Caveman浏览器压缩实战：本地Chrome如何节省129倍Token

Caveman浏览器压缩实战：本地Chrome如何节省129倍Token

【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

Caveman 是一个开源 Token 节省工具，它的 Caveman Browse 功能通过连接本地 Chrome 浏览器，把网页的无障碍树压缩成精简结构，让 AI 智能体读取页面时只花 121 个 Token——比 Playwright 基线小 129.8 倍。整个过程无需任何云端服务，数据留在本机。

为什么浏览器操作会吃掉海量 Token？

当 AI 智能体（如 Claude Code）需要操作浏览器时，它必须"看懂"页面。传统的做法有两种：

• 截图：图片 Token 消耗高，且文字信息无法精确检索；
• 完整无障碍树（AX Tree）：Chrome 原生的Accessibility.getFullAXTree返回的是原始 JSON，一个 200 行的运营后台表格页就有398,494 个 Token。

就算用 Playwright 的 ARIA 快照优化后，也要 15,704 个 Token。页面越大，智能体"看到"的成本越高——而其中 99% 的内容跟你当前要做的操作毫无关系。

Caveman Browse 的思路是：别给智能体看整个页面，只给它看它要操作的那几个元素。

工作原理：四步压缩流水线

Caveman Browse 是一个本地 MCP（Model Context Protocol）服务器，工作流程如下：

1. 附着 Chrome：通过 Chrome DevTools Protocol 连接你本机已安装的 Chrome，无需额外浏览器实例；
2. 读取无障碍树：抓取真实 Chrome 的Accessibility.getFullAXTree；
3. 强制压缩：通过 Caveman 引擎的a11y压缩器（源码位于 browse/session.go 与 engine/compressors/axtree.go），只保留与任务最相关的节点；
4. 可字节级恢复：原始完整数据先存入本地 CCR 存储，智能体随时可用恢复句柄（recovery handle）取回原始字节。

它对外只暴露 4 个工具：browser_snapshot（快照）、browser_act（点击等动作）、browser_eval（执行 JS）、browser_recover（恢复原始数据）。

实测数据：121 Token 对抗 15,704 Token

基准测试使用 Chrome 151 + 固定版本 Playwright，每个数据为 5 次独立运行的中位数，详见 browse/BENCHMARK.md。

大页面：运营后台 200 行订单表格

关键点在于最后一行：当智能体明确"我要处理订单 ORD-0173"时，Caveman 的query参数只返回最相关的最高分匹配节点及其祖先节点（最多 12 个），最终仅121 个 Token——而 Playwright 基线是 15,704 个。

小页面：诚实的失利

在极小的结账表单页上，Caveman（111 Token）反而比 Playwright（67 Token）更大。这是官方主动披露的：Caveman 额外返回了操作 UID、恢复句柄和精确 Token 计数，而这些能力在微型页面上"不划算"。官方没有宣称"任何页面都赢"，这正是这个项目可信的原因。

快速上手：从安装到首次快照

一键安装 Caveman

npm install -g @caveman-ai/cli && caveman setup --install

完整安装说明见 INSTALL.md（支持 Windows/macOS/Linux，需 Node.js 18+）。

用 Caveman Browse 读取网页

caveman browse https://example.com "pricing" # 带查询词的聚焦快照 caveman browse act <uid> click # 对指定元素执行点击 caveman browse eval 'document.title' # 执行 JS 表达式 caveman browse recover <handle> # 恢复字节级原始数据 caveman browse close # 关闭共享 Chrome

也可直接构建独立二进制：

go build ./browse/cmd/caveman-browse

MCP 方式接入任意智能体时，用caveman tools browse <url> "<query>"即可，详见 docs/technical/local-tools.md。

查询聚焦：大页面的黄金用法

对大型页面，永远带上 query 参数。browser_snapshot.query是专为大页面设计的 Token 高效路径：它保留最匹配的无障碍节点及其祖先，同时在 CCR 中留存完整原始树。紧凑输出采用[uid] role "name"行格式，只有可操作元素才分配 UID Token。

安全设计：它不会偷偷做坏事

面向普通用户，几个安全细节值得了解：

• 导航白名单：只允许http(s)、about:blank和有界data:text/html，拒绝file:、javascript:等特权协议；
• 失败即关闭：未知句柄或动作会直接报错（cave_snake_code错误），绝不把原始 AX 树倾倒给智能体；
• 本地优先：快照、CCR 存储全部在本地磁盘（~/.caveman/），不依赖 Caveman 云端账号；
• 诚实标注：所有节省数据标记为inferred（推断值），因为真实计费数据只有服务商知道。

适用边界：什么时候该用、什么时候别用

写在最后

Caveman Browse 证明了一个思路：智能体浏览器操作的成本瓶颈不在"操作"本身，而在"看到"。把 39 万 Token 的原始 AX 树压缩到 121 Token 的聚焦视图，同时保留字节级恢复能力——这就是"少即是多"在 AI 工具链里的落地。

想深入了解架构，可以阅读 docs/technical/architecture.md 与 docs/technical/engine.md；想看基准测试如何复现，browse/BENCHMARK.md 里附了完整的可执行命令。

【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