GITHUB REPO
Caveman bringt Claude Code, Codex, Cursor und über 30 weiteren Agenten bei, in kurzen Sätzen zu antworten. Code, Befehle und Fehlermeldungen bleiben unangetastet. Eine Zeile Installation, und wer wirklich an sein Limit stößt, schaltet den Proxy dazu.
QUICK FACTS
EINORDNUNG
Dein Agent zahlt für zwei Dinge: für das, was er schreibt, und für das, was er liest. Gelesen wird deutlich mehr. Der Skill kürzt nur die Ausgabe, und seine eigenen Regeln kosten dich pro Zug rund 1.000 bis 1.500 Token an Eingabe. Wer also nur den Skill installiert, bekommt vor allem kürzere, schneller lesbare Antworten, nicht automatisch ein Kontingent, das doppelt so lange hält. An der Eingabe dreht der Proxy: In einem festgepinnten Benchmark über 54 Läufe hat er 885.793 Eingabe-Token auf 591.673 gedrückt, also 33,2 Prozent, und alle 18 Genauigkeitsprüfungen sind trotzdem durchgelaufen. Das Schöne an diesem Repo ist, dass der Autor genau das selbst so aufschreibt. In seiner Datei zu den ehrlichen Zahlen steht für die viel zitierte Ausgabe-Ersparnis schlicht: nicht veröffentlicht, kein geprüftes Rohergebnis im Repo. Ein Fall ist dokumentiert, in dem eine Gegenmessung sogar teurer ausfiel. Deshalb steht hier keine Prozentzahl als Versprechen, sondern die Anleitung, wie du es an deiner eigenen Abrechnung nachmisst.
FEATURES
Der Skill ist eine Regeldatei, die deinem Agenten eine kürzere Sprechweise beibringt. Aus sechs Zeilen Erklärung zum React-Renderzyklus werden zwei. Die Diagnose bleibt dieselbe, der Fix bleibt derselbe, es stirbt nur das Räuspern davor. Code, Befehle, Dateipfade und Fehlermeldungen werden dabei nie angefasst, gekürzt wird ausschließlich die Prosa drumherum.
Mit einem Befehl stellst du ein, wie hart gekürzt wird. Dazu kommen fertige Kurzformen für die Aufgaben, bei denen Geschwätz besonders weh tut: Commit-Nachrichten, Review-Kommentare und die Markdown-Dateien, die dein Agent bei jedem Aufruf mitliest.
Das ist die Ausbaustufe und der Teil, der an deinem Kontingent dreht. Ein lokaler Prozess sitzt zwischen deinem Agenten und deinem Anbieter und komprimiert Logs, Diffs, Testausgaben und JSON, bevor sie abgeschickt werden. Jedes Original landet dabei in einer SQLite-Datei auf deiner Platte, mit einem Rückholschlüssel: Braucht der Agent die vollständige Fassung, fordert er sie an. Dein Anbieter-Login wird unverändert durchgereicht, es steht kein fremder Server in der Leitung.
Monate an Sitzungsprotokollen liegen längst auf deiner Platte. Der Befehl caveman learn liest sie lokal und nur lesend aus, ohne Konto, und sortiert deine größten Token-Fresser nach oben, mit je einem Vorschlag dahinter. Lässt du die Vorschläge umsetzen, misst das Werkzeug nach jeder Änderung neu und nimmt alles zurück, was die Tokens pro Zug nicht gesenkt hat.
ARCHITEKTUR
Kein Server von Caveman in der Leitung: Der Skill ist eine Textdatei, der Proxy läuft auf deiner eigenen Maschine. Ohne Konto, ohne Schlüssel, ohne Umweg über fremde Infrastruktur.
USE CASES
Genau da gewinnt Caveman am meisten, weil viel wegfällt, was du ohnehin überflogen hättest. Bei einer Aufgabe, deren Antwort fast nur aus Code besteht, bleibt dagegen kaum etwas zum Kürzen übrig. Das ist keine Schwäche, sondern der Punkt, an dem du die Stufe von full auf lite drehst.
Zwei eigene Befehle für die Textsorten, in denen Ausschmückung nichts bringt: Commit-Nachrichten nach Conventional Commits, knapp gehalten, und Review-Befunde als eine Zeile pro Fund, mit der Handlung vorne. Beides liest sich in der Historie später deutlich schneller.
Das ist der Proxy-Fall, und der mit den belastbarsten Zahlen. Eine Fehlersuche in einem großen Log ging im Benchmark von 148.807 auf 74.068 Eingabe-Token zurück. Eine Ausreißersuche in einer CSV von 165.823 auf 74.484. Eine Zeile derselben Tabelle ist rot: Ein HTML-Fall wurde um 9,9 Prozent teurer, weil es dafür keine passende Kompression gibt.
Deine Projektanweisungen und Speicherdateien werden bei jedem einzelnen Aufruf neu mitgelesen. Jedes Kilobyte darin zahlst du also hundertfach. Der Befehl kürzt sie und legt das Original als Sicherung daneben, für die mitgelieferten Beispiele sind rund 46 Prozent weniger Eingabe gemessen.
INSTALLATION
# Der Skill: eine Zeile, MIT-Lizenz, über 30 Agenten. # Ändert nichts an deinem System, legt nur eine Regeldatei ab. npx skills add JuliusBrussee/caveman # Falls dein Agent nicht von selbst aufwacht: /caveman # Wie knapp es sein soll: /caveman lite # zurückhaltend, ganze Sätze bleiben /caveman full # der Normalfall /caveman ultra # so knapp wie es geht /caveman off # wieder ausführlich # Für die Textsorten, in denen Ausschmückung nichts bringt: /caveman-commit # kurze Commit-Nachrichten /caveman-review # ein Befund pro Zeile /caveman-stats # was in deinem Sitzungsprotokoll wirklich steht # Wieder loswerden: npx -y github:JuliusBrussee/caveman -- --uninstall
# Die Ausbaustufe: kürzt, was dein Agent LIEST. # Braucht Node.js 22.13 oder neuer. Läuft komplett lokal. # Achtung: BSL-1.1 statt MIT, und die Telemetrie ist ab Werk an. npm install -g @caveman-ai/cli && caveman setup --install # Agent durch den Proxy starten: caveman claude # oder: codex, gemini, aider, kilo, qwen, opencode, hermes, openclaw, pi # Eine einzelne Sitzung, ohne dass etwas zurückbleibt: caveman wrap claude # Telemetrie abschalten, falls du das nicht willst: caveman telemetry off # Nachsehen, wo deine Tokens hingehen: caveman learn # liest deine Protokolle lokal und nur lesend caveman stats # was der Proxy tatsächlich gekürzt hat # Laute Befehlsausgaben kürzen, byte-genau zurückholbar: caveman shrink -- npm test
Installiere mir Caveman und richte es für mich ein. Das Repo liegt hier: https://github.com/JuliusBrussee/caveman ## Vorgehen 1. Installiere zuerst NUR den Skill: npx skills add JuliusBrussee/caveman Der steht unter MIT-Lizenz und legt lediglich eine Regeldatei ab. 2. Den Proxy (npm install -g @caveman-ai/cli) installierst du erst, wenn ich ausdrücklich ja sage. Er steht unter BSL-1.1 und schickt ab Werk anonyme Nutzungsdaten. Frag mich vorher. 3. Lies diese Datei und nimm sie ernst: https://github.com/JuliusBrussee/caveman/blob/main/docs/HONEST-NUMBERS.md Fass mir in fünf Sätzen zusammen, wann sich Caveman für meine Arbeitsweise NICHT lohnt. ## Abnahme 4. Schalte /caveman full ein. Beantworte mir dieselbe Frage einmal mit und einmal ohne Caveman und zeig mir beide Antworten untereinander. 5. Sag mir offen, ob die kurze Fassung etwas verloren hat, das ich gebraucht hätte. Wenn ja, empfiehl mir lite statt full. 6. Führe /caveman-stats aus. Nenn mir nur die Zahlen, die wirklich in meinem Sitzungsprotokoll stehen, und keine Hochrechnung daraus. Wenn du eine Zahl nicht belegen kannst, sag das, statt sie zu schätzen.
SETUP
Ein Befehl, rund dreißig Sekunden, MIT-Lizenz. Es wird nichts an deinem System verändert und kein Dienst eingerichtet, es landet eine Regeldatei bei deinen Skills. Wacht dein Agent nicht von selbst auf, tippst du einmal /caveman.
Fang mit full an und dreh nach unten, sobald dir etwas fehlt. Für Aufgaben, bei denen du den Gedankengang wirklich lesen willst, etwa eine Architekturentscheidung, ist lite die bessere Wahl, und /caveman off ist keine Niederlage.
Der Autor bittet ausdrücklich darum: Dieselbe Aufgabe einmal mit und einmal ohne Caveman, und danach nicht die Schätzung des Werkzeugs vergleichen, sondern die Nutzungsseite deines Anbieters. Nur diese Zahl zählt, weil sie Eingabe, Kontext und die Regeln des Skills mit einrechnet.
Wenn dich wirklich das Limit drückt und nicht die Lesezeit, ist der Proxy der richtige Hebel, weil er an der Eingabe ansetzt. Dafür brauchst du Node.js 22.13 oder neuer, und du solltest wissen, dass dieser Teil unter BSL-1.1 steht und ab Werk anonyme Nutzungsdaten sendet.
Fällt deine Gegenrechnung negativ aus, schaltest du es für diese Arbeitsweise wieder ab, und das ist ausdrücklich so vorgesehen. Die Telemetrie geht mit caveman telemetry off dauerhaft aus, der Skill lässt sich mit einem Befehl wieder entfernen.
MEINE EINSCHÄTZUNG
Dreißig Sekunden für den Skill, kein Konto, kein Schlüssel. Und wenn es sich für deine Arbeit nicht rechnet, schaltest du es mit einem Befehl wieder ab.
FAQ
