夜雨聆风⭐55,766 | Rust | Apache-2.0
📌 一句话速览
rtk是一个用Rust编写的高性能CLI代理工具，通过过滤和压缩命令输出将LLM的Token消耗降低60-90%，单个二进制文件、支持100+常用命令、开销不到10毫秒。在Claude Code、Cursor等AI编程工具日益普及的今天，rtk直接解决了Token成本这一核心痛点。
🔍 这是什么
如果你用过Claude Code或Cursor，你可能会注意到一个令人肉疼的现象：一次30分钟的编程会话，LLM可能消耗超过10万个Token。而其中大部分Token被浪费在了冗余的命令输出上——ls列出了几百个文件、grep返回了几千行匹配、pytest输出了完整的测试报告。
rtk（Rust Token Killer）就是为解决这个问题而生的。它作为一个轻量级的CLI代理，拦截你的命令输出，在传递给LLM之前进行智能压缩和过滤。
项目从2026年1月开源至今已获得55,766颗星标和3,408个Fork。它用纯Rust编写，编译为单个二进制文件，安装后几乎零配置即可使用。
根据项目提供的实测数据，一个典型的30分钟Claude Code会话中：
- 标准模式下Token消耗约118,000个
- 使用rtk后降至约23,900个
- 节约幅度高达80%
这个数字意味着什么？按照Claude 3.5的定价（$3/百万输入Token），一个开发者每天使用4小时AI编程，一个月（22个工作日）大约能节省$100以上的API费用。对于团队和企业来说，这个数字会呈几何级增长。
🏗️ 架构设计
rtk的架构设计遵循「零侵入、零延迟」原则：
命令拦截层： rtk通过Shell的alias或PATH劫持机制拦截CLI命令。当你在Claude Code中执行ls或grep时，实际上是rtk先接收到了命令和输出。
智能压缩引擎： 这是rtk的核心模块。它不是简单地截断输出，而是根据命令类型应用不同的压缩策略：
命令输出 → 命令类型识别 → 策略选择 → 压缩执行 → 压缩后输出
↓ ↓
ls/tree → 保留关键文件，折叠目录结构
cat/read → 保留关键行，去除空行和注释
grep/rg → 保留匹配行及上下文，去除重复
git diff → 保留变更摘要，折叠上下文
pytest → 只保留失败用例，折叠通过用例Rust性能保障： 整个压缩过程在Rust中实现，单次处理开销不到10毫秒。这意味着你几乎感觉不到rtk的存在——命令输出会瞬间完成，但LLM收到的已经是精简后的版本。
⚡ 核心功能
1. 100+命令的智能压缩
rtk针对开发者最常用的100多个命令预置了压缩策略：
| 命令类别 | 示例 | 压缩策略 | 节约率 |
|---|---|---|---|
| 文件列表 | ls, tree | 保留关键文件，折叠深层目录 | 80% |
| 文件读取 | cat, read | 保留关键行，去除注释空行 | 70% |
| 搜索 | grep, rg | 保留匹配+上下文，去重 | 80% |
| Git操作 | status, diff, log | 摘要替代全文 | 75-92% |
| 测试运行 | pytest, cargo test | 只保留失败用例 | 90% |
| 代码检查 | ruff check, eslint | 折叠重复警告 | 80% |
2. 一键安装与配置
# Homebrew安装（推荐）
brew install rtk
# 或快速安装
curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/master/install.sh | sh
# 配置Claude Code使用rtk
# 在.claude/settings.json中添加：
{
"shell_command_prefix": "rtk exec"
}3. 自定义压缩规则
# 为特定命令自定义压缩策略
rtk config add --command "docker logs" --max-lines 50 --filter "error|warn"
# 查看当前所有压缩规则
rtk config list
# 实时查看Token节省统计
rtk stats4. 多LLM客户端支持
rtk不仅支持Claude Code，还兼容Cursor、Windsurf、Aider、Continue等主流AI编程工具。只要工具通过Shell执行命令，rtk就能拦截并压缩输出。
⚔️ 竞品对比
| 维度 | rtk | Claude Code原生 | Aider | llm-ls |
|---|---|---|---|---|
| 压缩方式 | 智能策略过滤 | 无 | 上下文裁剪 | Token计数 |
| 语言 | Rust | - | Python | Rust |
| 性能开销 | <10ms | 0ms | ~50ms | <5ms |
| 命令覆盖 | 100+ | N/A | N/A | N/A |
| 节约率 | 60-90% | 0% | ~30% | 计数不压缩 |
| 兼容性 | 所有Shell工具 | Claude专用 | Aider专用 | LSP协议 |
| 安装复杂度 | 一行命令 | 内置 | pip install | 手动配置 |
🔧 快速上手
# 1. 安装rtk
brew install rtk
# 2. 启用rtk代理（自动配置Shell）
rtk init
# 3. 正常使用Claude Code/Cursor等工具
# rtk会在后台自动压缩命令输出
# 4. 查看实时节省统计
rtk stats --live
# 输出示例：
# Session: 45min | Tokens saved: 89,234 (78%) | Cost saved: $0.27💡 编辑点评
rtk解决的是一个被AI编程热潮掩盖的隐形成本问题。所有人都在关注模型的智商有多高、功能有多强，但很少有人讨论：当你每天用AI写8小时代码时，Token费用可能比你的咖啡预算还高。rtk用Rust的性能和精巧的策略设计，在不牺牲功能的前提下把成本砍掉80%。这不仅是一个工具，更是一种新的思路——AI时代的「性能优化」，不只是优化模型，还要优化人与模型之间的信息传输。
| 维度 | 评分 |
|---|---|
| 创新性 | ★★★★★ |
| 实用性 | ★★★★★ |
| 文档质量 | ★★★★☆ |
| 社区活跃度 | ★★★★★ |
| 推荐指数 | ★★★★★ |
— END —
免责声明：本文由AI辅助生成，仅供参考。
