Caveman 是一个用“原始人式”简短语体压缩 AI 编程代理输出的规则技能，并附带一个本地运行、用于压缩代理所读内容的代理层，目标是减少 token 消耗。
项目做什么
项目针对的问题是：代理在写入回答和读取日志、测试输出、diff、JSON、网页内容时都会产生计费 token，而其中相当一部分属于冗余表述或噪声。Caveman 分成两层应对，一是让代理说话更短的规则文件（技能），二是在本机拦截并压缩代理读取内容的代理程序（proxy），压缩前保留原文备份，以便代理随时把原始内容取回。
与同类方案相比
根据 README 自述，技能层只需一条安装命令、无需账号与 API key、采用 MIT 许可，并声称支持 30 多个代理；代理层可对日志、测试输出、JSON、diff 和网页做压缩，且代码、命令、文件路径与原始报错不被改写，安全警告和确认类信息仍以完整句子输出。README 还称提供 caveman trial 与 caveman stats，让用户在自己的任务上做前后对比并查看估算。以上均为仓库自述，本次无法独立核验。
设计与创新
README 主张的几点包括：把“说话风格”做成可安装、可分档位（lite、full、ultra、wenyan）的代理技能；把节省 token 拆成输出侧技能与输入侧代理两个可叠加组件；对工具输出和网页做压缩并保留原文回溯；把技能本身渲染成 PNG 页面让模型以图像方式读取；用 caveman learn 在本地分析历史记录、排序列出 token 消耗大户。仓库未给出可核实的同类竞品对比，因此这些是否属于首创无法确认。
适用场景
较适合代理需要反复读取长日志、测试输出、配置漂移、大型 JSON、搜索结果或网页抓取的会话，以及希望问答式回答更短的日常使用。README 自己指出，在代理式编程中大部分 token 来自代码与工具调用，技能只影响措辞，输出侧收益在高个位数；网页表格类压缩收益大，小表单类收益明显变小；其自测中 HTML 告警一例反而增加约 9.9%。是否适用应结合具体任务类型判断。
谁会受益
对希望压低账单又不愿大幅改动工作流的个人开发者可能有用：安装与卸载成本低、可用命令开关、支持多档强度，并内置 caveman trial 让用户在自己的真实会话上做有无对比，而不是只依赖 README 中的数字。它不改变模型本身，也不要求账号或 API key。其代价是规则会在每次调用中增加输入 token，且多一层代理会增加配置与排障成本，因此实际是否有用应以本人会话实测为准。
使用前需要注意
文中所有百分比均来自仓库自述或其引用的第三方，本次无法独立验证；README 标注的 2026 年日期、Adobe 论文与 JetBrains 测试也无法在此核实；wrap 基准的原始产物不在仓库中，只能视为一份固定报告而非可公开复现的实验。输入侧压缩对部分内容无效甚至增加开销。规则本身会增加每次调用的输入 token，净收益取决于代理、缓存与计费方式。许可为 MIT 与 BSL-1.1 混合，运行时部分受 BSL-1.1 约束，使用前需自行确认；质量无下降的说法同样需要用户自行验证。
本文基于抓取时的项目 README 和仓库简介整理；功能、限制与文档可能随项目更新而变化。