写在前面
Claude Code、Codex、OpenCode 这类终端 AI 编程工具越强，开发者越容易遇到同一个问题：Token 烧得太快。
正经拿 Claude Code 写项目，20 美元的 Pro 套餐往往不够用。更高一档的 Max 5x 是 100 美元，Max 20x 是 200 美元。换算下来，一个月的高档订阅费用，差不多已经顶上一年 IntelliJ IDEA 的年费。
更麻烦的是，AI 编程工具真正消耗 Token 的地方，很多时候不是你写的需求，而是命令输出。一个 git status、一次 tree、一段测试日志，如果原样塞进模型上下文，几千上万 Token 很快就没了。
RTK 解决的就是这个问题：在命令输出进入 LLM 上下文之前，先做过滤和压缩，只把模型真正需要的信息交给它。
AI 编程真正贵的地方，是无效上下文太多
Claude 官方已经推出过 Skills，用来替代一部分 MCP 场景。它的思路是：只有需要的时候才加载对应 Skill，避免一上来把所有工具说明都塞进上下文。
但 Skills 只能减少“加载成本”，真正执行复杂任务时，命令输出还是会不断进入模型上下文。
比如 AI Agent 在项目里工作，经常会执行这些命令：
ls/tree看目录结构；cat/read读取文件；grep/rg搜索代码；git status/git diff/git log理解改动；npm test/pytest/go test/cargo test看测试结果；docker ps、lint、build 等辅助命令。
这些输出里有大量噪声：重复日志、无关路径、空白行、样板代码、完整函数体、过长 diff。人类开发者会扫一眼重点，但模型默认会把它们都当成上下文成本。
这就是 RTK 的价值：不是让模型少干活，而是让模型少看废话。
RTK 是什么：给 AI 编程工具加一层 Token 过滤器
RTK 是一个 CLI 代理工具，可以在常见开发命令中将 LLM 的 Token 消耗减少 60% 到 90%。它的实现很克制：单一 Rust 二进制文件，零依赖，额外开销小于 10ms。
它的工作位置在 shell 命令和模型上下文之间。
Without rtk: With rtk:
Claude --git status--> shell --> git Claude --git status--> RTK --> git
^ | ^ | |
| ~2,000 tokens (raw) | | ~200 tokens | filter |
+-----------------------------------+ +------- (filtered) ---+----------+
一条普通 git status，原始输出可能接近 2000 tokens；经过 RTK 过滤后，模型只看到约 200 tokens 的必要信息。
RTK 通过自动注册钩子实现透明拦截。它会在 Bash 命令执行前，把命令重写成 RTK 等效命令。Claude Code 看不到重写过程，只会收到压缩后的输出。
需要注意的是，钩子只在 Bash 工具调用时运行。Claude Code 内置的 Read、Grep、Glob 这类工具不会经过 Bash 钩子，所以不会被自动重写。
30 分钟能省多少 Token
RTK 给出的 30 分钟 Claude Code Token 节省示例很直观：
| Operation | Frequency | Standard | rtk | Savings |
|---|---|---|---|---|
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% |
git log |
5x | 2,500 | 500 | -80% |
git add/commit/push |
8x | 1,600 | 120 | -92% |
cargo test / npm test |
5x | 25,000 | 2,500 | -90% |
ruff check |
3x | 3,000 | 600 | -80% |
pytest |
4x | 8,000 | 800 | -90% |
go test |
3x | 6,000 | 600 | -90% |
docker ps |
3x | 900 | 180 | -80% |
| Total | ~118,000 | ~23,900 | -80% |
最高场景下，成本可以爆降 92%。对高频使用 Claude Code、Codex、OpenCode 的开发者来说，这不是小优化，而是直接影响“一个套餐能不能撑到月底”。
RTK 怎么安装
Mac / Linux
一键安装命令：
curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/refs/heads/master/install.sh | sh
Windows
Windows 用户可以到 GitHub Releases 下载压缩包：
https://github.com/rtk-ai/rtk/releases
解压 ZIP 后，把 rtk.exe 放到 PATH 目录里。之后通过命令提示符、PowerShell 或 Windows Terminal 运行即可，不要双击 .exe。
验证安装
rtk --version
示例输出：
rtk 0.37.2
安装后，可以用 rtk gain 查看 Token 节省情况。
怎么接入 Claude Code、Codex、Cursor 等工具
RTK 默认可以安装到 Claude Code / Copilot，也支持指定不同 AI 编程工具。
| 编程工具 | 安装命令 |
|---|---|
| Claude Code | rtk init -g |
| GitHub Copilot (VS Code) | rtk init -g --copilot |
| GitHub Copilot CLI | rtk init -g --copilot |
| Cursor | rtk init -g --agent cursor |
| Gemini CLI | rtk init -g --gemini |
| Codex | rtk init -g --codex |
| Windsurf | rtk init --agent windsurf |
| Cline / Roo Code | rtk init --agent cline |
| OpenCode | rtk init -g --opencode |
| OpenClaw | openclaw plugins install ./openclaw |
| Kilo Code | rtk init --agent kilocode |
| Google Antigravity | rtk init --agent antigravity |
这类工具最大的好处是“透明”。你不需要改变原来的 Claude Code 或 Codex 工作方式，RTK 会在命令输出层面做压缩。
支持哪些命令
RTK 支持 Files、Git、GitHub CLI、Test Runners、Build & Lint 等常见开发命令。
| 命令 | 说明 |
|---|---|
rtk ls . |
Token 优化的目录树 |
rtk read file.rs |
智能读取文件 |
rtk read file.rs -l aggressive |
仅显示签名，去除函数体 |
rtk smart file.rs |
生成 2 行启发式代码摘要 |
rtk find "*.rs" . |
紧凑显示查找结果 |
rtk grep "pattern" . |
分组显示搜索结果 |
rtk diff file1 file2 |
精简显示差异 |
它主要用了四类策略：
| 策略 | 作用 |
|---|---|
| Smart Filtering | 智能过滤注释、空白、样板代码等噪声 |
| Grouping | 把相似项目归类，比如按目录归文件、按类型归错误 |
| Truncation | 截断冗余内容，保留相关上下文 |
| Deduplication | 合并重复日志行并保留计数 |
核心目标只有一个：让 Agent 看到足够完成任务的信息，而不是看到全部原始输出。
怎么查看实际节省情况
用过一段时间后，可以通过 rtk gain 查看节省效果。
一次统计中执行了 6 条命令：
- 原始输出大约会消耗 944 个 token；
- 实际输出只用了 55 个 token；
- 一共节省 889 个 token；
- 节省比例达到 94.2%。
其中 rtk ls -la 只执行 1 次，就节省了 841 个 token，平均节省率 99.8%。
这类节省在短任务里看起来只是几百几千 Token，但放到全天 AI 编程里，就会变成非常明显的额度差距。
Claude Code 到底是什么？为什么它特别需要 Token 优化
Claude Code 是一个运行在终端里的 AI 编程 Agent。它不是简单的代码补全，而是能进入项目目录，读取文件、理解代码结构、执行命令、修改文件、跑测试，再根据报错继续修复。
它适合处理：
- 跨文件重构；
- 复杂 Bug 排查；
- 代码库理解；
- 自动化测试修复；
- 长上下文需求实现；
- 多步骤 Agent 编程任务。
问题也正出在这里。Agent 越自主，执行命令越多；命令越多，进入上下文的输出越多；输出越多，Token 成本就越高。所以 RTK 这种“命令输出压缩层”，对 Claude Code 这类工具尤其有价值。
官方订阅一般包括 Pro、Max 等方案，Pro 适合轻中度个人使用，Max 面向更高频和更大额度需求；API 则按量计费，适合接入自己的开发工具链。具体价格和额度会随官方策略变化，正式使用前最好以官方页面为准。
不过说实话，官方订阅对国内用户不太友好——支付、网络和账号稳定性都要折腾。如果只是想更省事地接入 Claude，可以看看 Code80，真实订阅帐号转 API，换个 endpoint 就能直接用，体验跟官方一样。详情可以到官网了解：code.ai80.vip
常见问题
1. RTK 会不会影响 Claude Code 正常执行命令？
它的定位是命令输出过滤器，不是替代 Claude Code。它通过 Bash 钩子透明拦截常见命令，再把压缩后的输出交给模型。正常情况下，你仍然按原来的方式使用 AI 编程工具。
2. RTK 会不会把关键信息过滤掉？
它会做智能过滤、分组、截断和去重，目标是保留对模型有用的信息。复杂排错时，如果你担心信息不够，可以手动运行更完整的命令输出，再让模型分析。
3. 哪些工具最适合配 RTK？
Claude Code、Codex、OpenCode、Cursor、Gemini CLI、Cline、Roo Code 这类会频繁调用 shell 命令的 AI 编程工具，都适合配 RTK。命令输出越多，节省越明显。
4. RTK 能替代 Skills 或 MCP 吗？
不能。Skills 和 MCP 解决的是工具能力加载和调用问题，RTK 解决的是命令输出进入上下文前的 Token 压缩问题。它们可以叠加使用。
5. 国内用户怎么更方便地使用 Claude Code？
能稳定访问官方并完成支付，可以直接走官方订阅或 API；如果不想折腾支付和网络，国内用户也可以通过 Code80 更方便地使用。
评论前必须登录！
立即登录 注册