Shut up and commit: wie Caveman KI-Agenten das Schwafeln abgewöhnt

"Why use many token when few token do trick." Der Satz klingt wie ein Meme, ist aber das ernstgemeinte Leitbild eines Open-Source-Projekts, das in den letzten Monaten durch die Agenten-Community geht: Caveman.

Worum es geht

Caveman ist ein Skill für Coding-Agenten - hauptsächlich Claude Code, Gemini CLI, Cursor, Windsurf, Codex, Cline. Aktiviert schaltet der Agent auf einen bewusst reduzierten Sprachstil um: keine Füllwörter, keine Höflichkeitsfloskeln, keine Meta-Kommentare. Technik, Code, URLs und Fachbegriffe bleiben unverändert. Die Autoren berichten von 65 % durchschnittlicher Reduktion der Output-Token über zehn verschiedene Coding-Aufgaben.

Es gibt vier Intensitätsstufen:

Lite - Filler weg, Grammatik bleibt.
Full - Default: Fragmente, kaum Artikel.
Ultra - Telegrammstil.
文言文 (Wenyan) - klassisches Chinesisch als Extremkompression.

Dazu Sub-Skills wie /caveman-commit (knappe Conventional-Commit-Messages), /caveman-review (PR-Kommentare in einer Zeile) und /caveman-compress (komprimiert Memory-Dateien, ~46 % Input-Einsparung).

Warum das mehr ist als ein Spar-Trick

Auf den ersten Blick wirkt Caveman wie ein Kosten-Tool: weniger Token, weniger Rechnung, fertig. Tatsächlich steckt eine ernstere Beobachtung dahinter:

Knappheit zwingt zu Präzision. Forschungsarbeiten zu "brief responses" zeigen, dass restriktive Ausgabevorgaben die Qualität mancher Antworten messbar verbessern - Modelle halluzinieren weniger, wenn sie nicht ausschweifen dürfen.
Lesegeschwindigkeit steigt. Agentenantworten sind kein Fließtext für Endkunden, sondern ein Arbeitsprotokoll für Entwickler:innen. Drei Bullet-Punkte lesen sich schneller als drei Absätze.
Token werden zur gestaltbaren Ressource. Der Rahmen, den Caveman und die verwandten Projekte Cavekit, Cavemem und Caveman Code aufziehen, behandelt Tokens wie Speicher oder CPU: ein knapper Posten, der aktiv budgetiert gehört.

Wo das in unseren Projekten greift

Drei Stellen, an denen wir Caveman-ähnliche Muster bereits einsetzen:

Commit-Messages und PR-Reviews. Ein Agent, der vierzig Zeilen Prosa über "was dieser Commit macht und warum es eine gute Idee ist" produziert, ist schlechter als einer, der eine knappe Zeile im Conventional-Commit-Format liefert. /caveman-commit macht das per Knopfdruck.
Memory-Dateien. In längeren Agenten-Sessions wächst der Kontext - Notizen, Lernerfahrungen, Projektregeln. Eine unkomprimierte Memory-Datei von 5.000 Token kostet pro Anfrage. /caveman-compress halbiert das in vielen Fällen, ohne Informationen zu verlieren.
Statusberichte. Für wiederkehrende Agent-Läufe (CI-Checks, Monitoring, nächtliche Migrationen) ist "alles okay" eine bessere Ausgabe als ein dreiseitiger Bericht über die Korrektheit jedes Zwischenschritts. Caveman-Modus als Default, ausführlicher Modus nur auf Nachfrage.

Was man mitnehmen sollte - auch ohne Caveman zu installieren

Das eigentlich Interessante an Caveman ist nicht das Skill selbst, sondern die Haltung dahinter. Drei Prinzipien, die sich in jede Agenten-Strategie übernehmen lassen:

Output-Länge ist eine Entwurfsentscheidung. Ein "Sei knapp, keine Erklärungen, nur das Ergebnis" im System-Prompt ist oft schon 80 % des Effekts.
Trenne Arbeitsprotokoll von Ergebnis. Der Agent darf intern ausführlich denken (Chain-of-Thought, Tool-Calls, Reasoning), aber die sichtbare Ausgabe gehört komprimiert.
Miss, was du sparst. Caveman-Autoren benchmarken 22 bis 87 % Einsparung je nach Aufgabe. Ohne Messung bleibt jede Kompression Bauchgefühl.

Caveat

Caveman ist nichts für Kunden-E-Mails, nichts für erklärende Blogtexte, nichts für Dokumentation, die Dritte lesen. Es ist ein Werkzeug für die Agent-zu-Entwickler-Kommunikation - dort, wo Zeit und Token teurer sind als Höflichkeit. Für alles andere schreibt man weiterhin ganze Sätze.

Quellen

Caveman auf GitHub - Skill, Intensitätsstufen, Benchmarks und Installations-Anleitung
getcaveman.dev - Produktseite mit dem Gesamt-Ökosystem: Caveman, Cavekit, Cavemem und Caveman Code

Worum es geht

Es gibt vier Intensitätsstufen:

Lite - Filler weg, Grammatik bleibt.

Full - Default: Fragmente, kaum Artikel.

Ultra - Telegrammstil.

文言文 (Wenyan) - klassisches Chinesisch als Extremkompression.

Warum das mehr ist als ein Spar-Trick

Auf den ersten Blick wirkt Caveman wie ein Kosten-Tool: weniger Token, weniger Rechnung, fertig. Tatsächlich steckt eine ernstere Beobachtung dahinter:

Knappheit zwingt zu Präzision. Forschungsarbeiten zu "brief responses" zeigen, dass restriktive Ausgabevorgaben die Qualität mancher Antworten messbar verbessern - Modelle halluzinieren weniger, wenn sie nicht ausschweifen dürfen.

Lesegeschwindigkeit steigt. Agentenantworten sind kein Fließtext für Endkunden, sondern ein Arbeitsprotokoll für Entwickler:innen. Drei Bullet-Punkte lesen sich schneller als drei Absätze.

Token werden zur gestaltbaren Ressource. Der Rahmen, den Caveman und die verwandten Projekte Cavekit, Cavemem und Caveman Code aufziehen, behandelt Tokens wie Speicher oder CPU: ein knapper Posten, der aktiv budgetiert gehört.

Wo das in unseren Projekten greift

Drei Stellen, an denen wir Caveman-ähnliche Muster bereits einsetzen:

Commit-Messages und PR-Reviews. Ein Agent, der vierzig Zeilen Prosa über "was dieser Commit macht und warum es eine gute Idee ist" produziert, ist schlechter als einer, der eine knappe Zeile im Conventional-Commit-Format liefert. /caveman-commit macht das per Knopfdruck.

Memory-Dateien. In längeren Agenten-Sessions wächst der Kontext - Notizen, Lernerfahrungen, Projektregeln. Eine unkomprimierte Memory-Datei von 5.000 Token kostet pro Anfrage. /caveman-compress halbiert das in vielen Fällen, ohne Informationen zu verlieren.

Statusberichte. Für wiederkehrende Agent-Läufe (CI-Checks, Monitoring, nächtliche Migrationen) ist "alles okay" eine bessere Ausgabe als ein dreiseitiger Bericht über die Korrektheit jedes Zwischenschritts. Caveman-Modus als Default, ausführlicher Modus nur auf Nachfrage.

Was man mitnehmen sollte - auch ohne Caveman zu installieren

Das eigentlich Interessante an Caveman ist nicht das Skill selbst, sondern die Haltung dahinter. Drei Prinzipien, die sich in jede Agenten-Strategie übernehmen lassen:

Output-Länge ist eine Entwurfsentscheidung. Ein "Sei knapp, keine Erklärungen, nur das Ergebnis" im System-Prompt ist oft schon 80 % des Effekts.

Trenne Arbeitsprotokoll von Ergebnis. Der Agent darf intern ausführlich denken (Chain-of-Thought, Tool-Calls, Reasoning), aber die sichtbare Ausgabe gehört komprimiert.

Miss, was du sparst. Caveman-Autoren benchmarken 22 bis 87 % Einsparung je nach Aufgabe. Ohne Messung bleibt jede Kompression Bauchgefühl.