实战用Caveman Learn找出CLAUDE.md中的Token浪费并修复【免费下载链接】caveman why use many token when few token do trick — Claude Code skill that cuts 65% of tokens by talking like caveman项目地址: https://gitcode.com/GitHub_Trending/caveman1/caveman如果你每天都在用 Claude Code、Codex 等 AI 编程代理可能没意识到你的 CLAUDE.md 每回合都在悄悄烧 Token。Caveman 是一个号称砍掉 65% Token的 Claude Code 技能而它的Caveman Learn功能正是为这类问题而生的体检仪——它扫描你本地的代理历史量化每个配置文件的 Token 开销并给出一份带修复建议的排名清单。本文就带你走一遍完整流程用caveman learn找出 CLAUDE.md 里的 Token 浪费再配合caveman-learn技能逐条确认修复。为什么 CLAUDE.md 是头号 Token 浪费源AI 代理每启动一个会话都会把你的 CLAUDE.md 全文塞进上下文窗口。文件里多写一行之后的每一回合都要为它付费。写久了没人管的 CLAUDE.md 往往塞满历史决策、一次性任务说明、重复的规则——这就是 Caveman 术语里的配置税。上图是caveman learn生成的真实报告左侧是 TLDR 总结和节省卡片右侧是按Token 流量排名的浪费点token sinks每个浪费点后面都跟着一行修复建议。一键体检caveman learn 怎么用在装有 Caveman 的终端里直接运行caveman learn # 扫描 Claude Code Codex Gemini CLI opencode 历史 caveman learn --since 7d # 只看最近 7 天 caveman learn --json # 输出机器可读的 JSON整个过程是本地、只读、免账号的——分析器只读你的历史绝不改任何文件。它给你两个核心输出Cave Score洞穴评分由四个封顶扣分项合成的健康分分数越低说明配置越臃肿Token Sinks 排名表每个浪费点标明类别安全可修 / 可外置 / 行为习惯 / 承重配置和预估的每回合 Token 消耗详细参数说明见官方 CLI 文档docs/technical/cli-reference.md。看懂报告四类 Token 浪费点类别含义处理方式reducible可削减臃肿的 CLAUDE.md、从不被调用的技能给出具体 diff只在实测降低 Token/回合后才落地recurring_context重复上下文每个会话都重新粘贴的固定内容块外置到 cavemem 记忆库留一个廉价指针habit行为习惯高频重试等模式只给数字和温和建议从不强制执行load-bearing承重真正离不开的配置计入评分但永不触碰这个分类设计保证了一件事修配置不会把你的代理变笨。实战三步定位并修复 CLAUDE.md 的浪费第一步量化浪费caveman learn report --json在排名的浪费点里找到claude_md_weight:project这一行——它对应你的 CLAUDE.md。行上会标出文件字节数折算的 Token 数、每回合开销以及建议动作trim 精简。第二步让代理帮你改逐条确认caveman learn implement # 把修复计划交给你自己的 Claude Code 或 Codex这条命令会带着计划打开你正在用的代理并加载 skills/caveman-learn/ 里的caveman-learn技能。该技能的行为被严格约束先展示报告中的评分与排名清单只对你选择处理的浪费点生成具体 diff并给出修改前后的Token/回合对比每个修改单独问你是否同意没有全部应用的暗箱操作应用后重新测量——如果改完 Token/回合没有下降自动回滚这叫净 Token 为负门禁。技能本体在 skills/caveman-learn/SKILL.md安装方式见 skills/caveman-learn/README.mdcaveman skills install caveman-learn # 装到当前仓库 caveman skills install caveman-learn --user # 装到所有仓库以本仓库为例根目录的 CLAUDE.md 就是这类技能的操作对象报告指出其中哪些段落是只在当时有用的任务说明代理就会提议删除这些段落并展示 diff你答 yes 才动手。第三步记账 验证效果修复落地后执行caveman learn applied claude_md_weight:project --fix-kind config_trim这会把修了什么、何时修、修前数值记入 Caveman 的结果库。以后再跑caveman learn它会对比修复后的新会话诚实地报告improved变好了/ unchanged没变/ regressed变差了给出回滚路径/ insufficient_data数据不够。没有虚假的胜利。进阶长块上下文外置到 cavemem有些内容不是 CLAUDE.md 写得啰嗦而是你每个会话都手工粘贴同一大段背景接口约定、环境信息等。这类浪费点属于 recurring_context修复方式是外置把这块内容存入 cavememcaveman mem remember -- 内容块从 CLAUDE.md 删掉原块换成一行指针例如回忆方式caveman mem recall 主题技能会实际跑一次 recall 验证内容真的能找回来找不回来就整体撤销cavemem 的完整实现见 mem/。外置是否划算同样过净 Token 为负门禁指针 召回成本必须低于原来每回合整块加载的开销。诚实性保障这套方案最值得看的地方Caveman 的文档把诚实写成了硬规则见 skills/caveman-learn/README.md所有数字都标记为inferred推断值永不冒充已验证不换算成美元金额分析器caveman learn从不编辑你的文件只有技能在你说 yes 之后才会写每一处修改都可逆报告会精确列出改了什么召回失败就回滚是防止代理变笨的最后一道闸。延伸阅读主文档与完整报告示例README.mdLearn 命令参考docs/technical/cli-reference.mdLearn v2 优化路线图从配置检查器到智能优化器docs/plans/learn-v2-smart-optimizer.md分析器源码Go 代理内的学习扫描proxy/internal/store/记忆库 cavememmem/技能规范全文skills/caveman-learn/SKILL.md小结一条caveman learn定位浪费caveman learn implement逐条确认修复caveman learn applied记账验证——整个闭环本地完成、每步可回滚。下次觉得 Token 账单莫名高企时先给你的 CLAUDE.md 做一次洞穴体检吧。【免费下载链接】caveman why use many token when few token do trick — Claude Code skill that cuts 65% of tokens by talking like caveman项目地址: https://gitcode.com/GitHub_Trending/caveman1/caveman创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 实战：用Caveman Learn找出CLAUDE.md中的Token浪费并修复
实战用Caveman Learn找出CLAUDE.md中的Token浪费并修复【免费下载链接】caveman why use many token when few token do trick — Claude Code skill that cuts 65% of tokens by talking like caveman项目地址: https://gitcode.com/GitHub_Trending/caveman1/caveman如果你每天都在用 Claude Code、Codex 等 AI 编程代理可能没意识到你的 CLAUDE.md 每回合都在悄悄烧 Token。Caveman 是一个号称砍掉 65% Token的 Claude Code 技能而它的Caveman Learn功能正是为这类问题而生的体检仪——它扫描你本地的代理历史量化每个配置文件的 Token 开销并给出一份带修复建议的排名清单。本文就带你走一遍完整流程用caveman learn找出 CLAUDE.md 里的 Token 浪费再配合caveman-learn技能逐条确认修复。为什么 CLAUDE.md 是头号 Token 浪费源AI 代理每启动一个会话都会把你的 CLAUDE.md 全文塞进上下文窗口。文件里多写一行之后的每一回合都要为它付费。写久了没人管的 CLAUDE.md 往往塞满历史决策、一次性任务说明、重复的规则——这就是 Caveman 术语里的配置税。上图是caveman learn生成的真实报告左侧是 TLDR 总结和节省卡片右侧是按Token 流量排名的浪费点token sinks每个浪费点后面都跟着一行修复建议。一键体检caveman learn 怎么用在装有 Caveman 的终端里直接运行caveman learn # 扫描 Claude Code Codex Gemini CLI opencode 历史 caveman learn --since 7d # 只看最近 7 天 caveman learn --json # 输出机器可读的 JSON整个过程是本地、只读、免账号的——分析器只读你的历史绝不改任何文件。它给你两个核心输出Cave Score洞穴评分由四个封顶扣分项合成的健康分分数越低说明配置越臃肿Token Sinks 排名表每个浪费点标明类别安全可修 / 可外置 / 行为习惯 / 承重配置和预估的每回合 Token 消耗详细参数说明见官方 CLI 文档docs/technical/cli-reference.md。看懂报告四类 Token 浪费点类别含义处理方式reducible可削减臃肿的 CLAUDE.md、从不被调用的技能给出具体 diff只在实测降低 Token/回合后才落地recurring_context重复上下文每个会话都重新粘贴的固定内容块外置到 cavemem 记忆库留一个廉价指针habit行为习惯高频重试等模式只给数字和温和建议从不强制执行load-bearing承重真正离不开的配置计入评分但永不触碰这个分类设计保证了一件事修配置不会把你的代理变笨。实战三步定位并修复 CLAUDE.md 的浪费第一步量化浪费caveman learn report --json在排名的浪费点里找到claude_md_weight:project这一行——它对应你的 CLAUDE.md。行上会标出文件字节数折算的 Token 数、每回合开销以及建议动作trim 精简。第二步让代理帮你改逐条确认caveman learn implement # 把修复计划交给你自己的 Claude Code 或 Codex这条命令会带着计划打开你正在用的代理并加载 skills/caveman-learn/ 里的caveman-learn技能。该技能的行为被严格约束先展示报告中的评分与排名清单只对你选择处理的浪费点生成具体 diff并给出修改前后的Token/回合对比每个修改单独问你是否同意没有全部应用的暗箱操作应用后重新测量——如果改完 Token/回合没有下降自动回滚这叫净 Token 为负门禁。技能本体在 skills/caveman-learn/SKILL.md安装方式见 skills/caveman-learn/README.mdcaveman skills install caveman-learn # 装到当前仓库 caveman skills install caveman-learn --user # 装到所有仓库以本仓库为例根目录的 CLAUDE.md 就是这类技能的操作对象报告指出其中哪些段落是只在当时有用的任务说明代理就会提议删除这些段落并展示 diff你答 yes 才动手。第三步记账 验证效果修复落地后执行caveman learn applied claude_md_weight:project --fix-kind config_trim这会把修了什么、何时修、修前数值记入 Caveman 的结果库。以后再跑caveman learn它会对比修复后的新会话诚实地报告improved变好了/ unchanged没变/ regressed变差了给出回滚路径/ insufficient_data数据不够。没有虚假的胜利。进阶长块上下文外置到 cavemem有些内容不是 CLAUDE.md 写得啰嗦而是你每个会话都手工粘贴同一大段背景接口约定、环境信息等。这类浪费点属于 recurring_context修复方式是外置把这块内容存入 cavememcaveman mem remember -- 内容块从 CLAUDE.md 删掉原块换成一行指针例如回忆方式caveman mem recall 主题技能会实际跑一次 recall 验证内容真的能找回来找不回来就整体撤销cavemem 的完整实现见 mem/。外置是否划算同样过净 Token 为负门禁指针 召回成本必须低于原来每回合整块加载的开销。诚实性保障这套方案最值得看的地方Caveman 的文档把诚实写成了硬规则见 skills/caveman-learn/README.md所有数字都标记为inferred推断值永不冒充已验证不换算成美元金额分析器caveman learn从不编辑你的文件只有技能在你说 yes 之后才会写每一处修改都可逆报告会精确列出改了什么召回失败就回滚是防止代理变笨的最后一道闸。延伸阅读主文档与完整报告示例README.mdLearn 命令参考docs/technical/cli-reference.mdLearn v2 优化路线图从配置检查器到智能优化器docs/plans/learn-v2-smart-optimizer.md分析器源码Go 代理内的学习扫描proxy/internal/store/记忆库 cavememmem/技能规范全文skills/caveman-learn/SKILL.md小结一条caveman learn定位浪费caveman learn implement逐条确认修复caveman learn applied记账验证——整个闭环本地完成、每步可回滚。下次觉得 Token 账单莫名高企时先给你的 CLAUDE.md 做一次洞穴体检吧。【免费下载链接】caveman why use many token when few token do trick — Claude Code skill that cuts 65% of tokens by talking like caveman项目地址: https://gitcode.com/GitHub_Trending/caveman1/caveman创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考