01 · 这件事

12.1 万星的项目,把「65%」从统计口径里划掉了

caveman 不是新 agent,它插进你已有的 agent,改写回复的措辞,再可选地压缩它读到的内容。 JuliusBrussee/caveman 创建于 2026-04-04,Apache-2.0,主语言 Go,文档站在 docs.caveman.so。

核对日 2026-11-18,仓库 121,188 星、7,083 fork,当天 07:28 仍有推送。未结条目 100 个,搜索接口拆开是 66 个 issue 与 34 个 PR,不能读成 100 个缺陷。

比星数更值得记的是它自己撤掉的数字。README 说项目从 2026 年 4 月的一个玩笑起步;HONEST-NUMBERS.md 却写:早期统计版本按固定 65% 输出比估算,没有提交过经过核对的结果。

现在状态行不再显示那个节省后缀,历史估算字段也被排除在汇总之外。选题池里流传的「省 65% token」属于旧账,仓库自己已不再认。

字段核对值
仓库 / 分支JuliusBrussee/caveman · main
星标 / fork / 未结121,188 / 7,083 / 100(66 issue + 34 PR)
建库 / 最近推送2026-04-04 / 2026-11-18
许可证 / 主语言Apache-2.0 / Go
最新标签v4.1.0 · 2026-11-08
社区信号Hacker News 帖 904 分;GitHub Trending 日榜第一(README 自述)
02 · 核心机制

说话和读文件是两块石头,可以只装一块

skill 只改输出;要改输入,得另装本地 proxy 与 engine。product-model.md 把路径分成两层,本地使用都不需要账号,只有托管命令要登录。

输出规则取自航空维修手册的 ASD-STE100:一句一意、最多 20 词、主动语态。not、never、no、only 与数字单位不许丢,代码、命令、路径、报错逐字保留。

有损压缩走固定四步:先把原文字节存进本地 CCR,再给模型一个短版本,附一个可取回原文的句柄;存储、解析或体积检查失败就原样透传。原文始终留在磁盘上,agent 需要时能自己取回。

它不重写你的提示词。README 引 Adobe 的结论:把用户提问也改成 caveman 风格会让答案变差,所以规则只作用于回复侧。

文档还定义了四种证据标签:inferred 是本地估算,benchmark_counterfactual 是配对基准,verified 只能由托管侧产生,本地工具不能自己发出「已验证」。

INSTALL.md 列了约 30 个 agent 的入口,但 auto-activate 一栏多数写着 No;Codex 用 $caveman 而不是 /caveman,脚本模式默认关闭。

03 · 关键细节与数据

33.2%、0.46 倍、397→76:三本账不能相加

README 首页的主推数字,测的分别是输入、路由和脚本复用,分母完全不同。逐个看方法,才知道哪条能被自己复现。

数字测的是什么必须一起读的边界
33.2% 更少输入18 对配对运行,885,793 → 591,673 token6 个合成大输出任务;私有 harness,仓库不可复现
0.46× 成本85 对任务,43.7% 对 44.3% 解出率只完成 85/169;目录价,区间约 ±7 个百分点
397 → 76 token一次测试输出,Blocks 的 test-summaryblocks v0.1.0-rc.5,仅 Python,无沙箱
3% / 35%对「Answer concisely.」再省的输出n=10,3.1.0 规则,改版后未重跑;规则本身约 1,160 输入 token

33.2% 那次共 54 次 agent 运行:直接版与 caveman 版各 18 次,18/18 答案正确。HTML 用例没有压缩器,反而多花 9.9%;区间是 14.6%–48.5%。

Auto 的模型配比也写在基准里:基线 100% 的请求用 Opus xhigh,Auto 则有 87% 落到 Opus medium、8% 到 high、5% 到 Sonnet 5.5;agent 超时从 9 次降到 1 次。

外部 A/B 更说明账单结构。JetBrains 86 个真实任务测出输出少 8.5%、质量无显著差异(p=0.82);LemonCrow 每臂 300 次跑,输出少 44.1%,总成本却多 0.06%。

来源结果口径
JetBrains输出 −8.5%,p=0.8286 个真实编码任务,配对 A/B
Elastic Labs响应 token −63.6%8 个场景,为 Elasticsearch 改写过的模式
Adobe Research成本降 1.4–2.4 倍八个模型、五个数据集,改的是输出风格
edubraqd净影响 ±0.2%662 个会话,输出仅占总 token 的 0.3%

README 顶部还有「比 Codex 每解一题便宜 21%」:90/192 次两边都解出,$1.21 对 $1.52。脚注写明那是开启三项基准专用设置的测量版,发货版本把三项关掉了。

另一个头条数字来自 Terminal-Bench 4:GPT-6.1 Sol 对 Codex,两边都解出 90/192 题,每题 1.21 对 1.52 美元;Opus 5.5 对 Claude Code 是 97/180 对 83/177,95% 区间 0.70–1.02 倍,落在噪声内。

数据核对:数字来自 api.github.com 仓库与 search 接口,以及仓库 README、HONEST-NUMBERS.md、AUTO-BENCHMARK.md、WRAP-BENCHMARK.md、SECURITY.md、INSTALL.md 原文。

核对时间 2026-11-18;星标与 issue 为实时值,第三方数据取自仓库转述。

04 · 怎么用

从最小的一块开始,先量自己的账单

六块石头都有独立开关,默认全开不是必须的。caveman status 看当前状态,caveman off browse 只关网页压缩那一块。

目标最小路径
只要回复短一些npx skills add JuliusBrussee/caveman -g,不装 proxy
可恢复的本地压缩caveman <agent>,原文留在本地 CCR 存储
只要原样计量caveman wrap --off <agent>
接到自己的应用改 provider SDK 的 base URL,用 @caveman-ai/sdk

完整安装是 npx @caveman-ai/cli@latest,CLI 要 Node.js 22.13+。npm 12 上直接跑 git 包得加 --allow-git=root,否则会报 EALLOWGIT。

指令按宿主不同:Claude Code 用 /caveman,Codex 用 $caveman;claude -p 与 Agent SDK 默认关闭,要用 CAVEMAN_DEFAULT_MODE 打开。

Blocks 与 browse 是可加可减的小石头。README 的例子里,200 行表格用 Browse 是 121 token,Playwright 快照是 15,704;但小表单反而差 2.3 倍。Blocks 公开的三个用例中两个赢,grep-defs 输给裸 grep。

不要直接采用仓库估算。caveman trial -- claude 做同任务 A/B,再对照供应商账单页;HONEST-NUMBERS.md 给的判据只有一句:同任务更贵,就为这个负载关掉。

05 · 冷思考

能省输出不等于能省账单,更不等于能放心路由

最硬的质疑是:agent 会话的钱主要花在输入与缓存重读,一句输出风格规则碰不到。LemonCrow 的原始数据里,初始缓存上下文每轮还多了 1,532 token。

Auto 也要单独算账。0.46 倍主要来自把 Opus xhigh 降到 medium,不是换了便宜模型;85 对任务只差 0.5 个百分点,区间约 ±7,原始轨迹不在仓库。

隐私边界要读 SECURITY.md:选 Auto 会把最近一次提问原文(最多 128 KiB)和上一问发给 Caveman Cloud,免费层可能留存;托管网关模式下整条请求连系统提示与代码都过云。

路由发往云端的还有 11 个 agent 头字段,Codex 的子代理与会话标识最长可到 16 KiB。托管网关会把仓库 owner/name 与分支名放进 x-cave-tags,分支名可能带客户名,可用 CAVEMAN_WORK_TAGS=0 关掉。

CLI 遥测默认开启:命令名、token 增量、随机安装 ID、系统与 IP 都会上传,IP 90 天清除、事件 13 个月删除。项目说不含提示词与代码,但它是「假名」而非匿名。

许可证也有边界:README 写明整个仓库是 Apache-2.0,但「Caveman」名称与石头 logo 属于 Julius Brussee 的商标,不在这份授权里。

结论不是别装。把 skill 当一个可随时关掉的格式开关,用供应商账单验;proxy 只在你真有 60 KB 级工具输出时开;Auto 当独立实验,别和省 token 算成一笔账。

去看原始仓库

把「少说话、少读文件」拆成可单独开关的 agent skill 与本地压缩代理,Apache-2.0

前往 GitHub

相关平台

#Skill #开源 #Agent #Claude Code #Token