RTK:一个帮你省钱、省 token的AI编程辅助工具-夜雨聆风

RTK:一个帮你省钱、省 token的AI编程辅助工具

“我两周节省了 10M tokens，节省率 89%。”

这是 Reddit 上一位用户分享的真实数据。他用的工具叫 RTK，一个 GitHub 上快速走红的开源项目。

RTK 在 GitHub 上获得了 23.4k stars 和 1.3k forks。这个数字在 LLM 编程工具领域非常亮眼——说明 token 成本是用户的普遍痛点。

更重要的是，这个项目“很活跃”：

5 天内 32 次提交

，平均每天 6+ commits
每周一个稳定版

，版本迭代从 v0.35.0 到开发版 dev-0.36.0-rc.125
196 个 issues 已关闭

，很多 bug fix 直接对应 issue 编号

RTK的核心原理

问题：CLI 输出充满”噪音”

LLM 编程助手（如 Claude Code）执行命令时，输出往往充满冗余信息：

命令	原始输出	问题
git status	几十行文件状态	大部分是无关文件
npm test	几百行日志	90% 是通过的测试
cat file	几千行代码	注释、空白、样板代码
git log	详细提交信息	SHA、时间、作者等冗余

这些”噪音”占用大量 token，却对 LLM 判断几乎没有价值。

解决方案：RTK 作为”中间人”

没有 RTK：Claude → git status → shell → git → ~2,000 tokens（原始）使用 RTK：Claude → git status → RTK → git → ~200 tokens（已过滤）

RTK 四种策略：

策略	说明
智能过滤	去除噪音（注释、空白、样板代码）
分组	聚合相似项（按目录分文件、按类型分错误）
截断	保留相关上下文，删除冗余
去重	合并重复日志行并计数

Token 节省数据

官方给出的 30 分钟会话统计：

操作	频率	标准	RTK	节省
ls / tree	10x	2,000	400	-80%
cat / read	20x	40,000	12,000	-70%
grep / rg	8x	16,000	3,200	-80%
git status	10x	3,000	600	-80%
git diff	5x	10,000	2,500	-75%
cargo test / npm test	5x	25,000	2,500	-90%
总计		~118,000	~23,900	-80%

Reddit 用户分享的实际数据：

“两周内节省了约 10M tokens，节省率 89%。核心思路很简单：大部分 CLI 输出都是噪音——通过的测试、冗长的日志、无关的详细信息。”

支持的命令

RTK 支持 100+ 常见开发命令，覆盖文件、Git、测试、构建、容器等场景。

文件操作

rtk ls .                        # Token 优化的目录树rtk read file.rs                # 智能文件读取rtk read file.rs -l aggressive  # 仅签名（删除函数体）rtk smart file.rs               # 2 行代码摘要rtk find "*.rs" .               # 紧凑查找结果rtk grep "pattern" .            # 按文件分组的搜索结果

Git 操作

rtk git status                  # 紧凑状态rtk git log -n 10               # 单行提交rtk git diff                    # 精简 diffrtk git push                    # → "ok main"rtk git commit -m "msg"         # → "ok abc1234"

测试运行

rtk test cargo test             # 仅显示失败（-90%）rtk vitest run                  # Vitest 紧凑输出rtk pytest                      # Python 测试（-90%）rtk go test                     # Go 测试（-90%）

构建 & Lint

rtk lint                        # ESLint 按规则分组rtk tsc                         # TypeScript 错误分组rtk cargo build                 # Cargo 构建（-80%）rtk ruff check                  # Python lint（-80%）

容器

rtk docker ps                   # 紧凑容器列表rtk docker logs <container>     # 去重日志rtk kubectl pods                # 紧凑 Pod 列表

安装方式

Homebrew（推荐）

brew install rtk

快速安装（Linux/macOS）

curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/refs/heads/master/install.sh | sh

安装后添加到 PATH：

echo &#x27;export PATH="$HOME/.local/bin:$PATH"&#x27; >> ~/.bashrc

Cargo

cargo install --git https://github.com/rtk-ai/rtk

如何使用？

一键安装 Hook

# Claude Code / Copilot（默认）rtk init -g# Gemini CLIrtk init -g --gemini# Codex（OpenAI）rtk init -g --codex# Cursorrtk init -g --agent cursor# Windsurfrtk init --agent windsurf# Cline / Roo Codertk init --agent cline

安装后重启 AI 工具，Hook 会自动重写 Bash 命令：

git status   # 自动重写为 rtk git status

Claude 看不到重写过程，只收到压缩后的输出。

查看节省统计

rtk gain        # Token 节省统计rtk gain --graph  # ASCII 图表（30 天）rtk discover    # 发现遗漏的节省机会

技术特点

1. 单一 Rust 二进制

零依赖

：不需要安装额外库
高性能

：<10ms 开销
跨平台

：支持 macOS、Linux、Windows

2. Hook 机制透明

Hook 只在 Bash 工具调用时运行。Claude Code 内置工具（Read、Grep、Glob）不经过 Bash hook，需手动调用：

rtk read file.rsrtk grep "pattern" .rtk find "*.rs" .

3. 多 AI 工具支持

AI 工具	支持方式
Claude Code	Bash hook
Codex（OpenAI）	Bash hook
Gemini CLI	Bash hook
Cursor	Agent hook
Windsurf	Agent hook
Cline	Agent hook

值得关注的现象

Token 成本正在被工具层面优化。 过去优化 token 主要靠用户行为（少说话、精简提问），现在工具层面开始介入。RTK 是这个趋势的典型代表。

CLI 输出的”噪音”问题被正视。 开发者日常执行的命令，大部分输出对 LLM 判断没有价值。RTK 把这个问题系统化解决了。

开源项目快速获得关注。 RTK 从发布到现在 GitHub 23.4k stars，说明 token 成本是 LLM 编程用户的痛点。

单一二进制的分发模式流行。 Rust 编写的 CLI 工具，零依赖、跨平台、快速安装。这种分发模式正在成为一些开源工具的新标准。

局限性

仅支持 Bash 命令。 Claude Code 内置工具（Read、Grep、Glob）不经过 Bash hook，需手动调用 rtk 命令。

学习曲线存在。 需要理解 Hook 机制、记住哪些命令被自动重写、哪些需要手动调用。

可能过度压缩。 某些场景下，压缩后的输出可能丢失关键上下文，需要调整压缩级别。

不支持所有命令。 目前支持 100+ 常见命令，但自定义命令或罕见命令不在支持范围。

相关链接：

GitHub：https://github.com/rtk-ai/rtk
官网：https://rtk-ai.app
安装指南：https://github.com/rtk-ai/rtk/blob/master/INSTALL.md
Discord 社区：官方 Discord