问编码 Agent 一个问题，它先铺垫两句、解释背景，最后才说出那个你想要的答案。答案本身只有一行，前面两百个字全是客套。

账单上这些都是钱。caveman 想干的事很直接——让 Agent 少说话。

caveman：让编码 Agent 少说废话，两头压 token

它到底解决什么

caveman 是 2026 年 4 月开源的编码 Agent 辅助工具，Go 写成，当前 10.6 万 Star。名字和“原始人说话”那个梗绑在一起：让模型用 Wrap in useMemo 这种电报体回答，保留诊断和修法，砍掉铺垫。

但它真正解决的不是语气，是 token。它把 token 拆成两半：Agent 写出来的是输出，Agent 读进去的是输入。市面上多数“省 token”只盯前一半，caveman 认为真正的账单在后一半。

所以它由两部分组成。技能是一个规则文件，管 Agent 怎么说话，MIT 协议不收费。本地代理是一个跑在你自己机器上的进程，管 Agent 读到的东西——日志、测试输出、JSON、diff、搜索结果，发给模型前先压一遍，原文存本地，随时能要回全文。

三个真正值得看的点

数字给得比同行诚实，包括对自己不利的那一行。官方公开了一份 54 轮 Claude Code 压测：输入 token 总量从 88.58 万降到 59.17 万，降幅 33.2%，18 项答案校验全部通过。但其中“仪表盘 HTML 告警”那一格是从 14.07 万涨到 15.46 万，涨了 9.9%。作者没藏，还写了一句话：哪天我把红的藏了，你就不该再信绿的。

它公开承认自己什么时候没用。文档专门有一节讲边界：按次数计费（比如按 premium request 计费）而不是按 token 计费，回答变短不会让你少付一分钱；纯代码生成、几乎没有叙述文字可砍，也省不下来；短问短答场景下，规则文件本身要占约 1000 个输入 token，可能亏本。这些话通常会被塞进“注意事项”一笔带过。

代理那一半，换来的是“读”的节省。它按载荷类型分流：JSON、日志、代码、diff、搜索结果、纯文本六类各有压法。压缩前的原文写进本地 SQLite 并返回恢复句柄，Agent 觉得信息不够就能把全文拉回来。这一点很关键——很多压缩方案压完就找不回来了。顺带它还能压浏览器页面：200 行表格从 15704 个 token 压到 121 个，小了 129.8 倍。

项目仓库页：10.6 万 Star，MIT 与 BSL-1.1 拆分开源

怎么装、怎么用

先装小的那个。技能只要一条命令：npx skills add JuliusBrussee/caveman -g，支持 30 多个 Agent，Claude Code、Codex、Gemini、Cursor、Windsurf、Cline、Copilot 都在列表里。装完在 Agent 里敲 /caveman 生效。

再装代理：npm install -g @caveman-ai/cli && caveman setup --install。

建议的顺序是：先用 caveman learn 让它本地读你几个月的历史，把 token 黑洞按严重程度排出来；再用 caveman learn implement 一次一个 diff 交给你确认。然后务必用 caveman trial -- claude 自己做一次开关对照——官方自己说，这个自测数字比页面上任何官方数字都更值得信。

有一点提前知道：命令行默认发匿名使用统计，发的是命令名和 token 计数，不发 prompt、代码、文件路径。一条 caveman telemetry off 可永久关闭。

槽点，以及它该不该装

许可证是拆开的。技能、CLI、SDK 是 MIT，引擎和运行时是 BSL-1.1：源码可见、自用和自托管免费（含生产），但拿它给第三方做托管服务需要商业授权。要包进对外售卖的产品，这一条必须先问清楚。

实测覆盖面有限。那份 54 轮压测是仓库里的固定报告，原始产物不在代码库，官方自己标注“请当成固定报告看，不是可公开复现的基准”。第三方最严谨的一次 A/B 是 JetBrains 在 2026 年 7 月做的，只测了技能那一半，86 个真实编码任务，输出 token 少 8.5%、成本约少 10%、质量未检出差异——比仓库宣传的保守得多。

项目还在快速迭代期。仓库到 9 月中旬有 124 个打开状态的 issue，官方列出的七个相关仓库里有三个标注“已冻结”，冻结的仍能装能用，但要看清自己用的是哪一块。

文档站的快速开始页：技能的安装就一条命令

跟同类比，省 token 的做法大致三类：换更小的模型（直接改变答案质量）、自己做上下文管理框架（门槛高、效果看你写的策略）、提示词约束让模型少说（最简单，也最容易被当玄学）。caveman 把第三条做成了可测量的，又在中间夹了一个真在动数据的代理。

判断标准很实际：账单按 token 计价、并且你经常让 Agent 读日志和测试输出，它值得花半小时试一次；计费按“次数”算，或者你几乎不读大文件，那它对你没什么用。

你有没有算过，自己一个月的编码 Agent 账单里，是“写”花得多，还是“读”花得多？