Caveman Token 压缩技能，让 Claude Code / Codex 等编码 Agent 用极简「穴居人」式表达输出，代码与命令保持精确，实测基准中可减少约 33% 的输入 Token。适合想降低 API 成本、拉长上下文窗口的团队。
Caveman 是一个给 AI 编码 Agent 用的 Token 压缩技能。它的核心想法很直白：让 Agent 用极简、像“穴居人”一样的短句表达，去掉客套与冗余解释，但代码、命令、报错信息保持逐字节精确。原版技能压输出，Caveman 2 又加了代理层压输入——在固定基准里把模型实际看到的输入 Token 减少了约 33.2%，既省钱又把上下文窗口用得更久。
两条路径。一是“说更少”：技能约束 Agent 的回答风格，只给结论与关键命令，省略长篇推导。二是“读更少”：Caveman 代理在每次发给模型之前先压缩上下文，再在本地做逐字节还原，保证模型拿到的内容语义不变、但体积更小。代码和报错绝不压缩，避免破坏可执行性。
不会。被压缩的只是自然语言解释部分，代码片段、shell 命令、错误堆栈保持原样精确输出。这也是它敢宣称“代码、命令、报错不变”的底气——你复制出来的东西依旧能直接跑。
技能本身 MIT 许可，已验证可包裹 30+ 款 Agent，包括 Claude Code、Codex、Gemini、Aider、OpenCode、Hermes、OpenClaw 等；代理层另有 8 个原生包裹配置。安装方式多样：npx 加技能、全局代理，或完整安装器（含 hooks 与状态栏）。
长会话、大仓库、反复让 Agent 解释同一段逻辑的团队最划算——Token 持续累积的地方，压缩收益最大。若你只是偶尔问一句小问题，收益有限，但装上也几乎无副作用。
短期看，更短的输出可能少一些“思考过程”，但它保留结论与命令的精确性，对执行类任务影响很小。是否开启可因任务而异：需要详细推理展示时临时关掉，纯执行时开着省成本。
两条路径。一是“说更少”：技能约束 Agent 的回答风格，只给结论与关键命令，省略长篇推导。二是“读更少”：Caveman 代理在每次发给模型之前先压缩上下文，再在本地做逐字节还原，保证模型拿到的内容语义不变、但体积更小。代码和报错绝不压缩，避免破坏可执行性。
不会。被压缩的只是自然语言解释部分，代码片段、shell 命令、错误堆栈保持原样精确输出。这也是它敢宣称“代码、命令、报错不变”的底气——你复制出来的东西依旧能直接跑。
技能本身 MIT 许可，已验证可包裹 30+ 款 Agent，包括 Claude Code、Codex、Gemini、Aider、OpenCode、Hermes、OpenClaw 等；代理层另有 8 个原生包裹配置。安装方式多样：npx 加技能、全局代理，或完整安装器（含 hooks 与状态栏）。
长会话、大仓库、反复让 Agent 解释同一段逻辑的团队最划算——Token 持续累积的地方，压缩收益最大。若你只是偶尔问一句小问题，收益有限，但装上也几乎无副作用。
短期看，更短的输出可能少一些“思考过程”，但它保留结论与命令的精确性，对执行类任务影响很小。是否开启可因任务而异：需要详细推理展示时临时关掉，纯执行时开着省成本。