Yapay Zekaya "Mağara Adamı Gibi Konuş" Dedirterek Maliyeti Düşürmek: Caveman İncelemesi

Claude Code gibi yapay zeka kodlama araçları kullanırken fark etmediğimiz bir maliyet var: model, her cevabında gereksiz kibarlık cümleleri ve uzun açıklamalar ekliyor ve bunların her biri token, yani para demek. Caveman adlı açık kaynak bir araç, tam bu sorunu çözmek için tasarlanmış. Kurup test ettik, işte nasıl çalıştığı ve gerçekte ne kadar tasarruf sağladığı.

Mantık Ne?

Bir yapay zeka modeline bir soru sorduğunuzda, aldığınız cevabın büyük kısmı aslında "dolgu" "Elbette, size yardımcı olmaktan mutluluk duyarım", "Umarım bu açıklama işinize yarar" gibi cümleler, teknik içeriğe hiçbir şey katmıyor ama token tüketiyor.

Caveman, modele bu dolguyu atlatıp direkt teknik içeriğe odaklanmasını söylüyor kod, komut ve hata mesajları birebir korunuyor, sadece etraflarındaki gereksiz kelimeler kesiliyor. Geliştiricinin kendi verdiği örnek:

Normal cevap (69 token):

"React component'inizin yeniden render olmasının sebebi muhtemelen her render döngüsünde yeni bir nesne referansı oluşturmanızdır..."

Caveman cevabı (19 token):

"Her render'da yeni nesne referansı. Inline nesne prop = yeni referans = yeniden render. useMemo'ya sar."

Aynı teknik bilgi, üçte bir kelimeyle.

Kurulum

Kurulum tek komut, yaklaşık 30 saniye sürüyor.

Mac / Linux / WSL / Git Bash:

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

Windows (PowerShell 5.1+):

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

Kurulum, bilgisayarınızdaki tüm uyumlu araçları (Claude Code, Cursor, Cline, Copilot, Codex, Gemini ve 30'dan fazla diğer araç) otomatik olarak tarayıp her biri için ayrı ayrı kuruyor. Node.js 18 veya üzeri gerekiyor.

Claude Code, Codex ve Gemini'de araç kurulumdan hemen sonra, hiçbir ek komut gerekmeden otomatik aktif oluyor. Diğer araçlarda /caveman yazarak veya "mağara adamı gibi konuş" diyerek etkinleştirebilirsiniz. Kapatmak için "normal mode" demeniz yeterli.

Gerçek zamanlı tasarrufunuzu görmek için: /caveman-stats

Gerçek Sonuçlar Ne Kadar?

Geliştiricinin kendi ölçtüğü 10 görevlik testte, sohbet tarzı sorularda (bir hatayı açıklama, bir kavramı anlatma gibi) ortalama %65 çıktı token tasarrufu ölçülmüş en düşük %22, en yüksek %87.

Ama bağımsız bir kaynak (JetBrains, 86 görevlik gerçek kodlama testinde) farklı bir tabloya ulaşmış: gerçek, uçtan uca bir kodlama görevinde tasarruf sadece %8.5'te kalıyor.

Bu fark tesadüf değil mantığı basit: sohbet tarzı bir cevapta neredeyse her şey "anlatım" (yani sıkıştırılabilir), ama gerçek bir kodlama görevinde çıktının büyük kısmı zaten kod/komut/hata mesajı bunlar hiç değişmiyor, sıkıştırılacak yer az kalıyor.

Dikkat Edilmesi Gereken Nokta

Geliştiricinin kendisi, README'de açık bir uyarı paylaşmış: Caveman sadece çıktı (output) token'larını azaltıyor sizin yazdığınız girdi ve modelin arka planda yaptığı "düşünme" token'ları etkilenmiyor. Üstelik aracın kendisi her mesajda yaklaşık 1-1.5 bin token'lık küçük bir ek yük getiriyor.

Sonuç: Zaten kısa ve öz sorular soruyorsanız, bu araç size hiçbir fayda sağlamayabilir hatta net negatif bile çıkabilir. Asıl fayda, uzun açıklama/anlatım gerektiren görevlerde ortaya çıkıyor.

Sonuç

Caveman, gerçek ve ölçülebilir bir tasarruf sağlıyor ama "her durumda %65 tasarruf" beklentisiyle kurarsanız hayal kırıklığına uğrayabilirsiniz. Sohbet/açıklama ağırlıklı kullanımda güçlü, uzun otomatik kodlama görevlerinde ise mütevazı bir fayda sunuyor. Tamamen ücretsiz, açık kaynak, ve geliştiricinin belirttiğine göre hiçbir veri toplamıyor (telemetri yok).

Bu yazı bir yatırım tavsiyesi değildir.