rtk 实测：Rust 写的 CLI 代理，让 Claude Code 账单从 1200 元砍到 240 元 (2026)

Quick Answer #

Q: rtk 是什么？能省多少 AI 编程账单？

A: rtk 是开源 Rust CLI 代理，自动压缩命令输出，让 Claude Code / Cursor / GitHub Copilot / Codex / Gemini CLI 等 13 款 AI 编程工具的 token 消耗降低 60-90%。实测：每月 1200 元 Claude API 账单砍到 240 元，<10ms 延迟，MIT 开源，30 秒安装。

一句话总结：rtk 是一个用 Rust 编写的单文件 CLI 代理，通过智能过滤和压缩命令输出，帮你在使用 Claude Code、Cursor、Codex 等 AI 编程工具时减少 60%-90% 的 token 消耗。支持 100+ 命令，覆盖 git、测试、构建、Docker 等全开发流程，安装只需一条命令，零依赖、零配置。

引言 #

dibi8 的看法 —— 上季度我们专门审计了团队 AI 编程的 token 消耗。3 月那张 1200 元/月的 Claude API 账单是真实的，让我们意外的发现是：大约 70% 的 token 是噪声——AI agent 把 git status 塞进上下文，然后是 git diff，然后是 npm test 输出，其中大部分是重复日志、进度条、过时的 ASCII 目录树。rtk 是我们见过最直接的解法 —— 它住在命令边界，不用改任何 workflow 文件。

为什么 2026 年每个开发者都在为 token 账单焦虑 #

2025 到 2026 年，AI 辅助编程从"尝鲜"变成了"刚需"。Claude Code、GitHub Copilot、Cursor、Windsurf、Gemini CLI……这些工具确实让编码效率翻倍，但随之而来的是一个被严重低估的成本：token 消耗。

一个典型的中国开发者使用 Claude Code 的真实账单大概是：

• 轻度使用（每天 1-2 小时）：每月 300-600 元 API 费用
• 中度使用（每天 3-4 小时）：每月 800-1500 元
• 重度使用/团队场景：每月 3000-5000 元不稀奇

这还不包括 ChatGPT Plus、Cursor Pro、GitHub Copilot Pro 等固定订阅费用。一个全栈工程师的"AI 工具栈"月支出轻松突破 2000 元。

更隐蔽的问题是：你花的钱，相当一部分被浪费了。

当你让 Claude Code 执行 git status、cat package.json、cargo test 这类命令时，返回的原始输出充斥着大量对 AI 而言毫无信息量的内容——空白行、进度条、ASCII 艺术、重复日志、冗长的元数据。这些"噪声"全部塞进 LLM 的上下文窗口，白白烧掉你的 token 配额。

rtk 解决的正是这个被忽视的浪费环节。

rtk 是什么：不是又一个 AI 工具，而是你的"节流阀" #

rtk（GitHub: rtk-ai/rtk）的定位非常精准：它本身不生成代码、不聊天、不推理——它只做一件事，就是把 CLI 命令的输出"压扁"，再喂给 AI。

它像是一个夹在 “你的 AI 工具” 和 “shell” 之间的透明代理层：

没有 rtk 时：
Claude Code --git status--> shell --> git --> 返回 2000 token 的原始输出

有 rtk 时：
Claude Code --git status--> RTK --> git --> 过滤压缩 --> 返回 200 token 的精炼输出

关键特性一览：

实测数据：30 分钟 Claude Code 会话省了 80% token #

这是 rtk 官方文档中给出的基准测试，我们在自己项目（一个中型 TypeScript 全栈应用）上复现后确认数据准确：

80% 是什么概念？

如果你每月 Claude Code 的 API 账单是 1200 元，rtk 直接帮你砍掉 960 元。剩下 240 元的支出，效果却和原来完全一致——AI 拿到的信息没有减少，只是去掉了噪声。

rtk 的四大核心机制 #

rtk 不是简单地把输出截断（truncation），而是根据命令类型应用四种策略：

1. Smart Filtering（智能过滤） #

移除对 LLM 无意义的噪声：注释、空行、样板代码、进度条、ASCII 装饰。比如 git push 的完整输出里有 “Enumerating objects… Counting objects… Delta compression…” 一大串，rtk 直接把它变成一行 ok main。

2. Grouping（分组聚合） #

把同类项合并。git status 不再逐行列出文件，而是按目录聚合：src/ (8 files)。测试失败不再打印整页堆栈，而是 FAILED: 2/15 tests，下面只列出具体失败项。

3. Truncation（智能截断） #

保留上下文，切除冗余。cat 一个 500 行的配置文件，rtk 保留结构但压缩值。rtk read file.rs -l aggressive 甚至只保留函数签名，完全剥离函数体。

4. Deduplication（去重） #

Docker 日志、测试输出里常见的重复行，rtk 会折叠成 ... (repeated 47x)，省下大量 token。

支持 13 款 AI 工具，一键接入 #

rtk 最让人惊喜的是它的生态兼容性。它不是只给 Claude Code 用的私货，而是覆盖了当下几乎所有主流 AI 编程工具：

这意味着：你可以在不同工具之间无缝切换，rtk 的节省效果始终跟随你。 如果你同时用多款 AI 工具，可以搭配 CC Switch 统一管理 提升切换效率。

安装与上手：literally 30 秒 #

macOS（推荐 Homebrew） #

brew install rtk
rtk init -g

Linux 一键安装 #

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

验证安装 #

rtk --version   # rtk 0.28.2
rtk gain        # 查看 token 节省统计

安装完成后，你不需要改变任何使用习惯。继续像平常一样输入 git status、cargo test，rtk 的钩子会在底层自动重写命令，AI 拿到的是压缩后的输出，你无感知。

进阶用法：从 git status 到 AWS 全栈覆盖 #

Git 操作 #

rtk git status / log -n 10 / diff / push

测试输出（只看失败） #

rtk pytest / cargo test / test <cmd>

代码检查（分组聚合） #

rtk lint / tsc / ruff check

Docker & K8s（去重日志） #

rtk docker ps / docker logs <id> / kubectl pods

AWS（脱敏 + 精简） #

rtk aws ec2 describe-instances
rtk aws lambda list-functions
rtk aws s3 ls

数据分析（结构化输出） #

rtk json config.json
rtk deps
rtk summary <long cmd>

rtk 的局限与最佳实践 #

局限性 #

1. Bash 命令才生效：Claude Code 内置的 Read、Grep、Glob 等工具不走 Bash hook。解决：改用 shell 命令（cat、rg、find）或显式 rtk read、rtk grep。
2. Windows 原生支持有限：auto-rewrite 需要 Unix shell。Windows 原生需手动加 rtk 前缀。推荐用 WSL。
3. 极端场景需完整输出：用 -v / --verbose 提高详细度。

最佳实践 #

• 先安装再忘记 —— 装好钩子后正常使用即可
• 每周看 rtk gain —— 了解节省情况
• rtk discover —— 发现可节省但未覆盖的命令
• 排除敏感命令 —— ~/.config/rtk/config.toml 设置 exclude_commands = ["curl", "playwright"]

同类工具对比 #

rtk 的核心优势：它工作在命令层，不需要改一行业务代码，不需要接入 API 网关，不需要学习新的抽象。

总结：这是一个"不买就亏"的工具 #

2026 年的开发者工具市场，大家都在做加法——更强的模型、更多的功能、更炫的界面。rtk 罕见地做了一次减法：把已经存在的东西，变得更轻、更省、更高效。

它不替代你的 AI 工具，只是让它们的"伙食费"打八折甚至一折。它不改变你的工作流，只是默默把噪声滤掉。它不向你收钱（MIT 开源），却每个月帮你省下一笔真金白银。

# 30 秒，开始省钱
brew install rtk
rtk init -g

推荐 AI 编程主机 #

如果你需要远程持续运行 AI agent（CI runner / 自部署 Claude Code server / 远程 devbox），下面是我们常用的 VPS 提供商：

• DigitalOcean — $5/月 droplet 撑得起单人 AI coding 工作流，新用户 $200 免费额度
• HTStack — 香港 / 新加坡 VPS，亚太地区低延迟，$4/月起步

完整的低成本 LLM 工作栈方案请看：Cheap LLM Stack 合集。

本文包含联盟链接。如果你通过这些链接购买，我们可能获得佣金 —— 你付的价格不会变。

延伸阅读 #

• rtk GitHub 仓库
• rtk 官方文档
• CC Switch — 多 AI CLI 统一管理工具
• Cheap LLM Stack 合集 — 完整的低成本方案
• n8n AI Workflow Automation

FAQ #

rtk 会把我的代码发到第三方吗？ #

不会。rtk 是纯本地二进制，只在你的 shell 和 AI 工具的 context 之间做过滤。不联网。

如果 Claude Code / Cursor 升级了 rtk 会不会失效？ #

hook 机制相对稳定。rtk 自 0.10 起持续跟进 Claude Code 的 hook API。如有 breaking change，rtk 通常 24-48 小时内发版跟上。

我能在自研 AI agent 上用 rtk 吗？ #

可以 — rtk 提供 Python plugin 模式（Hermes 在用），可以适配自定义 agent。文档在 GitHub /docs/plugins/。

跟直接用 --no-pager 或 --quiet 有什么区别？ #

rtk 是命令感知的。git --no-pager log 还是产出冗长输出。rtk 的 git log 策略具体把它转成单行摘要 + 去重。“更少冗长” vs “结构化压缩” 是两回事。

rtk 适合用在 production CI/CD 吗？ #

在 agent workflow 里安全。不要用在 set -e 严格依赖具体命令输出文本的 pipeline 里 — 但 AI agent 读输出做决策的 loop 里，rtk 的压缩版正是 agent 真正需要的。