JuliusBrussee/caveman 是什麼？

Caveman 是一套以代理與技能兩種形式存在的工具，目標是讓 AI 代理少讀冗長輸出，官方宣稱在固定基準測試中可降低 33.2% 的 provider 回報輸入 token。本文拆解它的運作機制、安裝方式、限制與適用邊界。

JuliusBrussee/caveman 可以商用嗎？

請先確認。這個儲存庫使用的授權不在我們自動分類的範圍內，商用前請閱讀儲存庫中的 LICENSE 檔案。

JuliusBrussee/caveman 還在維護嗎？

有在維護。儲存庫在最近一天內有新的提交。

JuliusBrussee/caveman 是用什麼程式語言寫的？

主要是 JavaScript（依據 GitHub 的語言統計）。

Caveman 評測：替 Claude Code 省 token 的輸出壓縮工具

秒懂

它是什麼？: Caveman 是一套以代理與技能兩種形式存在的工具，目標是讓 AI 代理少讀冗長輸出，官方宣稱在固定基準測試中可降低 33.2% 的 provider 回報輸入 token。本文拆解它的運作機制、安裝方式、限制與適用邊界。
適合誰用？: 若你的日常工作是讓 Claude Code 或 Codex 反覆執行測試、讀取日誌、搜尋程式碼，而帳單上的 input token 明顯偏高，Caveman 值得一試。它的代理模式不需改動程式碼，技能模式則能讓回覆變短，兩者可獨立使用。
可以商用嗎？: 請先確認。這個儲存庫使用的授權不在我們自動分類的範圍內，商用前請閱讀儲存庫中的 LICENSE 檔案。
還在維護嗎？: 有在維護。儲存庫在最近一天內有新的提交。
用什麼語言寫的？: 主要是 JavaScript（依據 GitHub 的語言統計）。

以上回答依據專案的 GitHub 資料（最近同步於 2026年9月15日）與我們的分析，不構成法律意見。

開源專案深度解析

Hysen Labs 編輯部 · 2026年8月8日 · JuliusBrussee/caveman

它解決的是 token 浪費，不是模型能力問題

Caveman 的出發點很實際：AI 代理在執行例行工具呼叫時，會讀進大量重複的日誌、JSON 結構或搜尋結果，這些內容佔據 context window，卻對最終答案貢獻極少。以 README 中的例子，同樣一段 React 重渲染解釋，正常代理用了 69 個 token，Caveman 代理只用 19 個。這不是讓模型變笨，而是把輸入端的雜訊去掉，讓模型把注意力放在關鍵資訊上。目標使用者是頻繁操作 CLI 的開發者，尤其是依賴 Claude Code、Codex 或 Gemini CLI 執行測試、讀取錯誤訊息的大量工作。對那些只偶爾用 AI 寫程式的人，省下的 token 可能無感，但對每天跑數百次工具呼叫的團隊，累積效果可觀。

兩條產品線：代理壓縮輸入，技能壓縮輸出

Caveman 分成兩個獨立產品，可擇一或同時使用。第一是 Caveman Proxy，它包住你的代理，在每次 provider 呼叫前壓縮請求內容，並提供 byte-exact 還原能力。第二是原始的 skill，讓代理用精簡的「山頂洞人語」回答，但程式碼、命令與錯誤訊息保持原樣。代理模式透過本地 proxy 轉發流量，不需改動程式碼，也不需 Caveman 後端。技能模式則直接安裝進 30 多種代理，透過提示詞約束回覆風格。兩者互補：代理省的是你付給 provider 的 input token，技能省的是輸出端的 token，但後者通常較便宜。若你的成本主要來自輸入，代理是主要工具；若你只是討厭冗長回覆，技能就夠了。

壓縮引擎如何決定保留什麼

Caveman 的核心是 Caveman Engine，它先以 detect() 判斷 payload 類型，再交給對應的壓縮器。README 列出六種類型與目標節省比例：json 保留鍵值結構與錯誤訊息，可省 70 到 90%；log 保留錯誤、堆疊追蹤與首尾行，丟棄 INFO 與進度噪音，省 85 到 95%；code 保留 imports、簽名與型別，省略函式本體，但保持語法有效，省 40 到 70%；diff 保留檔案標頭與變更行，省 60 到 80%；search-result 保留頂部與底部命中，省 80 到 95%；text 與 HTML 保留標題與重要段落，省 50 到 80%。此外，contextwindow.Pack() 會用 BM25 相關性、時效性與錯誤訊號，把候選內容塞進 token 預算，並維持原始順序，讓時間線不被破壞。這表示壓縮不是盲目截斷，而是語意導向的取捨。

安裝與實際指令：從一行命令到完整安裝器

安裝方式分三層。最簡單的是 npm 全域安裝 CLI：npm install -g @caveman-ai/cli，然後執行 caveman setup --install，再依代理選擇 caveman claude、caveman codex、caveman gemini 等。技能模式則用 npx skills add JuliusBrussee/caveman。若需要完整安裝器，它會自動接上 Claude Code hooks 與 statusline，並偵測機器上所有支援的代理，可安全重跑，需要 Node.js 18 以上，指令是 curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/v2.3.1/install.sh | bash。Windows 用戶用 PowerShell 執行 install.ps1。單一代理也有對應指令，例如 Claude Code 用 claude plugin marketplace add JuliusBrussee/caveman。安裝後，caveman learn 會掃描你的歷史紀錄，產生 Cave Score 與 token 流失排名，caveman learn implement 則把修正計畫交給你的代理，逐項提案 diff，你同意才套用。

真實限制：壓縮不是無損，依賴情境是關鍵

Caveman 的代理模式號稱 byte-exact 還原，但那是指 recovery copy 存在本地磁碟，不是說壓縮後的內容保留所有細節。當壓縮器丟棄 INFO 日誌或函式本體時，若代理的答案依賴被丟棄的資訊，就可能出錯。README 承認基準測試有 18 項 exact-answer 檢查，但那是固定情境，真實工作千變萬化。例如，debug 一個罕見的 race condition，錯誤訊息可能藏在看似無關的 INFO 行中，壓縮器可能誤判為噪音。另一個限制是代理模式需要本機 proxy 常駐，對有嚴格網路政策的企業環境，繞過 proxy 或設定憑證可能增加部署成本。此外，caveman explore install 需要 Chrome 才能執行 browse 功能，若你的環境沒有圖形瀏覽器，這部分功能無法使用。

替代方案：提示詞工程與其他過濾工具

最直接的替代方案是修改代理的系統提示詞，要求它忽略 INFO 層級日誌或只回報錯誤摘要。這不需要安裝任何東西，成本為零，但效果取決於模型遵循指令的程度，且無法結構化處理大型 JSON 或 diff。另一類是輸出過濾工具，例如在 shell 層用 grep 或 jq 預先處理命令輸出，再餵給代理，這能精準控制保留內容，但需要手動為每個命令撰寫過濾規則，無法像 Caveman 那樣自動偵測類型。Caveman 的差異在於它內建類型偵測與語意壓縮，並提供還原機制，這是純提示詞或 grep 做不到的。若你的需求只是偶爾壓縮單一命令輸出，caveman shrink -- pnpm test 這類指令可能比完整代理更輕量。

維護與授權：BSL-1.1 與 MIT 的界線

Caveman 的授權分兩層：代理模式（Caveman Proxy）使用 BSL-1.1，技能模式使用 MIT。BSL-1.1 是 source-available 授權，不是純開源，商用時需確認是否符合其條款，例如是否允許內部使用或需要額外授權。CLI 本身是 MIT，但代理的 runtime 是 BSL。這對企業採用者是一個需要法律評估的點。維護方面，專案最近有 v2.3.1 與 v2.3.0 的密集釋出，顯示開發活躍，但這不代表穩定。升級時需注意代理與技能版本是否同步，因為壓縮引擎的變更可能影響還原格式。安裝器支援重跑，這對升級有幫助，但每次升級後建議重新執行 caveman learn 檢查 token 節省是否仍符合預期。

編輯結論

若你的日常工作是讓 Claude Code 或 Codex 反覆執行測試、讀取日誌、搜尋程式碼，而帳單上的 input token 明顯偏高，Caveman 值得一試。它的代理模式不需改動程式碼，技能模式則能讓回覆變短，兩者可獨立使用。但若你的工作依賴完整原始輸出，例如除錯複雜的堆疊追蹤或需要逐字審查 diff，壓縮帶來的資訊損失可能造成誤判。安裝前請先執行 caveman learn 掃描自己的歷史紀錄，確認 token 流失的實際來源，再決定是否啟用代理。若你只想減少輸出量而不想引入代理層，直接調整提示詞要求簡短回覆，或改用其他輸出過濾工具，成本更低。最後，代理模式使用 BSL-1.1 授權，技能模式為 MIT，商業部署前需確認授權相容性。

官方來源

社群筆記