Caveman は、コーディングエージェントの無駄話を減らし、読むノイズも減らすスキルとローカルプロキシです。リポジトリ JuliusBrussee/caveman の作成日は 2026-04-04。2026-09-18 の GitHub は 106,284 stars、6,155 forks。ドキュメントは docs.caveman.so。106,284 stars は熱量の信号であり、トラフィックではありません。GitHub の SPDX は Other:README は MIT(スキル、CLI 表面)と BSL-1.1(エンジン、プロキシ、関連ランタイム)に分け、記載の変更日に Apache-2.0 へ転換します。単一の OSI ライセンスではなく、公式の分割として扱う。
README の宣伝は「cuts 65% of tokens」。請求書ではない。JetBrains は スキルのみ(2026-07、プロキシ前)で 86 件のコーディング課題を実行:出力トークン 8.5% 減、コスト約 10%、品質の検出可能な変化なし。Adobe Research の CAVEWOMAN は洞窟人スタイルの出力で実現コスト 1.4〜2.4 倍、最良で 3 倍。リポジトリ固定の 54 回 Claude Code プロキシ一式は全体で プロバイダ入力トークン 33.2% 減、HTML の 1 ケースは +9.9%。自分の負荷で測る。
Ponytail(コードを減らす)と対で、Claude Code の置き換えではない。Cachebeat は prompt cache を温め、Caveman はそこを通る量を減らす。
主な機能
- スキル(小さい石):
npx skills add JuliusBrussee/caveman -g。/caveman lite|full|ultraと文言モード。コード、パス、エラー、セキュリティ警告は全文のまま。 - プロキシ(大きい石):
npm install -g @caveman-ai/cliのあとcaveman claude(または codex、gemini、aider、opencode、pi など)。ログ、JSON、diff、テスト出力をマシン上で縮小。原文はローカル SQLite にリカバリハンドル付き。 - Learn:
caveman learnはディスク上の履歴からトークンの穴を順位付け。caveman learn implementは diff を一つずつ出す。 - その他:
caveman shrink -- pnpm test、caveman browse <url>、caveman convert(スキルのピクセルモード)、caveman stats。 - ハーネス:Claude Code、Codex、Gemini CLI、Aider、Kilo、Qwen Code、OpenCode、Hermes、OpenClaw、Pi。wrap は設定ファイルを書き換えない。
制約:リクエスト課金のホスト(README は GitHub Copilot premium requests を名指し)は短い返答では安くならない。スキルは毎回入力トークンを足す(README:フルスキルで約 1,000 estimated)。Codex の native wrap は shrink hook を飛ばす(Codex が書き換えを拒否)。CLI テレメトリはデフォルトオン。caveman telemetry off か DO_NOT_TRACK=1 で停止。SECURITY.md によればプロンプトとコードは載らない。
使用シナリオ
- テストログと diff が多い長いセッションで、読み取りが請求の大半。
- 短い答えが好きで、診断は同じ精度が欲しい人。
- スキップ:ほぼコード生成だけで散文が無い、またはリクエスト課金。
料金プラン
| 部分 | 価格 | 2026-09-18 の公式ページ |
|---|---|---|
| スキル | $0 | MIT。npx skills add。INSTALL.md は 30+ エージェント。 |
| CLI / プロキシ | 自前トラフィックのセルフホスト $0 | MIT CLI。エンジン/プロキシは BSL-1.1:自分のトラフィックは無料セルフホスト、第三者向けホスティングは商用ライセンス。約 106,284 stars。 |
| Caveman Cloud | ウェイトリスト | caveman.so。署名付きレシートは Cloud の話であり、ローカル CLI ではない。 |
| モデル利用 | プロバイダの請求 | Caveman はトークンを売らない。 |
はじめに
npx skills add JuliusBrussee/caveman -gしてコーディングの質問をする。起きなければ/caveman。- 任意:
npm install -g @caveman-ai/cli && caveman setup --installのあとcaveman claude。 - 何かをいじる前に
caveman learn。 - 自分のマシンで A/B するなら
caveman trial -- claudeのあとcaveman trial report。
一次情報:quickstart と README。
よくある質問
モデルは劣化しますか?
JetBrains はスキルで品質の検出可能な変化なし。プロキシ一式の固定ランは 18/18 正解。自分の課題で再測定する。
自分のプロンプトを洞窟人言葉にしますか?
README はしないと言う。Adobe は人間のプロンプトを圧縮すると答えが長く悪くなると書いた。圧縮するのはエージェントの口(プロキシありなら読む側)だけ。
オフにできますか?
/caveman off または stop caveman。wrap は caveman disable <agent>。
代替案
- Ponytail:エージェントが「作る量」を減らす。「言う量」ではない。README は併用を勧める。
- Claude Code:よく使うホスト。Caveman は相乗り。
- Cachebeat:キャッシュ維持であり、圧縮ではない。
ヒント
- まずスキル。
caveman learnが読み取り側を示してからプロキシ。 - 赤いベンチ行を自分から隠さない。wrap 一式の HTML ケースは高くつく。
- ポリシーでテレメトリ禁止なら切る。
まとめ
Caveman はスキルとプロキシと論文引用まで育ったジョーク。短い話が欲しければスキル、ログが請求の主ならプロキシ。自分で測る。65% の見出しは請求書ではない。
コメント
まだコメントがありません。最初のコメントを投稿してください!
関連ツール
関連インサイト
7 つの AI コーディング CLI を半年使って悟ったこと:モデルがどんなに強くても、仕事には監督が必要
Claude Code、Codex、opencode、pi、omp、DeepSeek Harness はそれぞれ性格が違う。半年間の深い使用で確立した分業:pi で最速最省のレビュー、omp で複雑な PR レビュー、DeepSeek Harness + V4 Flash で高頻度・低コストなレビュー、Claude Code と Qoder でコーディング。モデルがどんなに強くても、仕事には監督が必要——しかも独立した第三者であるべき。

Anthropic Subagent: マルチエージェント時代のアーキテクチャ革命
Anthropicのマルチエージェントアーキテクチャ設計を徹底解説。Subagentによるコンテキストウィンドウ制限の突破、90%のパフォーマンス向上、Claude Codeでの実際の応用について学びます。
Skills + Hooks + Plugins:AnthropicによるAIコーディングツールの拡張性の再定義
Claude CodeのSkills、Hooks、Pluginsという三位一体アーキテクチャを深く分析し、なぜこの設計がGitHub CopilotやCursorよりも先進的なのか、そしてオープンスタンダードを通じてAIコーディングツールの拡張性をどのように再定義しているかを探ります。