Caveman Mode: Wie KI-Agenten 65% weniger Output-Tokens verbrauchen

TL;DR: Der Caveman Mode ist kein Prompt-Witz mehr, sondern ein kleines Ökosystem für token-sparende KI-Agenten. Laut aktuellem Benchmark reduziert das GitHub-Repo JuliusBrussee/caveman die Output-Tokens im Schnitt um 65% (Range 22% bis 87%) – nicht pauschal die Gesamtkosten. Der Skill selbst kostet rund 1.000 bis 1.500 zusätzliche Input-Tokens pro Turn. Für lange, output-lastige Coding-Sessions kann das viel Geld sparen. Für kurze Q&A oder request-basierte Abrechnung kann Caveman netto sogar teurer sein.

Was ist der Caveman Mode?

Der Caveman Mode ist ein Prompt-Engineering-Ansatz, der KI-Modellen eine strikt komprimierte Sprache aufzwingt. Statt höflicher, ausschweifender Antworten liefert das Modell kurze Satzfragmente: direkt, technisch, ohne sprachlichen Ballast. Die Grundidee: Viele LLM-Antworten enthalten unnötige Einleitungen, Höflichkeitsfloskeln und Wiederholungen. Genau diese Wörter kosten Output-Tokens. Caveman zwingt den Agenten dazu, nur den relevanten Inhalt auszugeben. Beispiel: | Normaler Agent | Caveman Mode | |---|---| | „Sure! I'd be happy to help you with that. The issue you're experiencing is most likely caused by your authentication middleware not properly validating the token expiry." | „Bug in auth middleware. Token expiry check wrong." | Der entscheidende Punkt: Caveman soll nicht Code, Fehlermeldungen oder technische Fakten verändern. Es komprimiert die Erklärung, nicht den Inhalt.

Warum „Antworte kurz" nicht reicht

Eine einfache Anweisung wie „Fasse dich kurz" funktioniert bei großen Sprachmodellen oft nur unzuverlässig. Modelle sind durch RLHF-Training darauf optimiert, hilfreich, höflich und ausführlich zu antworten. Nach einigen Turns wird die Kürze-Anweisung häufig verwässert. Caveman löst das anders: Es weist dem Modell eine feste Kommunikationsrolle mit harten Regeln zu. Die Persona ist nicht nur „sei kurz", sondern „sprich konsequent wie ein Höhlenmensch": keine Floskeln, keine Artikel, keine Einleitungen, kurze Sätze, technische Inhalte bleiben exakt. Das ist der Grund, warum der Ansatz stabiler ist als ein normaler Kürze-Prompt.

Wie funktioniert der Caveman Mode?

Ein typischer Caveman-System-Prompt enthält Regeln wie: - Keine Höflichkeitsfloskeln: „Gerne helfe ich dir dabei" fällt weg. - Keine Einleitungen: Direkt zur Antwort. - Keine Füllwörter: „just", „really", „basically", „actually" werden gestrichen. - Kurze Sätze: Subjekt, Verb, Objekt. - Technische Präzision bleibt: Code, Pfade, Commands, Fehlermeldungen und Zahlen bleiben unverändert. - Keine unnötigen Erklärungen: Nur begründen, wenn es für die Entscheidung wichtig ist. Wichtig: Der Caveman Mode ist kein Kompressionsalgorithmus für beliebige Daten. Es ist eine Stil- und Ausgabe-Regel für LLMs.

Caveman ist inzwischen ein Agenten-Ökosystem

Das bekannteste Projekt ist JuliusBrussee/caveman. Stand 6. Juli 2026 hat das Repository rund 85.500 GitHub-Stars, 4.800 Forks, eine MIT-Lizenz und das aktuelle Release v1.9.1 – „65%, honestly". | Kriterium | Stand | |---|---| | Repository | JuliusBrussee/caveman | | Stars | ca. 85.500 | | Forks | ca. 4.800 | | Lizenz | MIT | | Hauptsprache | JavaScript | | Aktuelles Release | v1.9.1, veröffentlicht am 03.07.2026 | | Unterstützte Agenten | Claude Code, Codex, Gemini, Cursor, Windsurf, Cline, Copilot und 30+ weitere | | Website | caveman.so | Die Installation läuft über einen einheitlichen Installer: Für Windows: Der Installer erkennt vorhandene KI-Agenten auf dem System und installiert Caveman je nach Tool als Plugin, Skill, Extension oder Regeldatei.

Welche Modi und Commands gibt es?

Caveman ist nicht mehr nur ein einzelner Prompt. Das Projekt bringt mehrere Modi und Commands mit. | Command / Modus | Zweck | |---|---| | /caveman lite | Kürzere, aber noch professionell lesbare Antworten | | /caveman full | Standardmodus: Höhlenmensch-Stil, direkte Satzfragmente | | /caveman ultra | Maximale Kompression | | /caveman wenyan | Klassisch-chinesischer Kurzmodus für extreme Token-Dichte | | /caveman-commit | Sehr kurze Conventional-Commit-Messages | | /caveman-review | Kompakte PR-Kommentare | | /caveman-stats | Zeigt Session-Tokens und geschätzte Einsparung | | /caveman-compress <file | Komprimiert Memory- oder Projektdateien | | caveman-shrink | MCP-Middleware zur Kompression von Tool-Beschreibungen | Besonders interessant ist /caveman-compress: Während der normale Caveman Mode nur Output kürzt, komprimiert dieser Befehl Dateien wie CLAUDE.md, Projektregeln oder Memory-Dateien. Laut README reduziert das Beispiel-Dateien im Schnitt um rund 46% Input-Tokens.

Wie viel Token-Ersparnis ist realistisch?

Die aktuelle Benchmark-Zahl aus dem Caveman-Repo lautet nicht mehr „bis zu 75%", sondern sauberer: 65% durchschnittliche Output-Token-Reduktion. | Metrik | Aktueller Wert | |---|---| | Durchschnittliche Output-Token-Reduktion | 65% | | Benchmark-Range | 22% bis 87% | | Beispiel-Durchschnitt | 1.214 → 294 Output-Tokens | | Input-Token-Reduktion durch normalen Caveman-Skill | 0% | | Zusätzlicher Skill-Overhead | ca. 1.000 bis 1.500 Input-Tokens pro Turn | | Session-Ersparnis bei output-lastigen Workloads | grob 14% bis 21% | | Caveman-Compress auf Memory-Dateien | ca. 46% Input-Reduktion | Das ist die zentrale Korrektur: Caveman spart Output-Tokens, aber nicht automatisch Gesamtkosten.

Warum die Gesamtersparnis niedriger ausfällt

Viele Agenten-Sessions bestehen nicht hauptsächlich aus Output. Der Input ist oft größer: - System-Prompt - Tool-Beschreibungen - Chat-Historie - geladene Dateien - Memory - Projektregeln - MCP-Kontext - vorherige Agentenaktionen Diese Input-Tokens werden bei vielen API-Aufrufen erneut verarbeitet. Caveman kürzt aber zunächst nur die Antwort des Modells. Deshalb können 65% weniger Output-Tokens auf Session-Ebene deutlich weniger ausmachen. Dazu kommt: Caveman selbst braucht Regeln. Diese Regeln landen ebenfalls im Kontext und kosten Input-Tokens. Das Projekt nennt in docs/HONEST-NUMBERS.md rund 1.000 bis 1.500 zusätzliche Input-Tokens pro Turn. Das bedeutet: | Situation | Bewertung | |---|---| | Lange Erklärungen, Reviews, Architekturantworten | Caveman lohnt sich wahrscheinlich | | Viele kurze Q&A-Antworten | Caveman kann netto teurer sein | | Abrechnung nach Requests statt Tokens | Caveman spart keine Requests | | Agenten mit viel Kontext und wenig Output | Effekt begrenzt | | Output-lastige Coding-Sessions | bester Anwendungsfall | Die Faustregel aus dem Caveman-Projekt ist hart, aber sinnvoll: Wenn normale Antworten unter etwa 1.500 bis 2.000 Output-Tokens liegen, ist der Effekt auf die Kosten unsicher. Bei sehr kurzen Antworten kann Caveman sogar verlieren.

Was hat sich mit v1.9.1 geändert?

Das Release v1.9.1 – „65%, honestly" ist wichtig, weil es die Marketing-Zahlen bereinigt. Frühere Claims wie „75%" oder „50–65%" wurden vereinheitlicht. Die neue Linie: - 65% ist der zentrale Benchmark-Wert. - Die Zahl bezieht sich auf Output-Tokens, nicht Gesamtkosten. - Die Range liegt bei 22% bis 87%. - Caveman kann bei kurzen Antworten oder request-basierter Abrechnung netto negativ sein. - /caveman-stats wurde präzisiert, damit Session-Zahlen nicht falsch gelabelt werden. - Installer, Hooks und Integrationen wurden gehärtet. - Hermes-Agent-Support wurde ergänzt. Das ist für den Artikel wichtig: Der seriöse Angle ist nicht mehr „viraler Trick spart 75%", sondern „Output-Kompression mit ehrlicher Kostenrechnung".

Was sagt die Forschung zur Kürze bei LLMs?

Kürzere Antworten machen Modelle nicht automatisch dümmer. In manchen Fällen können sie sogar helfen. Ein arXiv-Paper von MD Azizul Hakim, eingereicht im März 2026, trägt den Titel „Brevity Constraints Reverse Performance Hierarchies in Language Models". Die Studie untersuchte 31 Modelle über 1.485 Probleme und beschreibt ein kontraintuitives Muster: Größere Modelle können durch spontane Ausführlichkeit Fehler erzeugen. Kürze-Beschränkungen verbesserten in den untersuchten Fällen die Accuracy großer Modelle um rund 26 Prozentpunkte. Das stützt die Grundidee hinter Caveman: Nicht jede zusätzliche Erklärung ist nützlich. Manchmal erzeugt Overthinking neue Fehler. Aber daraus folgt nicht, dass maximale Kürze immer besser ist. Bei komplexen Agentenaufgaben, mehrstufigem Reasoning oder strategischen Entscheidungen kann zu wenig Begründung schaden.

Welche Risiken hat der Caveman Mode?

Caveman ist nützlich, aber kein universeller Best Practice.

Reasoning kann leiden

Für LLMs sind generierte Tokens nicht nur Ausgabe, sondern oft auch Teil des Problemlösungsprozesses. Wenn ein Modell keinen Raum für Zwischenschritte bekommt, kann es bei komplexen Aufgaben schlechter werden. Caveman eignet sich deshalb eher für: - Code-Reviews - technische Erklärungen - Debugging-Zusammenfassungen - kurze Entscheidungen - Statusberichte - Commit-Messages Weniger geeignet ist es für: - komplexe Architekturentscheidungen - lange strategische Analysen - juristische oder medizinische Abwägungen - Aufgaben mit hohem Unsicherheitsgrad - Agenten, die ihre eigenen Logs später wieder lesen müssen

Kontextverlust für Agenten

Autonome Agenten lesen häufig ihre eigene Historie. Wenn diese Historie zu stark komprimiert ist, fehlen später Begründungen. Das kann zu falschen Annahmen oder doppelter Arbeit führen. Für Agenten-Workflows ist deshalb eine Mischform besser: Antworten kurz halten, aber Entscheidungen und Annahmen explizit dokumentieren.

Rückfragen können den Effekt auffressen

Wenn die Antwort zu knapp ist, muss der Nutzer nachfragen. Jede Rückfrage erzeugt neue Input- und Output-Tokens. Dann verschwindet die Ersparnis. Die beste Caveman-Antwort ist nicht die kürzeste Antwort, sondern die kürzeste noch vollständige Antwort.

Request-basierte Abrechnung spart nichts

Bei Tools, die nicht nach Tokens, sondern nach Requests oder Credits abrechnen, bringt Caveman keine direkte Kostensenkung. Ein kürzerer Output ist dann derselbe Request. Das gilt zum Beispiel für bestimmte Copilot- oder SaaS-Abrechnungsmodelle.

Aktuelle API-Kosten: Warum Output trotzdem wichtig bleibt

Output-Tokens sind bei vielen Claude-Modellen weiterhin deutlich teurer als Input-Tokens. | Modell | Input pro 1 Mio. Tokens | Output pro 1 Mio. Tokens | Hinweis | |---|---|---|---| | Claude Sonnet 5 | 2 $ | 10 $ | Intro-Preis bis 31.08.2026 | | Claude Sonnet 5 ab 01.09.2026 | 3 $ | 15 $ | Standardpreis | | Claude Sonnet 4.6 | 3 $ | 15 $ | aktuelles Sonnet-4-Modell | | Claude Opus 4.8 | 5 $ | 25 $ | aktuelles Opus-Modell | | Claude Opus 4 | 15 $ | 75 $ | weitgehend retired/deprecated | Die Logik bleibt: Output ist oft etwa fünfmal so teuer wie Input. Deshalb kann Output-Kompression wirtschaftlich relevant sein – aber nur, wenn der eingesparte Output den zusätzlichen Input-Overhead übersteigt.

Welche Alternativen zur Token-Einsparung gibt es?

Caveman ist nur ein Hebel. Für reale Kostenoptimierung sind andere Methoden oft wichtiger. | Methode | Wirkung | Wann sinnvoll | |---|---|---| | Prompt Caching | bis zu 90% günstigere Cache-Hits | lange wiederkehrende Kontexte | | Batch API | ca. 50% günstiger | nicht zeitkritische Massenaufgaben | | Modell-Delegation | variabel | Haiku/Sonnet/Opus je nach Komplexität | | JSON-Output | weniger Fließtext | strukturierte Extraktionen | | Context Pruning | weniger Input | lange Agenten-Sessions | | Memory-Kompression | weniger wiederkehrender Kontext | große CLAUDE.md-, Regel- oder Memory-Dateien | | Caveman Mode | weniger Output | lange, verbose Antworten | Die beste Strategie ist meist eine Kombination: Prompt Caching für Input, gutes Context-Management für lange Sessions, Modell-Delegation für Task-Komplexität und Caveman für Output-Kürze.

Für wen lohnt sich Caveman?

| Zielgruppe | Einschätzung | |---|---| | Claude-Code-Power-User | sinnvoll, vor allem bei langen Sessions | | Entwickler mit vielen Code-Reviews | sehr passend | | Teams mit API-Abrechnung nach Tokens | potenziell sinnvoll, aber A/B messen | | Nutzer von request-basierten Tools | kaum direkte Kostenersparnis | | Agenten-Builder | interessant für Statusausgaben und Subagents | | Anfänger | nur Lite-Modus nutzen | | Komplexe Reasoning-Workflows | vorsichtig einsetzen |

Praktischer Einstieg

Wer Caveman testen will, sollte nicht blind den Maximalmodus aktivieren. Sinnvoller ist ein A/B-Test.

Schritt-für-Schritt-A/B-Test

1. Eine typische Aufgabe ohne Caveman ausführen. 2. Token- oder Kostenwerte notieren. 3. Dieselbe Aufgabe mit Caveman Lite oder Full ausführen. 4. Output-Qualität, Rückfragen und Kosten vergleichen. 5. Nur aktiv lassen, wenn das Ergebnis tatsächlich besser ist.

Installation

Basis-Installer: Für einen einzelnen Agenten, zum Beispiel Hermes Agent: Für Claude Code als Plugin:

FAQ: Häufig gestellte Fragen zum Caveman Mode

Spart Caveman wirklich 65% Kosten? Nein. Caveman spart laut Benchmark durchschnittlich 65% Output-Tokens. Die Gesamtkosten sinken nur, wenn Output-Tokens einen relevanten Anteil deiner Session-Kosten ausmachen und der zusätzliche Input-Overhead nicht überwiegt. Warum ist die alte 75%-Zahl problematisch? Das Caveman-Projekt selbst hat die alten Claims bereinigt. Seit v1.9.1 wird die Headline-Zahl einheitlich als 65% Output-Token-Reduktion kommuniziert. Das ist genauer und weniger marketinglastig. Macht Caveman KI-Agenten dümmer? Nicht automatisch. Caveman entfernt sprachlichen Ballast. Bei einfachen oder mittleren technischen Aufgaben kann das gut funktionieren. Bei komplexem Reasoning kann zu starke Kürze aber schaden. Welchen Modus sollte ich nutzen? Für die meisten Nutzer ist lite oder full sinnvoll. ultra eignet sich nur für sehr kurze Antworten, Reviews oder Statusmeldungen. wenyan ist eher Experiment als Alltagseinstellung. Lohnt sich Caveman bei kurzen Fragen? Meist nicht. Wenn die normale Antwort ohnehin nur 100 bis 300 Tokens hat, kann der Caveman-Systemprompt mehr Input kosten, als durch kürzeren Output gespart wird. Funktioniert Caveman nur mit Claude Code? Nein. Das aktuelle Projekt unterstützt Claude Code, Codex, Gemini, Cursor, Windsurf, Cline, Copilot, Hermes Agent und 30+ weitere Agenten oder Editor-Setups. Was ist Caveman Compress? /caveman-compress ist ein Begleitwerkzeug, das Memory- oder Projektdateien komprimiert. Das ist wichtig, weil diese Dateien als Input-Kontext wiederholt geladen werden. Laut README liegt die durchschnittliche Reduktion bei Beispiel-Dateien bei rund 46%. Sollte man Caveman dauerhaft aktivieren? Nur, wenn ein eigener A/B-Test zeigt, dass es für deinen Workflow funktioniert. Für lange Coding-Sessions kann es sinnvoll sein. Für kurze Q&A, stark tool-lastige Agenten oder request-basierte Abrechnung eher nicht.

Fazit

Caveman Mode ist kein magischer Kosten-Hack. Die realistische Aussage lautet: Caveman reduziert Output-Tokens im Schnitt um 65%, kann bei langen, verbose Coding-Sessions Zeit und Geld sparen und macht Agentenantworten oft lesbarer. Gleichzeitig verursacht der Skill selbst Input-Overhead und kann bei kurzen Antworten oder request-basierter Abrechnung netto verlieren. Der beste Einsatz ist deshalb gezielt: Caveman für lange Erklärungen, Reviews, Statusmeldungen und Output-lastige Agenten-Sessions. Nicht als universelle Dauerregel für jede KI-Antwort. Wer mit Claude Code, Codex, Gemini oder anderen Coding-Agenten arbeitet, sollte Caveman nicht als Meme abtun. Es ist ein praktisches Beispiel dafür, wie wichtig Output-Disziplin, Context-Management und ehrliche Token-Messung für moderne KI-Workflows geworden sind. Verifizierte Quellen: - GitHub-Repository: https://github.com/JuliusBrussee/caveman - Projekt-Website: https://caveman.so - MD Azizul Hakim, „Brevity Constraints Reverse Performance Hierarchies in Language Models", arXiv:2604.00025, https://arxiv.org/abs/2604.00025