トークン節約スキル完全ガイド:Caveman・PonytailでAI開発コストを削減
Claude CodeやCodexのトークン消費とAPI費用を抑えるCaveman・Ponytailの完全ガイド。導入手順、6つの圧縮機能、7段階ラダー、日本語環境での節約効果やpstack連携まで詳しく解説します。
目次
- 1. トークンとは?
- 2. 2つのスキルを一目で比較
- 3. Caveman — 発言も読み込みも減らす
- 4. Cavemanのインストール方法
- 5. Cavemanで確実にトークンを節約する使い方
- 6. Ponytail — 書くコード自体を減らす
- 7. Ponytailのインストール方法
- 8. Ponytailで確実にトークンを節約する使い方
- 9. どちらを使うべき?併用できる?
- 10. pstackプレイブックとの連携
- 11. 注意事項とよくある質問(FAQ)
1. トークンとは?
トークン(token)とは、AIが読み書きする文字列の最小単位です。Claude CodeやCodexなどのコーディングエージェントが作業を行うと、主に次の3つの枠でトークンが消費されます。
- 自分のプロンプト — 指示文による入力トークン
- AIが読み込むコード・ログ・ファイル全体 — コンテキスト入力トークン(ここが最も大きくなります)
- AIが生成した回答 — 出力トークン
定額プランの利用上限を節約したい場合も、APIキーで従量課金している場合も、トークンを減らすことはそのまま費用と待ち時間の削減につながります。これから紹介する2つのスキルは、それぞれ異なるアプローチでこの消費量を抑えます。
2. 2つのスキルを一目で比較
CavemanはAIの会話量(話す量+読む量)を減らし、PonytailはAIがこなす作業量(新規コード量)そのものを減らします。役割が重ならないため、併用も可能です。
Cavemanコードに触れず Say less + Read less
“why many token when few do trick”
- 削減対象
- AIの冗長な返答 + AIが読むログ・ファイル・Webページ
- 仕組み
- 回答圧縮 + 事前入力圧縮 + 難易度別Autoルーティング + スクリプト再利用
- 公開ベンチマーク
- セッション総入力 33.2% ↓、Adobe検証で費用 1.4〜2.4倍削減、JetBrains A/Bで品質劣化なし
- 導入形態
- ターミナルCLI 1行、またはスキル/プラグイン
Ponytail既存資産を再利用する7段階ラダー
“無言で1行だけ書き、しかもそれが動く”
- 削減対象
- AIが新規に生成するコード量と過剰な実装
- 仕組み
- 実装前に7段階のチェックを上段から辿り、最小の到達点で止める
- 公開ベンチマーク (v5)
- コード 53% ↓、費用 26% ↓、トークン 45% ↓、危険ロジックのテスト網羅率 98%(未使用時 68%)
- 導入形態
- エージェントプラグイン、または AGENTS.md / SKILL.md ルール
Caveman + Ponytail + pstack入出力・コード・検証の3層最適化
“証明(eval) → さらに削る(hillclimb) → ルール固定(authoring)”
- 役割分担
- Caveman(入出力圧縮)+ Ponytail(コード最小化)+ pstack(ブラインド検証)
- 相乗効果
- PonytailのレビューやPR要約が長くなっても、Cavemanの短文化がまとめて圧縮
- 推奨導入順
- Caveman全体導入+Autoログイン → Ponytail追加 → pstackで実測
- 注意点
- ルール自体が約1,160トークンを消費するため、自分の作業でA/B検証するのが確実
3. Caveman — 発言も読み込みも減らす
原始人のように無駄な修飾を省いて要点だけを話す発想から生まれたCavemanは、ソースコードを1文字も変えることなく、AIに「少なく話し(Say less)」「少なく読む(Read less)」ことを徹底させます。
動作原理:6つのロック(Rock)
インストールすると6つの機能がすべて有効になり、caveman off <rock> で個別にオフにできます。
| ロック(Rock) | CLI名 | 役割 | 実測された節約効果 |
|---|---|---|---|
| Say less(発言削減) | output | AIの回答を極限まで短くします。コード・コマンド・パス・エラー文は一切変更せず、ユーザーの質問も書き換えません。 | 「簡潔に答えて」比でさらに 3% 削減(ultracave は 35%) |
| Read less(読込圧縮) | input | ログ・JSON・CSV・テスト出力をAIが読む前に圧縮します。ディスク上の元ファイルはそのまま残ります。 | セッション入力トークン 33.2% ↓(CSVは 98.9% ↓) |
| Auto(自動モデル選択) | routing | 質問の難易度を判定し、簡単な作業には軽量モデル、難しい作業には上位モデルと高推論を自動で割り当てます。 | Opus xhigh比で費用 0.46倍(暫定値) |
| Blocks(定型スクリプト再利用) | scripts | エージェントが毎回書き直していた定型スクリプトを保存して再利用します(test-summary、json-peek 等8種を内蔵)。 | テスト結果の読込 397 → 76トークン |
| Waste fixes(浪費対策) | waste-fixes | トークンの無駄遣い箇所を特定して修正し、離席中もプロンプトキャッシュを保温します。 | まだ未計測 |
| Browse(Web圧縮) | browse | Webページを要点だけのコンパクトな形式に圧縮してAIへ渡します。 | 200行の表ページ 15,704 → 121トークン |
「Say less」のビフォー・アフター
- 通常のAI(63トークン相当): 「Reactコンポーネントが再レンダリングされる理由は、おそらく毎回のレンダーサイクルで新しいオブジェクト参照が作られているためです。インラインオブジェクトをpropとして渡すとReactの浅い比較が毎回別オブジェクトと判定し、再レンダリングが発生します。
useMemoでオブジェクトをメモ化することをおすすめします。」 - Caveman(20トークン):
"New object ref each render, so React re-renders. Wrap the prop in useMemo."
解決策はまったく同じまま、出力トークンだけが約1/3に減ります。なお、既定の出力スタイルは英語の短縮表現をベースにしているため、日本語セッションでは効果の出方が異なります(5.5節で詳しく解説します)。
4. Cavemanのインストール方法
Node.js 22.13以上があれば Mac・Linux・Windows すべてに対応しています。利用環境に合わせてタブを切り替えてください。
npx @caveman-ai/cli@latest5. Cavemanで確実にトークンを節約する使い方
5.1 まずは状態確認:caveman status
caveman status を実行すると、有効なロック・適用済みエージェント・次に推奨されるアクションが1行で確認できます。特定のロックだけオフにしたいときは caveman off browse のように名前(output・input・waste-fixes・routing・scripts・browse)を指定してください。
5.2 効果が最も大きい順:Read lessから始める
- 長大なログ・テスト出力・データファイルを扱う場合: セッション入力トークンが50%超削減された計測例があり、最もインパクトが大きい領域です。
- CLI圧縮コマンド:
caveman shrink -- pnpm test: 冗長なテストやビルド出力を圧縮してからエージェントに渡します。caveman browse <url>: Webドキュメントを圧縮して読み込みます。caveman learn: トークン消費ランキングを分析し、caveman learn implementで改善策を1つずつ反映できます。
- 肥大化したメモリファイルの圧縮:
/caveman-compress <ファイル>を使うと、元ファイルのバックアップを残したままCLAUDE.mdなどのルールファイルを軽量化できます。
5.3 回答短縮の強度を選ぶ
| コマンド | 強度 | 向いている場面 |
|---|---|---|
/caveman | 標準(63 → 20トークン例) | 普段の基本設定 |
/ultracave | さらに強く(追加35%削減) | まだ回答が長いと感じるとき |
/megacave | 最大(漢字風の超高密度要約) | 極限の節約モード(ジョークのようで実在) |
/caveman off | 解除 | 丁寧で分かりやすい通常の解説が欲しいとき |
5.4 AutoモデルとBlocksでAPI料金・重複作業を抑える
- Autoモデル(
caveman login): 無料アカウントでログインするとモデル選択肢にAutoが追加されます。リクエストごとにモデルと推論コストを自動最適化し、Opus xhigh比で費用 0.46倍、所要時間を半分以下に抑えます(未ログイン時はAutoが表示されず外部送信も行われません)。 - Blocks(
caveman-blocks scan/caveman-blocks init): 実際の開発マシンでは、エージェントが1週間に394回も同じ補助スクリプトを書き直していた例がありました。caveman-blocks initでブロック規則を導入すると、テスト結果の読込が 397 → 76トークンに縮みます。 - 効果の可視化:
caveman statsで履歴を閲覧でき、caveman trial -- claudeで自分の実タスクを使ったA/Bテストが可能です。
5.5 日本語セッションではどのくらい減る?(推定と実測のポイント)
| 構成要素 | 日本語セッションでの期待値 | 根拠 |
|---|---|---|
Read less・Blocks・Browse・/caveman-compress | 言語非依存 — そのまま期待(セッション入力 約25〜55% ↓) | 圧縮対象がコード・ログ・CSV(55.1% ↓)・ログ(50.2% ↓)・JSON(26.4% ↓)であり、会話言語を問わないため(セッション総入力 33.2% ↓)。 |
| Auto(モデル自動選択) | 言語非依存 — 費用最大 0.46倍 | タスク難易度に基づくルーティングのため、日本語プロンプトでも同様に機能します。 |
| Say less(回答の短文化) | 推定:出力 約10〜30% ↓(すでに簡潔指示がある場合は 0〜10%) | 英語実測41% ↓(6,983 → 4,119トークン)の大半は「結論ファースト・挨拶削除・1文1アイデア」という構造ルールによるものですが、冠詞省略やSTE語彙短縮(+3〜35%)は英語専用です。非英語圏のポルトガル語10問実験では、簡潔な CLAUDE.md 上で出力 8% ↓(中央値 -5%) に留まりました(issue #733)。 |
さらに重要なのが「セッション総額」ベースの視点です。あるユーザーの662セッションのClaude Code分析では、出力トークンは全体のわずか 0.3% に過ぎず、発言削減による総額への影響は ±0.2% 以内でした(issue #733)。別計測でも出力は44%減った一方、総費用は +0.06% とほぼ横ばいでした(issue #727)。逆にルール自体が入力として約 1,160トークンを占めるため、短いQ&A中心やリクエスト単位課金の環境では純増になった事例もあります(issue #145)。
つまり日本語環境におけるコスト削減の主役は、敬語や語尾を削る「Say less」ではなく「Read less・Blocks・Browse(入力圧縮)」と「Autoモデル」です。自分の環境で確かめるには、caveman trial -- claude・/caveman-stats・プロバイダの請求画面で比較してみてください。
6. Ponytail — 書くコード自体を減らす
Ponytailのコンセプトは、社内のバージョン管理システムより長く勤めている、ポニーテールに眼鏡の熟練エンジニアです。50行のコードを見せると、無言で1行に書き換えて動かしてしまう——その思考プロセスをAIエージェントに組み込んだスキルです。
ルールは「とにかく最小トークン」ではなく「必要な分だけ書く」こと。バリデーション、エラーハンドリング、セキュリティ、アクセシビリティは決して削りません。余計な再発明をやめることでコードが小さくなり、結果としてトークン・費用・時間が大きく減ります。
動作原理:7段階ラダー(Ladder)
Ponytailはいきなりコードを書かず、まず対象ファイルを読んで実際の処理の流れを追跡したうえで、次の7段階のうち最初に成立した段で止まります。
- 1そもそも本当に必要か?
新しいコードを書かずに要件を満たせないか、作らずに済む方法がないかを最初に確認します。
- 2このコードベースにすでにあるか?
リポジトリ内の既存ユーティリティ、UIコンポーネント、フック、共通処理を探して流用します。
- 3標準ライブラリで実現できないか?
言語やランタイムの標準APIで解決できる処理を再実装しないようにします。
- 4プラットフォーム標準機能でできないか?
HTML5ネイティブ要素やブラウザWeb API、フレームワーク標準の仕組みを優先します。
- 5インストール済みの依存パッケージで済まないか?
新規パッケージを追加する前に、既存の依存ライブラリで賄えるかを確認します。
- 61行で書けないか?
過剰な抽象化レイヤーやラッパーを作らず、シンプルな記述で完結できるか検討します。
- 7そこで初めて最小の動くコードを書く
1〜6で解けない場合のみ最小実装を書き、ロジックがある場合は小さなテストを1つ添えます。
例えば「日付ピッカーを追加して」と頼んだ場合、通常のAIはカレンダーUIを自作したりライブラリを入れたりして 335行 書きますが、Ponytailは既存の Input コンポーネントとブラウザ標準の日付入力を組み合わせて 10行 で完結させます。
7. Ponytailのインストール方法
/plugin marketplace add DietrichGebert/ponytail
/plugin install ponytail@ponytail8. Ponytailで確実にトークンを節約する使い方
8.1 強度の切り替え:/ponytail
/ponytail lite: 軽め — 小規模プロジェクトや不慣れな領域を扱うとき/ponytail full: 標準 — 普段使いのデフォルト/ponytail ultra: 最大 — 「コードベースに裏切られた気分になったとき」用の大規模整理モード/ponytail off: 一時無効化
8.2 レビュー・全体監査・技術的負債の記録
- 周辺コードまで見る
/ponytail-review: diffだけでなく変更が影響する周辺コードまで読み込み、バグ・セキュリティ・実負荷・テストのない危険ロジック・低速パス・削れるコードを検査します。ベンチマークでは埋め込んだ不具合を 100%発見(未使用時 87%)、diff外の不具合も 100%発見(未使用時 78%)しました。対象にuncommitted・staged・branch・PRリンクを指定可能です。 - リポジトリ全体の点検
/ponytail-audit: プロジェクト全体を同じ基準で検査し、「何から直すべきか」の優先順位を付けます。 - 後回しメモの台帳
/ponytail-debt: Ponytailが意図的に見送った箇所に残すshortcut:コメントを一覧化し、「あとで」が「永遠に」になるのを防ぎます。
8.3 節約効果のリアルタイム可視化(Claude Code)
- バンド(
/ponytail band): 入力欄の上に現在の費用・トークン・所要時間・既存コード再利用率・テスト成否をリアルタイム表示し、ボタンからレビューや監査も即実行できます(Claude Code 2.1.290以上対応、VS Codeチャットパネルおよびクラウドセッションでは非表示)。 - ボード(
board): プロジェクトごとの累計費用・トークン・時間の推移をローカルWeb画面で確認できます。記録は自分のPC内(~/.config/ponytail/band/)にのみ保存され、過去セッションは/ponytail band importで取り込めます。 - 成績表(
/ponytail-gain): ベンチマーク基準の節約スコアを表示します。
9. どちらを使うべき?併用できる?
| 比較項目 | Caveman | Ponytail |
|---|---|---|
| 減らす対象 | AIの会話 — 回答の長さ、読み込むログ・ファイル量 | AIが生成するコードの量 |
| アプローチ | 回答ルール + 出力圧縮 + Auto選択 + スクリプト再利用 | 7段階ラダーで「必要な分だけ」書かせる |
| 導入形式 | ターミナルCLI 1行(またはスキル/プラグイン) | エージェントプラグイン / AGENTS.md ルール |
| 公開ベンチマーク | 入力トークン 33.2% ↓、費用最大 0.46倍(Auto) | コード 53% ↓、費用 26% ↓、トークン 45% ↓(v5) |
| 代表的なコマンド | caveman status, /ultracave, caveman shrink | /ponytail full, /ponytail-review, /ponytail-audit |
| 特に向いている人 | ログ・テスト・大容量データを扱い、セッションが長引きやすい人 | 新機能開発が多く、AIの過剰なコード生成を抑えたい人 |
予算削減が最優先なら Cavemanの一発導入+Autoログインから始め、コード品質と差分の最小化も同時に狙うなら Ponytailを重ねるのがベストです。Ponytailのレビュー報告が長すぎると感じても、CavemanのSay lessがそこも自動で短くしてくれます。
よく使うコマンド クイックコピー
Caveman CLI・圧縮・診断
Caveman 強度切替・ファイル圧縮
Ponytail 強度・レビュー・負債
10. pstackプレイブックとの連携
pstackは、CursorやClaude Codeで23種類のエンジニアリングプレイブックを自動選択して実行するスキルプラグインです(詳細はpstack 使い方ガイドをご参照ください)。その中の eval・hillclimb・authoring a skill の3つは、「品質を証明 → コストをさらに削る → ルール自体を研ぎ澄ます」という最適化サイクルにぴったり噛み合います。
30秒セットアップ
- Cursor: チャット欄に
/add-plugin pstackを入力 - Claude Code:
/plugin marketplace add cursor/plugins実行後、/plugin install pstack@cursor-plugins
- 1eval — 自分の環境で品質が落ちないことを証明する
/poteto-mode (eval)スキルONとOFFの候補に同じバグ修正タスクを渡し、モデルや設定を隠したブラインド審査と実トランスクリプト検証で品質とトークン差を比較します。
- 2hillclimb — タスク単価とトークンを実験ループで削り込む
/poteto-mode (hillclimb)計測ハーネスを固定したうえで、Cavemanの6ロックON/OFFやPonytail強度(lite/full/ultra)を1つずつ変更・検証し、改善した設定のみを残します。
- 3authoring a skill — 自社リポジトリ向けにルール自体を軽量化
/poteto-mode (authoring a skill)Caveman(約1,160トークン)やPonytailのSKILL.mdから冗長な例を削除し、日本語回答の維持ルールなどを組み込んだうえでfrontmatterやリンクを検証します。
/poteto-mode cavemanとponytailをOFFにした場合とONにした場合の2候補を、同じバグ修正タスクでブラインドevalして。品質の差とトークン使用量を比較して結果を要約して。/poteto-mode タスクあたりの平均コストを現在より40%削減して。最低10回反復し、各反復でcaveman設定かponytailモードを1つずつ変えて計測し、ベースラインより改善が確認できた変更だけを残して。/poteto-mode cavemanスキルをこのリポジトリ向けに編集して。回答言語は日本語を維持し、不要な例を削って入力トークンを最小限にしたうえで、編集後の検証まで行って。11. 注意事項とよくある質問(FAQ)
Q1. CavemanもPonytailも本当に無料ですか?
Q2. ソースコードや質問内容が外部サーバーへ送信されませんか?
Q3. 回答やコードの品質が下がることはありませんか?
Q4. プロンプトに「簡潔に答えて」と書くだけではダメですか?
Q5. インストールが途中で壊れたときはどうすればいいですか?
Hafuture JSONフォーマッターでAI設定・ログをローカル検証
Claude CodeやCursor、MCPのJSON設定やテスト出力をブラウザ上で100%ローカル整形・構文チェック。サーバー送信なしで安全に扱えます。