RTK 是一款 Rust 编写的开源 CLI,用于在 Claude Code、Cursor、Aider 等 AI 编程助手执行终端命令后,于输出进入上下文前智能保留错误、失败测试和 diff 核心等内容,去除冗余噪音,以节省 token、延长会话并提升推理质量。它采用 Apache 2.0 协议,无需 API Key、零配置,支持多平台;安装后运行 rtk init --global 即可自动拦截压缩,也可手动加 rtk 前缀,并用 rtk gain 查看节省效果。
RTK(Rust Token Killer) 是一个用 Rust 编写的开源 CLI 工具,专门用来压缩 AI 编程助手(如 Claude Code、Cursor、Aider、Gemini CLI 等)在终端中产生的命令输出,减少上下文窗口中的"噪音"。
它解决什么问题
当 AI 编程助手执行终端命令时(比如 cargo test、git diff、grep 等),输出往往包含大量冗余信息。这些噪音会占用宝贵的上下文窗口空间,导致 AI 推理质量下降、会话更快耗尽、按 token 计费时费用暴增。
它怎么做
RTK 在命令输出送入 AI 上下文窗口之前进行智能压缩,只保留有意义的内容(错误信息、测试失败、diff 核心内容等),去掉重复和模板化的噪音。举几个例子:cargo test 输出从约 4,823 tokens 压缩到 11 tokens(节省 99%);git diff 从约 21,500 tokens 压到约 1,259 tokens(节省 94%)。官方数据显示,在 2,900+ 条真实命令上平均去除了 89% 的噪音。
核心特点
它是 Apache 2.0 开源协议,免费无限制使用,不需要 API Key,零配置。安装后运行 rtk init --global 即可自动拦截和压缩所有命令输出。支持 macOS、Linux、Windows,兼容 Claude Code、Cursor、Aider、Gemini CLI、Codex、Windsurf 等主流 AI 编程工具。目前 GitHub 上已有约 7.9 万星。
简单说就是:让你的 AI 编程助手少读废话、多干正事。
如何使用
RTK 的使用非常简单,基本上安装后就是"装完即忘"的体验。
安装
三种方式任选其一:
一行脚本安装(Linux / macOS):
curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/refs/heads/master/install.sh | sh
Homebrew 安装(macOS / Linux):
brew install rtk-ai/tap/rtk
预编译二进制: 直接从 GitHub Releases 下载对应平台的版本。
激活自动压缩
安装完后运行一条命令,RTK 就会自动接管所有终端输出的压缩:
rtk init --global
这条命令做的事情取决于你用的工具:在 Claude Code 中,它会在 settings.json 里安装一个 PreToolUse hook,自动把所有 Bash 命令重写为 rtk 等效命令;在 Cursor 中,它会配置 .cursorrules;对其他 AI CLI 工具,它安装一个全局 shell hook。
做完这两步就结束了。 你不需要改变任何工作习惯,继续像以前一样用 Claude Code 或 Cursor 写代码就行。RTK 在后台自动拦截和压缩输出。
查看节省了多少
随时运行:
rtk gain
它会展示你累计处理了多少命令、节省了多少 token,并按命令类型分类统计。
手动使用(可选)
虽然自动模式已经够用,但你也可以手动在命令前加 rtk 前缀来压缩特定命令的输出:
rtk cargo test # 压缩 cargo test 输出
rtk git diff HEAD~1 # 压缩 git diff 输出
rtk git status # 压缩 git status 输出
rtk grep "pub fn" src/ # 压缩 grep 输出
rtk find "*.rs" . # 压缩 find 输出
rtk read src/main.rs # 压缩文件读取输出
rtk ls src/ # 压缩 ls 输出
rtk deps # 压缩依赖列表输出
还可以用 rtk test 包装任意测试框架:
rtk test "pytest -v"
rtk test "go test ./... -v"
总结
整个流程就是:安装 → rtk init --global → 照常写代码。RTK 在背后默默帮你的 AI 助手省 token、延长会话、提高推理质量,你基本感知不到它的存在。
除非注明,否则均为李锋镝的博客原创文章,转载必须以链接形式标明本文链接
文章评论