大家用AI工具的时候，是不是现在也像我一样，大概估算着token用量，就在上个月账单出来那会儿，我确实愣了几秒。

就正常干活：写写代码、跑跑测试、构建一下项目，结果光AI调用的token就干掉好几百。我耐着性子翻了翻会话记录，想揪出到底是哪个环节在疯狂烧钱。

问题很快浮出水面。

每次让AI帮我执行个终端命令，它都会把整段输出原样吞进上下文。npm install那密密麻麻的依赖树、cargo test刷满屏的测试通过信息、git status里长得离谱的未追踪文件列表……这些内容对AI判断问题其实帮助有限，但它得一字不落地处理，token就这么悄无声息地蒸发了。

我粗略估了下，真正对解决问题有参考价值的，撑死占5%。剩下95%，全是干扰项。

后来圈里朋友安利了我一个小工具，叫RTK（Rust Token Killer）。名字听着有点中二，但用起来确实香。

这玩意儿到底干啥的？

简单说，它就是个终端命令的"中间人"。

你在AI工具里敲git status，正常情况下输出会直接传给大模型。装上RTK后，输出会先经过它这层"筛子"，把冗余信息过滤掉，只留下核心内容，再递给AI。

官方给过一组对比数据：同样30分钟的Claude Code会话，token用量从11.8万降到2.4万，差不多省了八成。

这工具用Rust写的，启动不到10毫秒，内存常驻也就5MB出头。装好之后几乎无感，该咋用还咋用，唯一的变化是月底账单没那么刺眼了。

它是怎么"抠"出冗余的？

RTK的压缩逻辑分四档，针对不同场景做差异化处理。

① 清理视觉噪音

终端输出里那些对人类友好但对AI无用的内容，比如进度条动画、颜色控制码、空行、注释，统统剔除。

举个例子，git push原本可能输出十几行，包含远程地址、对象计数、压缩进度等细节。过滤后可能就留一句"push to main: OK"，意思到位就行。

② 同类信息做聚合

当你ls一个包含上百文件的目录，它不会把文件名逐个塞给AI，而是按类型或路径归类。输出变成"src/下有45个Java源文件，test/下有20个测试文件"这样的摘要。

实测ls类命令能从2000 token压到400左右，效率提升明显。

③ 长日志只留关键帧

像cargo test这种跑几百个用例的场景，如果只有两三个失败，它会把通过的用例汇总成"195 passed"，然后重点保留失败用例的错误堆栈和上下文。

这类场景压缩比能到90%，25000 token变2500，效果肉眼可见。

④ 识别并合并重复模式

编译日志里反复出现的"Compiling xxx"、容器日志里每行都带的时间戳，这类重复结构会被识别出来，合并成一条示意，避免无意义堆砌。

日常用的命令它能兜住吗？

目前支持30+常用命令，覆盖大部分开发场景：

• 文件浏览：ls、cat、find、grep、tree

• Git操作：status、log、diff、push、pull

• 测试框架：cargo test、npm test、pytest、go test

• 构建工具：cargo build、tsc、eslint、ruff

• 容器相关：docker ps、docker logs、kubectl pods

基本上你平时在AI辅助编程时高频敲的那些命令，它都能接得住。

上手门槛高不高？

真不高。

用Homebrew的话一行搞定：

brew install rtk

或者用curl脚本：

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

装完验证下：rtk --version

接着根据你用的AI工具初始化。比如我用Claude Code：

rtk init -g

-g表示全局生效，配一次到处能用。

其他工具也类似：

# Codex
rtk init -g --codex

# OpenCode  
rtk init -g --opencode

# Cursor / Windsurf 等IDE
rtk init -g --agent cursor
rtk init --agent windsurf

配完重启下AI工具就行。之后你正常敲命令，它在后台默默干活，你几乎察觉不到。

想卸载也简单：

rtk init -g --uninstall

到底能省多少？

它自带统计功能，随时能看节省效果：

rtk gain              # 查看总体节省
rtk gain --graph      # 30天趋势图
rtk gain --daily      # 按天/周/月细分

我自己用了几天，感知挺明显。社区里有用户反馈在Claude Code上累计省了上千万token，按当前定价算，确实不是小数目。

还有别的选择吗？

市面上类似思路的工具还有几个，侧重点略有不同：

• tokf：功能接近RTK，也是做命令输出压缩，但支持的命令和策略稍少

• .claudeignore：通过配置忽略特定文件/目录，减少无关内容进入上下文

• Compact Mode：Claude Code内置的压缩模式，一般能省30-50%

• PTC：私有工具调用方案，让中间结果不污染主上下文，适合复杂任务流

个人建议：如果主要痛点是终端命令输出太长，优先试RTK或tokf；如果是代码文件太多干扰上下文，.claudeignore就够了。这些方案不冲突，可以组合用。

使用前得知道的两点

没有银弹，RTK也有边界：

① 压缩可能误伤
本质是做信息取舍，某些调试场景你可能需要完整日志，而不是摘要。遇到偶发失败、边界case时，建议临时关闭压缩，保留原始输出。

② 自定义命令支持有限
它内置了常见命令的解析规则，但如果你用了很多自研脚本，或者输出格式比较非标，压缩效果可能打折扣，需要手动调优。

最后说句实在话

如果你跟我一样，重度依赖Claude Code、Cursor这类AI编程助手，日常频繁跑测试、做构建、操作git，而且每月token账单让你有点肉疼，那花30秒装个RTK试试，大概率不会失望。

如果你只是偶尔让AI帮忙看看代码、写写文档，很少执行终端命令，那可能没必要专门折腾。

项目开源在GitHub，搜rtk-ai/rtk就能找到。反正安装卸载都一行命令，试错成本几乎为零，值得一试。