RTK（Rust Token Killer）：LLM Token 消耗降低 60-90% 的 CLI 代理

如果你用 Claude Code、Cursor、Copilot 这类 AI 编码助手，大概遇到过这种情况：Agent 执行一个 git status，返回 2000 tokens 的输出，但有效信息只有几行。开发机上跑得飞快，但 API 账单是按 Token 计的。

RTK（Rust Token Killer） 就是解决这个问题的。GitHub 上 61.6K Stars，是目前增长最快的 AI 基础设施工具之一。

一、解决的问题

AI 编码助手在执行命令时，会把命令的全部原始输出送入 LLM 上下文。很多命令的输出包含大量噪声——编译日志中的”Compiling xxx…“、Git 操作的计数过程、测试通过的行列详情。

RTK 的原理很简单：在命令和 AI 工具之间插入一个代理层，把原始输出过滤、压缩后再送给 LLM。

AI 工具 → 执行命令 → RTK（过滤压缩）→ 精简后的输出 → LLM

以 git push 为例：

• 原始输出：15 行，约 200 tokens（计数对象、压缩、写入等过程信息）
• RTK 输出：1 行 ok main，约 10 tokens
• 节省 95%

二、实际能省多少

项目给了一份基于 30 分钟 Claude Code 会话的实测数据：

这意味着一半以上的 API 费用花在了 AI 阅读冗余输出上。RTK 直接砍掉这部分。

三、Token 缩减的技术原理

RTK 不是简单的文本截断或通用压缩。它对每种命令的输出结构做针对性解析，然后组合应用四种策略。

策略 1：智能过滤（Smart Filtering）

移除对 LLM 没有信息价值的内容。每种命令的过滤规则不同：

这些对人类终端有反馈意义的内容（”编译到哪一步了”、”下载进度如何”），对 AI Agent 来说只是 Token 浪费。

策略 2：分组聚合（Grouping）

将大量同类型条目按类别归纳，减少重复描述结构：

# 原始输出 ls -la（45 行，约 800 tokens）
drwxr-xr-x  15 user staff 480 Dec 1  src
-rw-r--r--   1 user staff 1234 Dec 1  main.rs
...

# RTK 输出 rtk ls（12 行，约 150 tokens）
my-project/
  +-- src/   (8 files)
  +-- Cargo.toml

类似地：kubectl get pods 按状态分组（Running / Pending / CrashLoopBackOff），npm ls 折叠为顶层依赖清单，测试错误按文件位置分组而非逐行罗列。

策略 3：上下文截断（Truncation）

不是按行数硬切，而是保留信息密度最高的部分：

• 日志：只保留 ERROR/WARN 和对应的时间戳，去掉重复的 INFO 行
• 测试输出：保留失败项的错误信息 + 汇总统计，去掉全通过的测试名列表
• 编译错误：保留每个错误的位置和具体消息，去掉解析过程的中间日志
• rtk read 的 aggressive 模式：只输出函数签名，去掉函数体——让 Agent 知道 API 签名即可

策略 4：去重折叠（Deduplication）

日志中反复出现的相同错误或警告，折叠为一行加计数：

# 原始（5 行）
error: timeout connecting to service-a
error: timeout connecting to service-a
error: timeout connecting to service-a
error: timeout connecting to service-a
error: timeout connecting to service-b

# RTK（2 行）
error: timeout connecting to service-a  (x4)
error: timeout connecting to service-b

为什么不是通用文本压缩

每种命令的输出格式不同，没有通用的压缩算法能做到”保留要保留的、删掉要删掉的”。RTK 为 100+ 命令各自写了专门的解析器——它知道 cargo test 输出的哪一行是测试名、哪一行是结果、哪一行是错误详情，能精确做到”保留失败项完整错误、去掉全部通过的测试项”。这不是 grep -v、tail 或通用 gzip 能实现的。这也是 RTK 选择 Rust 开发的原因——为每种命令写解析器和优化规则，需要高性能和可维护性，Python/Node 在大量命令并发处理时性能不够。

四、如何适配不同的 AI Agent

RTK 支持多种 AI 编码助手，适配机制因 Agent 架构不同而分为两类：

钩子模式（Bash Hook）

适用于：Claude Code、Copilot、Gemini CLI、Cursor、Windsurf

这些 Agent 通过 Bash 调用系统命令。RTK 在 Shell 中安装一个钩子，在命令执行前拦截并重写：

# Agent 触发执行
git status

# 钩子拦截后实际执行
rtk git status

流程：

Agent 调用 git status
        │
        ▼
Shell 钩子拦截 → 提取命令和参数 → 匹配 RTK 支持的命令列表
        │
        ▼
匹配成功 → 执行 rtk git status → 返回精简输出
匹配失败 → 执行原命令 → 原始输出

钩子安装后 Agent 全程无感知。通过 rtk init -g 完成，它在 Shell 配置（.bashrc / .zshrc）中添加脚本，自动检查命令是否需要 RTK 处理。

插件模式（Plugin API）

适用于：Hermes、Cline、Roo Code、Kilo Code

这些 Agent 有插件系统或可扩展的工具调用机制。RTK 通过它们的插件 API 注册为命令处理工具，Agent 在执行命令时主动将输出送入 RTK 管道处理。

# Hermes
rtk init --agent hermes

# Cline / Roo Code
rtk init --agent cline

# Kilo Code
rtk init --agent kilocode

内置工具的限制

钩子只对 Bash 工具调用生效。如果 Agent 使用内置工具（如 Claude Code 的 Read、Grep、Glob），这些不走 Shell，不会被钩子拦截。需要显式使用 RTK 命令：

# 内置 Read 工具 → 不走钩子
# 改用
cat file.rs | head -50          # Bash 走钩子
rtk read file.rs                # 显式调用
rtk grep "pattern" .            # 显式调用
rtk find "*.rs" .               # 显式调用

各 Agent 配置命令速查

rtk init -g                     # Claude Code / Copilot（默认）
rtk init -g --gemini            # Gemini CLI
rtk init -g --codex             # Codex (OpenAI)
rtk init -g --agent cursor      # Cursor
rtk init -g --agent windsurf    # Windsurf
rtk init --agent cline          # Cline / Roo Code
rtk init --agent hermes         # Hermes
rtk init --agent kilocode       # Kilo Code
rtk init --agent antigravity    # Google Antigravity
rtk init --agent pi             # Pi

执行后重启 AI 工具即可生效。

五、安装

macOS（推荐）

brew install rtk

Linux/macOS 快速安装

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

Windows

从 Releases 下载 rtk-x86_64-pc-windows-msvc.zip，解压后把 rtk.exe 放到 PATH 目录。

验证

rtk --version

六、快速启用

RTK 需要配合 AI 工具安装钩子：

# Claude Code / Copilot（推荐）
rtk init -g

# 其他工具
rtk init -g --gemini      # Gemini CLI
rtk init -g --codex       # Codex (OpenAI)
rtk init -g --agent cursor   # Cursor
rtk init -g --agent windsurf # Windsurf
rtk init --agent hermes      # Hermes

启用后，AI 工具执行的命令会自动经过 RTK 处理。无需修改工作流，只是在后台减少了 Token 消耗。

七、支持的命令

RTK 支持 100+ 命令，按场景分类：

测试场景尤其明显。cargo test 失败时可能输出 200+ 行，RTK 只告诉你哪几个测试失败和错误信息——约 20 行。

八、适用场景

相关链接：

• GitHub 仓库
• 官方网站
• 安装指南