caveman

O Caveman oferece dois componentes complementares para assistentes de codificação movidos a IA. O primeiro é um "skill" – um arquivo de regras que reescreve as partes em linguagem natural da resposta de um agente em um estilo caveman conciso, mantendo código, comandos, caminhos de arquivo e mensagens de erro inalterados. Os benchmarks no repositório mostram reduções médias de cerca de 65% nos tokens de saída em um conjunto de dez prompts típicos de programação. O segundo componente é um proxy local que fica entre o agente e o provedor de LLM. Ele analisa payloads de entrada (JSON, logs, código, diffs, resultados de pesquisa, texto/HTML) e os comprime antes de enviá-los ao provedor, mantendo um backup em SQLite dos dados originais para recuperação exata. As economias reportadas de tokens de entrada são de cerca de 33% no geral, com reduções maiores para logs grandes ou dados CSV. A instalação é dividida em um "rock" pequeno (o skill) e um "rock" maior (o proxy). O skill pode ser adicionado com um único comando npx e ativado por meio do comando /caveman dentro de um agente compatível. O proxy é instalado globalmente via npm e configurado com a CLI caveman, que pode envolver agentes como Claude Code, OpenAI Codex, Gemini CLI, Aider, Kilo Code, Qwen Code, opencode, Hermes, OpenClaw e Pi. A CLI também oferece um script instalador completo para detecção automática e configuração em sistemas Unix ou Windows. O Caveman vem com um conjunto de comandos para controlar seu comportamento: /caveman [lite|full|ultra|wenyan-lite|...|off] para selecionar a intensidade de compressão, caveman-commit para mensagens de commit sucintas, caveman-review para code reviews em uma linha, caveman-compress para encolher arquivos markdown, caveman-stats para visualizar o uso de tokens e caveman-learn para analisar dados históricos de sessão e sugerir correções que economizem tokens. Utilitários adicionais incluem compressão de navegação, recall de memória, conversão de texto do skill em modo pixel para imagens e relatórios de testes A/B. O projeto inclui tabelas detalhadas de benchmark tanto para o skill quanto para o proxy, bem como documentação sobre como a compressão funciona para cada tipo de payload e como o ranking de relevância (BM25, recenticidade, sinais de erro) é aplicado para encaixar o contexto nos orçamentos de tokens. Todas as transformações são reversíveis; o conteúdo original pode ser recuperado do armazenamento local. A privacidade é enfatizada: o skill e o proxy rodam inteiramente na máquina do usuário, nenhuma conta é necessária e apenas estatísticas anônimas de uso (nomes de comandos e contagens de tokens) são enviadas por padrão. Os usuários podem desativar a telemetria permanentemente com um único comando ou definindo uma variável de ambiente. O licenciamento é dividido: o skill, a CLI, os SDKs e o código relacionado estão sob a licença MIT, enquanto o motor de runtime está lançado sob uma licença BSL-1.1 source-available que se torna totalmente open-source após uma data de alteração. Em resumo, o Caveman visa reduzir o custo e a latência da codificação assistida por IA, fazendo com que os agentes digam menos e leiam menos, sem sacrificar correção ou legibilidade.