cavecrew
メインスレッドが処理をインラインで行う代わりに、いつ専用サブエージェントへ委譲すべきかを判断するガイドスキルです。コード調査には `cavecrew-investigator`、1〜2ファイルの編集には `cavecrew-builder`、差分レビューには `cavecrew-reviewer` をそれぞれ起動するタイミングを指示し、サブエージェントの出力を「caveman圧縮」することでメインコンテキストへ注入されるtool-resultを約60%削減、長期セッションでのコンテキスト枯渇を防ぎます。「delegate to subagent」「use cavecrew」「spawn investigator/builder/reviewer」「save context」などをトリガーに発動します。
description の原文を見る
> Decision guide for delegating to caveman-style subagents. Tells the main thread WHEN to spawn `cavecrew-investigator` (locate code), `cavecrew-builder` (1-2 file edit), or `cavecrew-reviewer` (diff review) instead of doing the work inline or using vanilla `Explore`. Subagent output is caveman-compressed so the tool-result injected back into main context is ~60% smaller — main context lasts longer across long sessions. Trigger: "delegate to subagent", "use cavecrew", "spawn investigator/builder/reviewer", "save context", "compressed agent output".
SKILL.md 本文
Cavecrew = caveman 出力を返す 3 つのサブエージェントプリセット。Anthropic デフォルト(Explore、編集スタイルエージェント、reviewer)と同じ仕事をします。違いは、返す tool-result が圧縮されているため、委譲ごとにメインコンテキストが縮小することです。
cavecrew と代替手段の使い分け
| タスク | 使用 |
|---|---|
| 「X はどこで定義されているか / Y を呼び出すものは何か / Z の使用箇所を列挙」 | cavecrew-investigator |
| 同上だが提案/アーキテクチャコメントも欲しい | Explore(バニラ) |
| 正確な編集、≤2 ファイル、スコープが明確 | cavecrew-builder |
| 新機能 / 3+ ファイル / 横断的なリファクタ | メインスレッドまたは feature-dev:code-architect |
| 差分、ブランチ、またはファイルのバグレビュー | cavecrew-reviewer |
| 根拠と代替案を含む深いコードレビュー | Code Reviewer(バニラ) |
| 既に知っている 1 行の回答 | メインスレッド、サブエージェントなし |
経験則:サブエージェント出力を 1/3 のトークンで欲しければ cavecrew を選択。散文を欲しければバニラを選択。
なぜこれが存在するのか(実際の利点)
サブエージェントの tool-result はメインコンテキストに逐語的に注入されます。2k トークンの散文を返すバニラ Explore は、毎回メインコンテキスト予算で 2k トークンをコストします。同じ検出結果が cavecrew-investigator から返される場合、~700 トークンです。1 セッション内で 20 回の委譲を行うと、それはコンテキスト枯渇とタスク完了の違いになります。
出力契約
メインスレッドがエージェントごとに依拠できるもの:
cavecrew-investigator
<Header>:
- path:line — `symbol` — short note
totals: <counts>.
または No match. 常にファイルパス第一、行番号付き、シンボルはバッククォート。path:\d+ で grep 可能。
cavecrew-builder
<path:line-range> — <change ≤10 words>.
verified: <re-read OK | mismatch @ path:line>.
または次のいずれか:too-big. / needs-confirm. / ambiguous. / regressed.(最初のトークンは確定)。
cavecrew-reviewer
path:line: <emoji> <severity>: <problem>. <fix>.
totals: N🔴 N🟡 N🔵 N❓
または No issues. 検出結果はファイル→行の昇順でソート。
チェーンパターン
位置特定 → 修正 → 検証(最も一般的):
cavecrew-investigatorがサイトリストを返す。- メインスレッドが 1-2 箇所を選び、パスを
cavecrew-builderに渡す。 cavecrew-reviewerが差分を監査する。
並列スカウト(調査が広範な場合):
1 つのメッセージで 2-3 の cavecrew-investigator 呼び出しを起動(異なる角度:定義 vs 呼び出し元 vs テスト)。メインスレッドで集約。
シングルショット編集(サイトが既に既知の場合):
investigator をスキップ。正確な path:line を cavecrew-builder に直接渡す。
やってはいけないこと
- ファイルが既に既知でない場合、
cavecrew-builderを使用しないでください。investigator を起動するか、メインスレッドがコンテキストを渡すコストで消費します。 - 5 ファイルリファクタのために
cavecrew-investigator → cavecrew-builderをチェーンしないでください。Builder はtoo-big.を返し、ターンを無駄にします。 cavecrew-reviewerに「一般的なフィードバック」を求めないでください。検出結果のみを返し、アーキテクチャ意見は返しません。それにはCode Reviewerを使用してください。- 散文を期待しないでください。Cavecrew 出力は構造化されており、不可解な程度に簡潔な場合があります。人間が直接読む場合は言い換えてください。
自動明確化(継承)
サブエージェントはセキュリティ警告、不可逆的アクション確認、およびフラグメント曖昧性が誤読される可能性がある出力について、caveman から通常の英語に切り替えます。その後 caveman を再開します。
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- juliusbrussee
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/juliusbrussee/caveman / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。