caveman: dokumentierter Einstieg und klare Einsatzgrenzen

Wofür das Projekt steht: Caveman

JuliusBrussee/caveman ist ein Skill/Plugin für KI-Codierungsagenten, darunter Claude Code, Codex, Gemini, Cursor, Windsurf, Cline, Copilot und mehr als 30 weitere. Es weist den Agenten an, Füllwörter wegzulassen und in einem komprimierten, höhlenmenschenartigen Stil zu antworten, während Code, Befehle und Fehlerstrings bytegenau bleiben. Das README berichtet eine Reduktion der Ausgabe-Token um 65% bei prosa-lastigen Chat-Antworten und um 8,5% bei langen agentischen Codierungsläufen, wobei letzteres unabhängig von JetBrains an 86 SkillsBench-Aufgaben gemessen wurde. Der Skill reduziert keine Eingabe-Token; das README warnt, dass er pro Runde etwa 1 bis 1,5k Eingabe-Token hinzufügt, sodass die Einsparungen über die gesamte Sitzung geringer ausfallen und bei bereits knappen Arbeitslasten sogar negativ werden können. caveman wird hier an den dokumentierten Angaben gemessen. Für einen reproduzierbaren ersten Blick gehören Caveman, caveman setup --install, caveman learn, caveman claude, INSTALL.md, WRAP-BENCHMARK.md zusammen: Der genannte Einstieg zeigt Eingabe, Ausgabe oder Konfiguration dieses Projekts. Nicht beschriebene Leistungswerte, Integrationen und Supportzusagen bleiben offen.

Die zentralen Bausteine: caveman setup --install

Das Repository enthält zwei Installationsskripte. Auf macOS, Linux, WSL oder Git Bash ist der Einzeiler ein curl-Pipe zu install.sh; unter Windows PowerShell 5.1 und höher wird irm mit install.ps1 verwendet. Laut README dauert der Vorgang etwa 30 Sekunden, erfordert Node.js 18 oder neuer, überspringt nicht vorhandene Agenten und kann bedenkenlos erneut ausgeführt werden. Nach der Installation tippt man /caveman oder sagt die Phrase sprich wie ein Höhlenmensch, um den Skill zu aktivieren; bei Claude Code, Codex und Gemini ist er angeblich bereits ab der ersten Nachricht aktiv. Eine individuelle Installationsmatrix für über 30 Agenten, Flags, Trockenlauf und Deinstallation finden sich in INSTALL.md. Das README bietet auch einen Selbstheilungspfad an: Wenn die Installation fehlschlägt, soll man den Agenten bitten, CLAUDE.md und INSTALL.md zu lesen und caveman selbst zu installieren. caveman wird hier an den dokumentierten Angaben gemessen. Für einen reproduzierbaren ersten Blick gehören Caveman, caveman setup --install, caveman learn, caveman claude, INSTALL.md, WRAP-BENCHMARK.md zusammen: Der genannte Einstieg zeigt Eingabe, Ausgabe oder Konfiguration dieses Projekts. Nicht beschriebene Leistungswerte, Integrationen und Supportzusagen bleiben offen.

Der dokumentierte Einstieg: caveman learn

Der Skill definiert sechs Komprimierungsstufen: normal agent, lite, full (Standard), ultra und wenyan. Benutzer wechseln mit /caveman <level>, und die Einstellung bleibt für die Sitzung erhalten. Die wenyan-Stufe komprimiert Antworten in klassisches Chinesisch, das laut README die meiste Bedeutung pro Token enthält. Zusätzlich zum Hauptbefehl gibt es /caveman-commit für Conventional-Commits mit einem Betreff von höchstens 50 Zeichen, /caveman-review für einzeilige PR-Kommentare, /caveman-stats für Token-Verbrauch und Lebenszeiteinsparungen, /caveman-compress zum Umschreiben von Gedächtnisdateien wie CLAUDE.md in Höhlenmenschen-Sprache (spart etwa 46% Eingabe-Token pro Sitzung) und caveman-shrink als MCP-Middleware, die Tool-Beschreibungen komprimiert. Die cavecrew-*-Subagenten (Investigator, Builder, Reviewer) sind ebenfalls aufgeführt. caveman wird hier an den dokumentierten Angaben gemessen. Für einen reproduzierbaren ersten Blick gehören Caveman, caveman setup --install, caveman learn, caveman claude, INSTALL.md, WRAP-BENCHMARK.md zusammen: Der genannte Einstieg zeigt Eingabe, Ausgabe oder Konfiguration dieses Projekts. Nicht beschriebene Leistungswerte, Integrationen und Supportzusagen bleiben offen.

Betrieb mit den Projektdateien: caveman claude

Das README enthält eine Benchmark-Tabelle mit 10 Chat-Prompts, die eine durchschnittliche Reduktion der Ausgabe-Token von 65% zeigt, mit einer Spanne von 22% bis 87%. Diese wurden mit der Claude-API gegen standardmäßige ausführliche Antworten gemessen, und die Skripte sind unter benchmarks/ und evals/ eingecheckt. Außerdem hat JetBrains den Skill im Juli 2026 mit Claude Code und claude-sonnet-5 an 86 SkillsBench-Aufgaben getestet und dabei 8,5% Einsparung bei agentischen Läufen gemessen, während die Qualität statistisch nicht unterscheidbar war. Das README betont, dass der Skill nur Erzähltext komprimiert, nicht Code oder Tool-Aufrufe, was die Lücke erklärt. Es zitiert außerdem ein Papier vom März 2026 mit dem Titel Brevity Constraints Reverse Performance Hierarchies in Language Models, das 31 Modelle testete und bei einigen Benchmarks eine Genauigkeitsverbesserung von etwa 26 Punkten fand. Das README enthält eine Warnung, dass Eingabe-Token unberührt bleiben, und verlinkt auf docs/HONEST-NUMBERS.md. caveman wird hier an den dokumentierten Angaben gemessen. Für einen reproduzierbaren ersten Blick gehören Caveman, caveman setup --install, caveman learn, caveman claude, INSTALL.md, WRAP-BENCHMARK.md zusammen: Der genannte Einstieg zeigt Eingabe, Ausgabe oder Konfiguration dieses Projekts. Nicht beschriebene Leistungswerte, Integrationen und Supportzusagen bleiben offen.

Grenzen und Risiken der Quelle: INSTALL.md

Caveman ist eines von fünf verwandten Repositories, die im README aufgeführt sind: caveman selbst komprimiert, was der Agent sagt; caveman-code ist ein vollständiger Terminal-Codierungsagent, der etwa 2x weniger Token als Codex beansprucht; cavemem komprimiert, was der Agent über Sitzungen hinweg erinnert; cavekit ist eine spezifikationsgetriebene Build-Schleife; cavegemma ist ein Gemma-Feintuning mit in Gewichte eingebackener Komprimierung. Es gibt auch ein Schwester-Skills-Repository, JuliusBrussee/skills, mit grill-me, interface-kit, junior-to-senior, loop-factory und caveman selbst. Eine OpenClaw-Integration ist dokumentiert, die den Skill installiert und einen markierten Block an SOUL.md anhängt, sodass der Agent von der ersten Nachricht an knapp bleibt. Das README erwähnt ein Caveman-2-Projekt, das derzeit in Entwicklung ist und darauf abzielt, Token-Einsparungen teamweit mit einzugleichboard zu messen und zu verifizieren. caveman wird hier an den dokumentierten Angaben gemessen. Für einen reproduzierbaren ersten Blick gehören Caveman, caveman setup --install, caveman learn, caveman claude, INSTALL.md, WRAP-BENCHMARK.md zusammen: Der genannte Einstieg zeigt Eingabe, Ausgabe oder Konfiguration dieses Projekts. Nicht beschriebene Leistungswerte, Integrationen und Supportzusagen bleiben offen.

Konkrete Entscheidung für den Einsatz: WRAP-BENCHMARK.md

Das README sagt, dass der Skill nach der Installation keine Netzwerkaufrufe macht; keine Telemetrie, keine Analysen, keine Konten, kein Backend. Installationsbezogene Abrufe (von GitHub und den eigenen Registern der Agenten) sind in SECURITY.md dokumentiert. Das Repository ist unter der MIT-Lizenz lizenziert, wie aus dem Auszug der LICENSE-Datei hervorgeht. Diese Lizenz erlaubt die Nutzung, Vervielfältigung, Änderung, Zusammenführung, Veröffentlichung, Verteilung, Unterlizenzierung und den Verkauf von Kopien der Software und stellt die Software wie besehen ohne jegliche Gewährleistung bereit. Die Lizenz sagt nichts über Sicherheitslage, Support oder Wartungspflichten aus. Das README listet auch einen Sponsor, Atlas Cloud, und sagt, dass das Projekt für immer kostenlos ist. caveman wird hier an den dokumentierten Angaben gemessen. Für einen reproduzierbaren ersten Blick gehören Caveman, caveman setup --install, caveman learn, caveman claude, INSTALL.md, WRAP-BENCHMARK.md zusammen: Der genannte Einstieg zeigt Eingabe, Ausgabe oder Konfiguration dieses Projekts. Nicht beschriebene Leistungswerte, Integrationen und Supportzusagen bleiben offen.

Redaktionelles Fazit

Geeignet für Anwender, deren Aufgabe zu den dokumentierten Funktionen von caveman passt. Ungeeignet als Ersatz für nicht beschriebene Betriebsannahmen. Prüfe zuerst caveman setup --install, caveman learn und INSTALL.md mit einer kontrollierten Eingabe, bevor du den Einsatz ausweitest.

Offizielle Quellen

1. Official documentation
2. Official README
3. Project repository
4. Release notes