ↩
9. 十分钟写出来的caveman，竟让token减少75%？ - 知乎 — zhuanlan.zhihu.com ↩
10. Caveman 部署与使用完全手册（Windows + Claude Code） — blog.csdn.net ↩
11. GitHub - bbylw/caveman-cn: 一个 Claude Code 技能/插件和 ... — github.com ↩
12. caveman 入门：减少AI废话，压缩 75% Token，结果更准确 — openclawapi.org ↩
13. Caveman — output compression for Claude Code & 30+ agents — caveman.so ↩
14. Caveman | Cut AI agent token costs — www.getcaveman.dev ↩