Caveman: kürzere Antworten für Coding-Agenten

Alles Wissenswerte über JuliusBrussee/caveman: eine Skill und ein Plugin, das die sichtbare Ausführlichkeit von KI-Agenten reduziert und dabei Code, Befehle und Fehlermeldungen wortwörtlich bewahrt.

Was Caveman ist

Caveman ist eine Skill, die als Plugin, Erweiterung oder Regeldatei für mehr als 30 Coding-Agenten verteilt wird. Ihr Mechanismus ist bewusst klein gehalten: Sie weist den Agenten an, Einleitungsfloskeln, Füllwörter und Redundanz aus der Prosa zu entfernen, dabei aber Code, Pfade, Befehle und Fehlermeldungen unverändert zu lassen.

Sie reduziert nicht von sich aus die Eingabe-Tokens oder das interne Reasoning des Modells. Laut README konzentriert sich ihr Effekt auf die sichtbare Antwort: Sie gibt eine durchschnittliche Reduktion von 65 % der Ausgabe-Tokens über zehn Konversations-Prompts an sowie eine Reduktion von 8,5 % in einer JetBrains-Evaluierung mit 86 Programmieraufgaben. Das sind Messungen unterschiedlicher Lastprofile, kein universelles Einsparversprechen.

Holografische Waage, die eine chaotische Wolke aus ausschweifendem Text mit einem winzigen, komprimierten Datenwürfel vergleicht, darüber schwebt eine grüne „65 %“-Anzeige.

Der Ursprung: eine humorvolle Idee, die zu einer Multi-Umgebungs-Distribution wurde

GitHub datiert die Erstellung des Repositorys auf den 4. April 2026. Autor ist Julius Brussee, dessen GitHub-Konto einen Standort in den Niederlanden angibt und auf juliusbrussee.com verlinkt. Name und Tonfall des Projekts stammen von der Idee, das Wesentliche in telegrammartigen Sätzen auszudrücken, nicht davon, die technische Leistungsfähigkeit des Modells zu verringern: Das README formuliert es so, dass der „Mund“ kleiner wird, nicht das „Gehirn“.

Biolumineszierende Höhlenmalereien, die technische Diagramme, Codeschnipsel und Terminalbefehle in leuchtendem Cyan- und Magentaton darstellen.

Der Start erhielt schnell Aufmerksamkeit: Der Hacker-News-Beitrag 47647455, veröffentlicht am 5. April 2026 von tosh und direkt mit dem Repository verlinkt, erreichte 904 Punkte und 366 Kommentare. Die Diskussion war nicht rein werblich: Sie erörterte, ob weniger Ausgabe tatsächlich reale Kosten senkt und ob eine Stilanweisung die Qualität beeinflussen kann.

Die spätere Entwicklung zeigt eine relevante Korrektur der ursprünglichen Botschaft. Version v1.9.1 dokumentierte, dass die 65 % ein Durchschnittswert der Ausgabe gegenüber ausführlichen Antworten waren; v1.10.0, veröffentlicht am 3. August 2026, sorgte dafür, dass /caveman-stats die Nettoeinsparung meldet und dabei die Kosten für das Laden der Skill in den Kontext abzieht. Das ist eine explizite Antwort auf die zentrale Spannung des Produkts: kürzere Prosa kann nützlich sein, aber der Mechanismus selbst fügt Eingabe-Tokens hinzu.

Kybernetischer Schädel mit einem massiven Gehirn aus pulsierenden Datenknoten und einem winzigen, stark eingeschränkten mechanischen Mundstück, das einen einzelnen grünen Lichtstrahl aussendet, „kleinerer Mund, gleiches Gehirn“.

Philosophie und Prinzipien

Signal vor Höflichkeit. Ziel ist es, einleitende Sätze, Wiederholungen und vorhersehbare Erklärungen zu entfernen, nicht technische Elemente zu kürzen.
Lesbarkeit als eigenständiger Nutzen. Das Projekt argumentiert, dass eine kürzere Antwort schneller zu lesen sein kann, auch wenn sie keine echte wirtschaftliche Einsparung erzeugt.
Nach Lastprofil messen. Die Dokumentation trennt konversationelle Antworten von agentischen Ausführungen und empfiehlt, mit und ohne Caveman beim tatsächlichen Anbieter zu vergleichen.
Lokale, überprüfbare Installation. Sie erklärt, keine Telemetrie, keine Konten und keine Netzwerkaufrufe nach der Installation zu haben. Für den Remote-Installationsweg werden Dateien heruntergeladen, die an einen Tag gebunden sind, und ein SHA-256-Manifest wird geprüft.
Kompatibilität durch Adapter. Ein Node-Installer erkennt Agenten und wählt Plugin, Erweiterung, Regeln oder npx skills add; er setzt nicht voraus, dass alle dasselbe Hook-System besitzen.

Futuristischer Multi-Port-Hub, dessen leuchtender Kern über anpassungsfähige Datenpfade mit holografischen Schnittstellen verschiedener Coding-Agenten verbunden ist.

Wie es funktioniert

Der dokumentierte Ablauf besteht aus fünf Teilen:

Der Installer platziert die Skill im nativen Mechanismus des Agenten: Plugin für Claude Code, Erweiterung für Gemini CLI, Regeldateien oder skills-Profile für andere Umgebungen.
Die Skill fordert dazu auf, prägnant zu schreiben, die Sprache beizubehalten und technische Artefakte nicht anzutasten. Es gibt die Stufen lite, full (Standard), ultra und wenyan.
In Claude Code halten Hooks beim Sitzungsstart und beim Absenden von Prompts den Modus aktiv; der Zustand wird lokal gespeichert.
/caveman-stats liest das lokale Sitzungsprotokoll und schätzt die Token-Differenz gegenüber einer Basislinie. Es ist eine Schätzung des Kontrafaktischen, keine Rechnung des Anbieters.
/caveman-compress <Datei> kann Speicherdateien wie CLAUDE.md umschreiben, mit Prüfungen, die Code, URLs und Pfade bewahren.

Futuristisches Terminal, das den Befehl /caveman-stats ausführt, mit Fortschrittsbalken und einem Panel mit der Anzeige „Net Token Savings: Estimated“.

Neben der Haupt-Skill enthält das Projekt caveman-commit, caveman-review, caveman-help, caveman-compress und die cavecrew-*-Subagenten. Die MCP-Middleware caveman-shrink komprimiert Werkzeugbeschreibungen eines MCP-Servers, benötigt dafür aber einen expliziten Upstream-Server und ist optional.

Holografischer Werkzeuggürtel mit einem Datenhaken, einem Kompressionshammer, einem Speicherschrumpf-Laser und einem Commit-Formatierungsstempel.

Offizieller und halboffizieller Status

Das README dokumentiert vom Anbieter offizielle Wege zur Installation als Claude-Code-Plugin (claude plugin marketplace add ... und claude plugin install ...) sowie als Gemini-CLI-Erweiterung. Für Codex, Cursor, Windsurf, Cline und viele andere nutzt die erklärte Distribution die Registry vercel-labs/skills oder Regeldateien; das entspricht keiner Zertifizierung durch den Anbieter.

Der überprüfbare Status betrifft also Verfügbarkeit und Integration, nicht die technische Bestätigung durch Anthropic, Google, OpenAI oder Vercel. Die Verbreitung über mehrere Mechanismen und die 96.000 Sterne machen das Projekt als Muster für Stilkompression sichtbar, aber es wurde keine formale Einordnung als De-facto-Standard gefunden.

Das Ökosystem

Projekte des Autors

Das README definiert eine Gruppe von fünf Projekten, die darauf abzielen, dass der Agent weniger Kontext verbraucht:

JuliusBrussee/caveman: reduziert die vom Agenten gelieferte Prosa; 96.179 Sterne.
JuliusBrussee/caveman-code: Coding-Agent für das Terminal; 902 Sterne.
JuliusBrussee/cavemem: komprimierter persistenter Speicher zwischen Agenten; 665 Sterne.
JuliusBrussee/cavekit: spezifikationsgeleitete Build-Planung und -Validierung; 1.134 Sterne.
JuliusBrussee/cavegemma: ein LoRA-Finetuning von Gemma 4 31B für den Caveman-Stil; 109 Sterne.
JuliusBrussee/skills: eine Sammlung mit grill-me, interface-kit, junior-to-senior und loop-factory; 144 Sterne.

Die genannten Beziehungen stammen aus dem README oder aus Beschreibungen der Repositorys desselben Autors, die über die GitHub-API abgerufen wurden. Sie belegen keine automatische Kompatibilität zwischen allen genannten Projekten.

Forks, Ports und Community-Erweiterungen

Die abgerufene Forks-API identifiziert unter anderem yibie/caveman-codex (einen Port für Claude Code und Codex, 66 Sterne), KodornaRocks/caveman-ptbr (eine brasilianisch-portugiesische Variante, 3 Sterne), jonjonrankin/pi-caveman (eine Anpassung für Pi, 82 Sterne), dantesCode/caveman-opencode-plugin (ein Plugin für OpenCode, 88 Sterne) und anthonystepvoy/caveman-opencode (ein OpenCode-Paket, 53 Sterne).

Die npm-Suche fand außerdem caveman-shrink, dessen Beschreibung es als MCP-Proxy identifiziert, der an das Repository gebunden ist, sowie Community-Pakete wie opencode-caveman, pi-caveman und caveman-opencode-plugin. Das npm-Paket, das schlicht caveman heißt, ist eine JavaScript-Template-Engine eines anderen Autors; ihre 1.821 wöchentlichen Downloads sind keine Kennzahl dieses Projekts und werden ihm nicht zugerechnet.

Die Repository-Suche fand wilpel/caveman-compression (1.087 Sterne), das sich als semantische Kontextkompression präsentiert. Es handelt sich um einen verwandten Ansatz zum selben Problem, es wurde jedoch kein Beleg für eine Verbindung zu Julius Brussee gefunden.

Zahlen zum Repository

Messung: 6. August 2026, GitHub-API.

Kennzahl	Wert
Sterne	96.179
Forks	5.524
Echte Abonnenten	236
Commits	263
Von der API gemeldete offene Issues	466
Hauptsprache	JavaScript
Lizenz	MIT
Erstellung	4. April 2026
Letzte Metadaten-Aktualisierung	6. August 2026
Letzte Veröffentlichung	`v1.10.0`, 3. August 2026

GitHub-Metriken-Dashboard in Neon-Typografie mit den Zahlen 96.179 Sterne, 263 Commits und der Version v1.10.0.

Die von der API zurückgegebenen Hauptbeitragenden waren JuliusBrussee (182 Beiträge), github-actions[bot] (10), sebastianbreguel (9), AmirF194 (8) und vraj00222 (5). Die Gesamtzahl von 263 Commits stammt aus dem Link zur letzten Seite der Commit-Paginierung der API. open_issues_count kann offene Pull Requests einschließen; die Zahl sollte daher nicht als reine Issue-Zahl gelesen werden. Zusätzlich wird subscribers_count angegeben, da watchers_count in der allgemeinen GitHub-Antwort die Sternezahl dupliziert.

Schnellstartanleitung

Installation und erster Start

Erforderlich ist Node 18 oder neuer. Unter macOS, Linux, WSL oder Git Bash dokumentiert das Projekt:

curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash

Unter Windows mit PowerShell 5.1 oder neuer:

irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex

Um das Skript vor der Ausführung zu prüfen, schlägt die Dokumentation vor, es herunterzuladen, durchzusehen und dann bash install.sh auszuführen; eine Vorschau ohne das Schreiben von Dateien ist ebenfalls möglich:

curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash -s -- --dry-run

Der Installer erkennt die verfügbaren Agenten und überspringt jene, die nicht installiert sind. Claude Code, Gemini CLI und OpenCode aktivieren sich gemäß der Installationsmatrix selbst; bei den übrigen kann es nötig sein, /caveman in jeder Sitzung manuell aufzurufen.

Übliche Arbeitsabläufe

Kürze für eine Sitzung wählen: /caveman lite, /caveman full oder /caveman ultra verwenden. Um zum normalen Verhalten zurückzukehren, normal mode sagen.
Eine Commit-Nachricht vorbereiten: /caveman-commit aufrufen; erzeugt das von der Skill definierte Kurzformat.
Änderungen überprüfen: /caveman-review verwenden; das beschriebene Format ist eine Beobachtung pro Zeile mit Ort und Schweregrad.
Den Kontext einer Speicherdatei reduzieren: /caveman-compress CLAUDE.md ausführen. Das Projekt erklärt, Codeblöcke, URLs und Pfade exakt zu bewahren; am besten auf einer versionierten oder gesicherten Datei anwenden, um das Ergebnis überprüfen zu können.
Eine Claude-Code-Sitzung messen: /caveman-stats ausführen. Das Ergebnis kombiniert reale lokale Nutzung mit einer geschätzten Einsparzeile; bei Kostenrelevanz mit der Nutzungsseite des Anbieters vergleichen.

Wesentliche Konfiguration

CAVEMAN_STATUSLINE_SAVINGS=0: blendet den Einsparungszähler aus der Statuszeile von Claude Code aus.
CAVEMAN_DEFAULT_MODE=lite: dokumentiertes Beispiel, um den Standardmodus eines Hooks festzulegen.
$CLAUDE_CONFIG_DIR/settings.json: enthält die Hook-Einträge; standardmäßig unter ~/.claude/.
$CLAUDE_CONFIG_DIR/.caveman-active: Statusdatei, die nach erfolgreichem Start von Claude Code full enthalten sollte.
.cursor/rules/caveman.mdc, .windsurf/rules/caveman.md, .clinerules/caveman.md oder .github/copilot-instructions.md: Zielorte für Projektregeln, die node cli/install.js --with-init anlegen kann.

Häufige Fallstricke und Lösungen

Geteilter Bildschirm in einem Cyberpunk-Terminal: ein großer Textblock mit rotem X neben einem kurzen, effizienten Codeausschnitt mit grünem Häkchen, daneben die Beschriftungen „A/B Testing“ und „Honest Numbers“.

Negative Nettoeinsparung: docs/HONEST-NUMBERS.md warnt, dass die Skill pro Turn etwa 1.000–1.500 Eingabe-Tokens hinzufügt. Bei bereits kurzen Fragen oder pro Anfrage abgerechneten Plänen sollte sie deaktiviert und ein A/B-Test durchgeführt werden; der Ausgabe-Prozentsatz allein reicht nicht.
Claude Code ändert den Stil nicht: node cli/install.js --list prüfen, bestätigen, dass claude erkannt wurde, die Hooks in settings.json überprüfen, .caveman-active kontrollieren und die Sitzung neu starten. Der SessionStart-Hook greift nicht bei einer bereits geöffneten Sitzung.
Fehler unter PowerShell: install.ps1 verwenden, nicht das Bash-Skript. Die Dokumentation weist darauf hin, dass bei einer Richtlinie, die irm | iex blockiert, in dieser Sitzung vor einem erneuten Installationsversuch Set-ExecutionPolicy -Scope Process -ExecutionPolicy Bypass ausgeführt werden kann.
Der OpenCode-Installer schlug wegen einer fehlenden Datei fehl: Issue #391, eröffnet von Mikuller, beschrieb einen ENOENT-Fehler für caveman-compress.md; der Release-Hinweis zu v1.9.0 erklärt, dass der Befehl inzwischen enthalten ist. Vor dem manuellen Anlegen von Dateien aktualisieren und neu installieren.
Konflikte mit Antigravity: Master-Antonio berichtete in #428, dass die Skill nach der Installation nicht sichtbar war. Für nicht automatisch erkennbare Integrationen sollte die explizite Kennung aus der Matrix verwendet werden, zum Beispiel --only antigravity, und zuerst mit --list geprüft werden.

Integrationen und Migration

Der Installer bietet native Wege für Claude Code, Gemini CLI, OpenCode, OpenClaw und Hermes Agent sowie skills-Profile für Codex, Cursor, Windsurf, Cline, Copilot und andere. Um nur ein Ziel zu installieren, wird zum Beispiel verwendet:

node cli/install.js --only cursor

Für dauerhaft aktive Regeln innerhalb des aktuellen Repositorys:

node cli/install.js --with-init

Die MCP-Integration ist optional; --with-mcp-shrink="<Upstream-Befehl>" registriert den Proxy um einen bestehenden MCP-Server. Um die von Caveman verwaltete Installation zu entfernen:

npx -y github:JuliusBrussee/caveman -- --uninstall

Über npx skills add installierte Skills werden von diesem Deinstaller nicht entfernt: Die Dokumentation verweist auf npx skills remove caveman oder den Skill-Manager des jeweiligen Editors.

Wie man beiträgt

Der Beitragsleitfaden unterscheidet drei Arten von Änderungen: Skill-Prosa, Unterstützung für einen neuen Agenten sowie Reparaturen an Hooks oder Installer. Er verlangt einen Fork und einen kleinen Pull Request mit einem einzigen Zweck und Commit-Nachrichten im Conventional-Commits-Format.

Die wichtigste Regel ist, die übergeordnete Quelle der Wahrheit zu bearbeiten, nicht die Kopien pro Agent: skills/caveman/SKILL.md für das Verhalten, cli/install.js für die Agentenmatrix, src/hooks/ für Hooks und src/mcp-servers/caveman-shrink/ für den MCP-Server. Die Kopien unter plugins/ werden in der CI neu erzeugt und überschrieben.

Die dokumentierten Prüfungen sind:

npm test
python3 -m unittest tests.test_compress_safety
node tests/test_caveman_init.js
node tests/test_symlink_flag.js

Um die API-Benchmarks zu reproduzieren, wird ANTHROPIC_API_KEY in .env.local benötigt, ausgeführt mit uv run python benchmarks/run.py. Der lokale Evaluierungs-Harness nutzt python evals/llm_run.py und python evals/measure.py.

Wie die Community es aufnahm

Der Hacker-News-Thread 47647455 bietet reichlich, aber gemischte Belege:

gozzoo fand es hilfreich, kurze und fokussierte Nachrichten von Agenten zu erhalten, weil lange Texte das Verfolgen der Arbeit erschweren; er schlug vor, dass die Idee über Coding-Agenten hinaus anwendbar sein könnte.
vova_hn2 sagte, der Stil sei leichter zu lesen als typische Modellprosa. bhwoo48 brachte es mit der eigenen Kostenbedenken in Verbindung, bezeichnete es als nützliche Idee und versah das Repository mit einem Stern. Das sind individuelle Erfahrungen, kein Beleg für Einsparungen.
nayroclade wandte ein, dass beim agentischen Programmieren meist die Eingabe der Engpass sei — Verzeichnisbäume, Dateien, Skills und Werkzeugausgaben —, während die Ausgabe vergleichsweise klein sei. Diese Kritik deckt sich mit der späteren eigenen Warnung des Projekts zu den Kosten der Skill.
TeMPOraL vertrat die Ansicht, dass eine Reduktion der Tokens die verfügbare Rechenleistung des Modells einschränken und schwierige Antworten verschlechtern könne. Im Gegensatz dazu argumentierte dTal, dass Tokens mit niedriger Entropie wie Artikel nicht zwangsläufig nützliche Information speichern. Es handelt sich um eine technische Meinungsverschiedenheit zwischen Nutzern, nicht um einen abschließenden Benchmark.
raincole fasste eine methodische Grenze zusammen: Ohne Evaluierung sollten keine Schlussfolgerungen aus ersten Prinzipien gezogen werden. Das Repository reagierte später mit einem eigenen Benchmark und verlinkte den JetBrains-Test, doch die Qualität muss pro Modell und konkreter Last gemessen werden.

Es wurden bei den Recherchen dieses Durchlaufs keine überprüfbaren Threads auf Reddit, keine zugänglichen Beiträge auf X, keine Product-Hunt-Seite, keine Podcasts, keine Dev.to/Hashnode-Artikel und keine Videos mit verlässlichen Metadaten gefunden. Das ist ein Fehlen abrufbarer Belege, kein Beleg für das Fehlen einer Community.

Caveman im Vergleich zu anderen Ansätzen

Ansatz	Überprüfbare Übereinstimmung	Überprüfbarer Unterschied
`JuliusBrussee/caveman-code`	Teilt sich den Autor und das Ziel, weniger Tokens zu verbrauchen.	Präsentiert sich als vollständiger Terminal-Agent; Caveman verändert vor allem die Form der Antworten bestehender Agenten.
`wilpel/caveman-compression`	Beide werden als Kompression im LLM-Kontext beschrieben.	Seine Beschreibung spricht von semantischer Kontextkompression; es wurde weder eine Integration noch eine Verbindung zu Caveman gefunden.
`JuliusBrussee/cavemem`	Teil der Projektsammlung des Autors für Agenten.	Konzentriert sich auf persistenten Speicher zwischen Agenten, während Caveman an Ausgabe, Regeln und Speicherdateien auf Anfrage arbeitet.
`JuliusBrussee/cavegemma`	Nutzt dieselbe Stilidentität und stammt vom selben Autor.	Ein LoRA-Finetuning eines Gemma-Modells; Caveman ist eine Schicht aus Anweisungen und Hooks, ohne einen Modellwechsel zu erfordern.

Der praktische Unterschied liegt in der Ebene: Caveman eignet sich, wenn man den Agenten beibehalten und seine Erzählweise reduzieren möchte; ein vollständiger Agent, ein externer Speicher oder ein Gewichts-Finetuning lösen andere Probleme und erfordern eine andere Migration.

Anwendungsfälle und wem dieses Repository helfen kann

Entwickler, die lange Erklärungen, Reviews oder Diagnosen erhalten, können lite, full oder ultra aktivieren, um die Schlussfolgerung früher zu lesen, während Befehle und technische Ausschnitte wortwörtlich erhalten bleiben.
Teams, die CLAUDE.md oder andere umfangreiche Anweisungsdateien pflegen, können /caveman-compress an versionierten Kopien testen, um die Größe dieser wiederholt geladenen Dateien zu verringern, wobei Ergebnis und Sicherungskopie geprüft werden sollten.
Personen, die zwischen Claude Code, Gemini CLI, Codex, Cursor oder OpenCode wechseln, können den einheitlichen Installer oder lokale Regeln nutzen, um eine konsistente Kürze-Richtlinie beizubehalten, ohne die Anweisung für jede Umgebung manuell neu zu schreiben.
Kosten- und latenzsensible Teams können /caveman-stats als Ausgangspunkt nutzen und mit einem A/B-Test beim tatsächlichen Anbieter abgleichen. Die Dokumentation rät von der Nutzung ab, wenn überwiegend kurze Aufgaben anfallen, pro Anfrage abgerechnet wird oder das Experiment eine negative Nettoeinsparung ergibt.
Betreiber von MCP-Servern können caveman-shrink prüfen, wenn das Volumen an Werkzeugbeschreibungen ein Problem darstellt, und es dabei nur um einen bekannten Upstream-Server herum konfigurieren.

Ressourcen

Repository: https://github.com/JuliusBrussee/caveman
Dokumentation und Installation: https://github.com/JuliusBrussee/caveman/blob/main/INSTALL.md
Kennzahlen und Grenzen der Einsparung: https://github.com/JuliusBrussee/caveman/blob/main/docs/HONEST-NUMBERS.md
Beitragsleitfaden: https://github.com/JuliusBrussee/caveman/blob/main/CONTRIBUTING.md
Offizielle Skills: https://github.com/JuliusBrussee/caveman/tree/main/skills
Evaluierungen und Benchmarks: https://github.com/JuliusBrussee/caveman/tree/main/evals, https://github.com/JuliusBrussee/caveman/tree/main/benchmarks
Vom Projekt zitierte unabhängige Review: https://blog.jetbrains.com/ai/2026/07/speak-to-ai-agents-like-cavemen-tosave-tokens/
Hacker-News-Konversation: https://news.ycombinator.com/item?id=47647455
Verwandter npm-Eintrag: https://www.npmjs.com/package/caveman-shrink
Offizielle Website und Warteliste für Caveman 2: https://caveman.so/

Hinweis: Dieser Artikel kombiniert das README, die Installations- und Beitragsleitfäden, die Release-Notes, die GitHub-API, npm, die offizielle Website, die verlinkte JetBrains-Evaluierung und Hacker News, abgerufen am 6. August 2026. Die Zahlen ändern sich mit der Zeit.