Caveman:让编码 agent 少说废话、少读垃圾的省 token 三件套

账单按字算，那就让它少说话

token 是 AI 计费的最小单位，大约等于四分之三个词。你的 agent 每写一个 token 要付钱，每读一个 token 也要付钱；而大多数 agent 写起来像求职信，读起来像消防栓。Caveman 同时砍这两端：一份规则文件砍它说的，一个本地代理砍它读的，一层中间件把同样的能力带进你自己写的应用。项目始于 2026 年 4 月的一个周五玩笑，一周涨到 4000 star，收录时已过 10 万 star，附带一篇 Adobe 研究论文引用、一次 JetBrains 实验室测试和一条 ThePrimeagen 的反应视频。

README 开头的对照很直观：同一段 React 重渲染的诊断，普通 agent 用 69 个 token，Caveman agent 用 19 个——同样的诊断、同样的修复、同样的 useMemo，死掉的只有清嗓子的废话。纪律也写得很死：代码、命令、文件路径、精确报错信息永远不被 caveman 化；安全警告与「你确定吗」这类确认问句会整句回来，然后才恢复原始人语域。

三件套：一份规则、一个本地代理、一层中间件

skill 是最小入口：一份 MIT 规则文件，永久免费，适配 30+ agent（Claude Code、Codex、Gemini、Cursor、Windsurf、Cline、Copilot 等），npx skills add JuliusBrussee/caveman -g 一条命令装完。强度可调：/caveman lite|full|ultra，外加 wenyan-lite|wenyan-full|wenyan-ultra 三档文言文（因为真的有人提了 issue）。配套 /caveman-commit、/caveman-review 把语域带进提交信息与评审意见；/caveman-compress 把 CLAUDE.md 这类记忆文件平均压 46%，标题、代码、路径、URL 逐项校验完好，且保留备份可回滚；pixel mode 更进一步，把 skill 自身渲染成 PNG 页让模型当图读，1069 个估算 token 降到 415，省 61%。

proxy 是重头戏：一个跑在本机、夹在 agent 与 AI provider 之间的 Go 代理（565 个 .go 文件、约 13.9 万行）。它在每次请求发出前压缩 agent 要读的东西：detect() 先把流入内容分成 json / log / code / diff / search / text 六类，各型有自己的保留规则，实测保留 70–95% 的节省空间；被压掉的每个字节都在本地 SQLite 里留有字节级原件和一个恢复句柄，agent 随时能把原文取回。contextwindow.Pack 用 BM25 加新近度加报错信号挑回相关原文，同时保住时间顺序。默认 wrap 会给 agent 五个 MCP 工具、Chrome 可用时的 browse 服务器、在 Claude/opencode/Gemini/Hermes/OpenClaw 上的命令输出压缩，以及新装 skill 的 pixel mode；Codex 因其运行时拒绝改写而跳过 shrink hook（openai/codex#18491）。wrap 支持 10 个 agent 且不需要改它们的配置文件，provider 透传包括 Claude Pro/Max 的登录态。learn 与 learn implement 会扫描历史会话找 token 汇并提议修复，量下来没省到就自动回滚；trial 做 A/B。

middleware（alpha）把同一套压缩搬进你自己的代码：TypeScript 侧支持 Vercel AI SDK、OpenAI、Anthropic、Google、LangChain、Strands、Mastra 与 MCP；Python 侧再加 LangGraph、LiteLLM、Agno、CrewAI、PydanticAI、AutoGen、LlamaIndex 与 FastAPI。工具结果在进模型之前被压缩，原件留在你的历史里，模型可以按需取回。

证据：三组数字，红的行留着红

Adobe Research 的 CAVEWOMAN 论文（arXiv 2606.24083）在 8 个模型、5 个数据集、5 个压缩档上测了这种语域：输出侧 caveman 风格把实付成本砍到 1.4–2.4 倍，最好情况 3 倍。同一篇论文还有另一半结论——把人类的提示压成 caveman 会让模型答得更长更差。所以 Caveman 从不改写你的提示，只改 agent 的嘴。

JetBrains 在 86 个真实编码任务上做了配对 A/B（Claude Code 2.1.200，只装 skill，2026 年 7 月，当时 proxy 还不存在）：输出 token 少 8.5%，约合 10% 成本，质量无可测变化（符号检验 p=0.82）。他们的结论「agent 的账单主要在读不在写，任何说话风格都救不了」直接催生了 proxy。

仓库自己 pinned 的 54 跑 Claude Code 套件（每 case 三跑、provider 上报输入 token、每个答案对照精确 oracle 校验）：输入 token 从 885,793 降到 591,673，−33.2%，18/18 答案校验通过，case 聚类 95% 区间 14.6%–48.5%。其中 Dashboard HTML 一行是 +9.9%，是红的，并且 README 明写「它会一直红下去」——该 case 没有可用的压缩变换，proxy 白付了自己的开销；维护者的原话是「我藏起红行的那天，就是你该停止相信绿行的那天」。同一套件里 Headroom 的 wrap 省 6.7% 且 18 个校验挂了 3 个。

仓库自带的 eval 快照补了写侧的账：10 个开发问题，对照已经是「Answer concisely.」的极简控制组，中位数仍再砍 50% 输出 token——只量长度不量正确性，README 也照实标注。三组数字合起来才是诚实的全貌：聊天式问答砍得多，agentic 编码会话（大头是 skill 不碰的代码与工具调用）砍高个位数百分比，质量持平。

读的这一端：129.8 倍与 21.9 万字符的税

browse 服务器量的是网页这一类读入：对一张 200 行表格问一个聚焦问题，Caveman 的聚焦抽取是 121 个 token，Playwright 的 ARIA 快照是 15,704 个，129.8 倍差距；小表单只省 2.3 倍，benchmark 文档照写不误。

subagent-tax 量的是另一种隐性读入：在一台真机上，一个 267k 字符的请求里有 219k 字符是工具 schema——每个子 agent 开工前都要把整套工具面重发一遍。这条命令的意义是让你在自己机器上量自己的税，而不是相信别人的数字。

同层对比：各碰哪一层，谁验过

README 的对比表只引用各家 README 在 2026-09-19 当天的原话，并标清谁在什么条件下验过。RTK 只碰 shell 命令输出（Read/Grep 工具调用绕过它），JetBrains 同实验室同方法在 425 个计费 trial 上测出低推理档中位成本 +7.6%（p=0.004）；Headroom 碰工具输出、日志、文件与历史，有可逆缓存，但遥测默认开；context-mode 在沙箱里跑、只给可检索片段不给全文；pxpipe 把上下文重渲染成图片，自认有损且丢失是静默的。Caveman 的差异点在于：原件永远可取回（字节级、本地 SQLite、一个恢复句柄）；CLI 的匿名计数默认开但 caveman telemetry off 一条命令关掉，skill 与 hooks 从不外联。

许可、遥测与什么时候别用

许可是组合拳：skill 与 CLI 是 MIT；proxy 运行时是 BSL-1.1，在 2030-06-21 或首公开发布四周年（取较早者）转为 Apache-2.0，第三方托管需要商业授权。遥测口径写在对比表里：CLI 匿名计数默认开、可关，skill 与 hooks 从不发送任何东西。

README 也给了「别用」清单：按请求计费而非按 token 计费的场景省不到钱；纯代码生成场景的输出几乎都是代码，而 skill 恰恰不碰代码。这种把适用边界写进营销页的做法，和保留红行是同一套价值观。

社区侧：Hacker News 榜首 904 分 366 评论、GitHub Trending 2026 年 7 月总榜第一、Trendshift 4 月日榜第一与 7 月 Go 仓库月榜第一、Product Hunt 日榜第八。The New Stack 那篇标题带着质疑的文章（「可能没省你想的那么多 token」）被 README 原样链接，配文只有一句：Fair headline. We link it anyway. 对一个靠「省 token」吃饭的项目，这种自我审计的姿态比任何单点数字都更值得抄。