Tutorial Skill Caveman: Hemat Token di Claude Code, Cursor, Codex, dan Gemini CLI

Ringkasan

Caveman adalah skill open source untuk agent AI coding yang mengubah gaya jawaban model menjadi ringkas dan langsung ke inti. Skill ini menghilangkan kalimat pembuka, basa basi, dan penjelasan yang tidak diminta, namun tetap menjaga kode, perintah, dan pesan error tetap presisi tanpa perubahan. Skill ini dibuat oleh developer bernama Julius Brussee dan tersedia gratis dengan lisensi MIT.

Repository resmi: https://github.com/JuliusBrussee/caveman

Untuk Apa Skill Ini Dibuat

Tujuan utama skill ini adalah mengurangi jumlah token output yang dipakai agent coding saat menjawab, dengan cara memangkas kalimat pembuka seperti "Pertanyaan bagus!" atau penjelasan ulang masalah yang sebenarnya tidak menambah informasi baru. Sisi teknis jawaban seperti kode, command, dan pesan error tetap dijaga presisinya, tidak ikut dipotong.

Kompatibilitas

Skill ini berfungsi sebagai plugin atau skill untuk agent coding berbasis command line dan editor, termasuk Claude Code, Cursor, Codex CLI, Gemini CLI, Windsurf, Cline, Copilot, dan lebih dari 30 agent lain. Skill ini tidak berfungsi di Claude versi chat biasa, baik di claude.ai maupun aplikasi Claude, karena mekanisme instalasinya menempel ke direktori konfigurasi masing masing coding agent, bukan ke akun atau sesi chat.

Cara Install

Instalasi Otomatis (Semua Agent Sekaligus)

Perintah ini mendeteksi agent apa saja yang sudah terpasang di komputer, lalu menginstal skill untuk masing masing agent secara otomatis. macOS / Linux / WSL / Git Bash:

curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash

Windows (PowerShell 5.1 ke atas):

irm https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.ps1 | iex

Jika ingin melihat dulu perintah apa saja yang akan dijalankan tanpa benar benar menginstal, tambahkan flag dry-run:

curl -fsSL https://raw.githubusercontent.com/JuliusBrussee/caveman/main/install.sh | bash -s -- --dry-run

Instalasi per Agent

Claude Code

claude plugin marketplace add JuliusBrussee/caveman && claude plugin install caveman@caveman

Otomatis aktif setelah instalasi selesai.

Gemini CLI

gemini extensions install https://github.com/JuliusBrussee/caveman

Otomatis aktif setelah instalasi selesai.

Codex CLI

npx skills add JuliusBrussee/caveman -a codex

Perlu diaktifkan tiap sesi dengan mengetik /caveman.

Cursor

npx skills add JuliusBrussee/caveman -a cursor

Aktif per sesi secara default. Tambahkan flag --with-init jika ingin skill ini selalu aktif tanpa perlu diketik ulang tiap sesi.

Instalasi Manual (Tanpa curl | bash)

Bagi yang ingin memeriksa isi script terlebih dahulu sebelum menjalankannya, tersedia jalur instalasi manual.

git clone https://github.com/JuliusBrussee/caveman.git
cd caveman
node bin/install.js --dry-run --all
node bin/install.js --all

Verifikasi Instalasi

Setelah instalasi selesai, lakukan tiga pengecekan berikut.

1. Jalankan node bin/install.js --list untuk melihat agent mana saja yang terdeteksi.
2. Buka Claude Code, ketik /caveman, lalu ajukan pertanyaan teknis. Jawaban seharusnya berubah menjadi singkat dan langsung ke inti.
3. Cek file penanda dengan perintah berikut:

cat "${CLAUDE_CONFIG_DIR:-$HOME/.claude}/.caveman-active"

Isi yang diharapkan adalah kata "full". Statusline Claude Code juga akan menampilkan badge [CAVEMAN].

Penghematan Token: Klaim Resmi dan Hasil Verifikasi

Bagian ini perlu dibaca sebelum menjadikan skill ini alasan utama menghemat biaya penggunaan AI.

Klaim resmi dari pembuat skill

Berdasarkan benchmark 10 prompt yang dipublikasikan terbuka di repository, rata rata pengurangan token output adalah 65 persen, dengan rentang 22 sampai 87 persen tergantung jenis prompt. Angka ini sebelumnya sempat diklaim 75 persen, kemudian dikoreksi sendiri oleh pembuatnya menjadi 65 persen setelah audit ulang. Angka ini hanya mengukur token output, bukan total token yang terpakai dalam satu sesi. Pembuat skill menyatakan sendiri bahwa angka yang muncul dari command /caveman-stats saat ini masih berupa estimasi lokal, belum berupa angka yang diverifikasi secara independen. Versi lanjutan proyek ini, disebut Caveman 2, sedang dikembangkan khusus untuk memberikan pengukuran yang benar benar teraudit lintas tim.

Hasil pengujian independen

Satu penguji independen menggunakan skill ini selama satu minggu penuh untuk pekerjaan nyata, termasuk refactor kode dan code review pada proyek PHP dan Python. Hasilnya, penghematan riil berada di kisaran 15 sampai 25 persen, jauh di bawah angka 65 sampai 75 persen yang beredar. Akurasi jawaban justru sedikit membaik pada tugas yang kompleks karena berkurangnya noise dalam jawaban. Review independen lain menyimpulkan bahwa skill ini aman digunakan dan jujur soal perubahan gaya bahasanya, namun angka penghematan yang dipromosikan cenderung dilebih lebihkan. Ekspektasi yang lebih realistis untuk pemakaian harian berada pada kisaran satu digit tinggi, bukan puluhan persen. Kekhawatiran bahwa gaya jawaban yang lebih singkat dapat menurunkan kemampuan penalaran model juga sempat muncul di komunitas. Hasil benchmark dari 86 pasangan uji coba menunjukkan hasil tugas yang secara statistik tidak berbeda antara sesi dengan skill ini aktif dan sesi normal. Kualitas jawaban tidak terganggu, yang berubah hanya gaya penyampaiannya.

Catatan penting soal biaya

Angka 65 persen yang sering disebutkan hanya berlaku untuk token output. Dalam sesi kerja coding yang sesungguhnya, token input, yaitu hasil pembacaan file, hasil pemanggilan tool, dan output command, biasanya jauh lebih banyak dibanding token output, bisa 5 sampai 10 kali lipat. Karena itu, penurunan token output sebesar 65 persen tidak otomatis berarti penurunan total biaya penggunaan sebesar angka yang sama. Dampaknya terhadap tagihan atau limit harian akan jauh lebih kecil dari yang terlihat di judul klaim.

Cara Pakai dalam Kerja Coding Sehari Hari

Setelah aktif, agent akan menjawab dengan gaya ringkas secara otomatis pada Claude Code dan Gemini CLI, atau setelah mengetik /caveman di awal sesi pada Codex CLI dan Cursor tanpa flag tambahan. Contoh perbandingan gaya jawaban untuk pertanyaan yang sama, misalnya "kenapa komponen ini re-render terus": Sebelum aktif, jawaban biasanya berupa penjelasan panjang dengan kalimat pembuka dan elaborasi tambahan. Setelah aktif, jawaban berubah menjadi inti masalah dan solusi saja, tanpa kalimat pembuka atau penutup, namun detail teknis seperti nama variabel, baris kode, dan istilah tetap sama persis. Untuk melihat token yang benar benar dihemat dalam satu sesi, jalankan:

/caveman-stats

Untuk memangkas ukuran file memori seperti CLAUDE.md agar sesi berikutnya dimulai dengan konteks yang lebih kecil, gunakan:

/caveman-compress

Privasi

Installer tidak mengirim data ke mana pun. Tidak ada telemetry, tidak ada analytics, tidak ada akun yang dibutuhkan, dan tidak ada backend eksternal. File yang ditulis hanya terbatas pada direktori konfigurasi masing masing agent di komputer pengguna, dan folder proyek yang sedang dikerjakan hanya jika flag --with-init digunakan.

Uninstall

Jika ingin menghapus skill ini sepenuhnya, jalankan:

npx -y github:JuliusBrussee/caveman -- --uninstall

Batasan yang Perlu Diketahui

Skill ini hanya berfungsi pada coding agent berbasis command line atau editor seperti Claude Code, Cursor, Codex CLI, dan Gemini CLI. Skill ini tidak dapat digunakan pada Claude versi chat biasa di claude.ai atau aplikasi Claude, karena keduanya memakai mekanisme yang berbeda. Angka penghematan token yang sering dipromosikan sebesar 65 hingga 75 persen hanya berlaku untuk token output pada benchmark terbatas, bukan gambaran total penghematan biaya dalam pemakaian sehari hari. Berdasarkan pengujian independen, penghematan riil yang lebih realistis berada pada kisaran 15 hingga 25 persen dari sisi output, dengan dampak yang lebih kecil lagi terhadap total token karena porsi input jauh lebih besar dari output dalam sesi kerja coding.