AI 工具雷達AI Tools Radar

開源 AI 工具

RTK 是什麼？AI coding agent 如何少浪費 token？

RTK 是一個給 AI coding agent 使用的命令列輸出壓縮工具，會把 git、測試、lint、Docker 等常見指令結果整理成更短、更好讀的內容，再交給 AI。本文用白話整理 RTK 可以做什麼、去哪裡安裝、要不要錢、Windows 有哪些限制，以及它到底能不能真的省 token。

3 秒看懂

  • RTK 是給 AI coding agent 用的「命令列輸出整理器」。
  • 它不是 AI 模型，也不是 IDE，而是把 git diff、測試結果、錯誤 log 這些長輸出變短。
  • 它適合常用 Claude Code、Codex、Gemini CLI、Cursor、Windsurf、Antigravity 這類工具的人。

先回答 4 個問題

問題白話答案
可以幹嘛？把常見開發指令的輸出過濾、分組、去重、截短，讓 AI coding agent 少讀一堆雜訊。
去哪裡用？到 RTK GitHub、官方網站或 GitHub Releases 安裝；macOS 可用 Homebrew，Windows 建議用 WSL 或手動下載執行檔。
要不要錢？RTK 本身是開源工具；但你使用的 AI coding agent 或 LLM API 仍照原本規則收費。
怎麼開始？先安裝 rtk，再依你用的工具執行初始化，例如 Claude Code、Codex、Gemini CLI、Cursor 或 Antigravity。

一句話結論

RTK 解決的是「AI coding agent 被終端機輸出塞爆」這件事。

AI 幫你寫程式時，常會看 git status、git diff、npm test、docker logs。這些輸出對人類來說已經很長，對 AI 來說更會消耗上下文與 token。RTK 的做法是先把命令輸出整理成重點，再交給 AI。

它不是讓模型變便宜，也不是讓所有 token 都消失；它主要省的是「指令輸出進入 AI 上下文」那一段。

RTK 壓縮 AI coding agent 指令輸出的流程示意圖：原始 git、測試與 log 輸出先經過 RTK 過濾、分組、去重與截短，再交給 AI coding agent 讀取，減少上下文浪費

RTK 是什麼？

RTK 的全名常被稱作 Rust Token Killer。它是一個命令列代理工具，放在 AI coding agent 和 shell 指令之間。

你可以把它想成「懂開發指令的摘要器」：

  • git status 只保留真正改了哪些檔案。
  • git diff 盡量留下關鍵差異，不把整片內容塞進上下文。
  • npm test、pytest、cargo test 優先顯示失敗重點。
  • docker logs、kubectl logs 會去掉重複和雜訊。
  • rtk gain 可以看它估算幫你省了多少 token。

官方 README 說它支援 100 多種常見命令，並主打常見開發指令可降低 60% 到 90% 的 token 消耗。這個數字會依專案大小、指令類型與 agent 使用方式而變動，不是保證每次都固定省 90%。

你可以拿它做什麼？

  • 讓 AI 看 git diff 時少讀一堆不重要的上下文。
  • 讓測試失敗時只把失敗案例和錯誤重點交給 AI。
  • 讓 git log、git status、docker ps、kubectl logs 變成較短摘要。
  • 在長時間 coding session 中減少「工具輸出」占用上下文。
  • 幫你回頭看 rtk gain，知道哪些命令最浪費 token。

簡單講，RTK 不是幫你寫程式；它是幫寫程式的 AI 少吃雜訊。

去哪裡下載或安裝？

主要入口：

  • GitHub：https://github.com/rtk-ai/rtk
  • 官方網站與指南：https://www.rtk-ai.app
  • GitHub Releases：https://github.com/rtk-ai/rtk/releases

macOS 最簡單通常是 Homebrew：

brew install rtk

Linux 或 macOS 也可用官方安裝 script：

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

也可以用 Cargo 從 GitHub 安裝：

cargo install --git https://github.com/rtk-ai/rtk

安裝後先確認是不是正確的 RTK：

rtk --version
rtk gain

官方安裝文件特別提醒：網路上有另一個也叫 rtk 的不同專案。你要的是 rtk-ai/rtk，而且 rtk gain 應該能顯示 token savings 統計。

要不要錢？

RTK 本身是開源工具。GitHub API 與倉庫 LICENSE 目前顯示 Apache 2.0 授權。

但要注意三件事：

  • AI 工具費用不會消失：Claude Code、Codex、Cursor、Gemini CLI 或其他 agent 的費用照算。
  • 它省的是工具輸出 token：你打的需求、AI 回答、模型思考與產生程式碼，RTK 不會全部幫你壓掉。
  • 省多少要看工作型態：如果你常跑測試、看 diff、查 log，體感會明顯；如果你只是短問短答，差異可能不大。

所以 RTK 適合「AI coding 用得很重」的人，不是一般聊天使用者必裝。

新手怎麼開始？

如果你正在用 AI coding agent，建議先照這個順序：

  1. 到 GitHub 確認你要裝的是 rtk-ai/rtk。
  2. 用 Homebrew、Cargo、GitHub Releases 或官方 script 安裝。
  3. 執行 rtk --version 和 rtk gain 確認安裝正確。
  4. 依你的工具初始化：
rtk init -g --codex       # Codex
rtk init -g --gemini      # Gemini CLI
rtk init -g               # Claude Code / Copilot 預設情境
rtk init --agent cursor   # Cursor
rtk init --agent windsurf # Windsurf
rtk init --agent antigravity # Google Antigravity
  1. 重新啟動你的 AI coding 工具。
  2. 先用 git status、git diff、測試指令試一輪，再看 rtk gain。

如果你還沒開始用 AI coding agent，先不用急著裝。先把 Codex、Claude Code、Cursor 或 Gemini CLI 的基本流程跑順，再研究 RTK 會比較有感。

Windows 可以用嗎？

可以，但要分兩種情況。

官方 README 說 Windows 可以下載預先編譯的 rtk.exe，在 PowerShell、Command Prompt 或 Windows Terminal 執行；不要直接雙擊 .exe。

但如果你想要「AI 執行命令時自動改寫成 RTK」，官方比較建議使用 WSL。原因是 auto-rewrite hook 需要 Unix shell；原生 Windows 通常會退回比較有限的設定方式，需要你更常手動呼叫 rtk。

白話建議：

你的環境建議
macOS / Linux可直接照官方流程安裝與初始化
Windows + WSL比較接近完整體驗
Windows 原生 PowerShell可以用，但自動改寫能力有限，先用 rtk git status 這類明確指令測試

AI coding agent 如何少浪費 token？

AI coding agent 最浪費 token 的地方，常常不是你問得太多，而是它每次看工具輸出都看到太多。

例如：

  • git diff 可能把整段檔案變更都丟進去。
  • 測試失敗可能先印 500 行初始化 log，真正錯誤只有 20 行。
  • docker logs 可能重複同一個 warning 幾十次。
  • ls -la 或 tree 可能列出一堆 AI 當下用不到的檔案。

RTK 的策略是把這些輸出整理成「AI 比較需要的形狀」：保留失敗、路徑、檔名、錯誤、摘要；砍掉重複、樣板、進度條、過長清單。

這就是為什麼它跟 mem0 是兩個不同方向：mem0 解決長期記憶，RTK 解決當下上下文浪費。

適合誰？

  • 常用 Claude Code、Codex、Gemini CLI、Cursor、Windsurf、Cline 或 Antigravity 的人。
  • 經常讓 AI 看測試輸出、lint 錯誤、Git diff、Docker log 的工程師。
  • 用量已經高到會在意 token、上下文長度或 session 成本的人。
  • 維護中大型專案，終端機輸出常常爆量的人。

不適合誰？

  • 只用 ChatGPT 或 Gemini 聊天，不跑程式碼指令的人。
  • 完全不碰終端機、Git、測試工具的新手。
  • 期待裝了就讓所有 AI 費用打 1 折的人。
  • 不想處理 PATH、shell、hook、agent 設定的人。

風險與注意事項

  • 摘要可能漏細節：RTK 是為了壓縮輸出，必要時仍要看完整原始 log。
  • 不要盲目讓 AI 照摘要修 bug：測試失敗和資安問題有時需要完整上下文。
  • Windows 體驗比較不一致：原生 Windows 可以用，但自動 hook 不一定等同 macOS / Linux。
  • 授權資訊要再確認：倉庫 LICENSE 與 GitHub API 顯示 Apache 2.0，但 README 仍可見 MIT 字樣；商用前建議以官方 repo 最新授權為準。
  • 不是所有命令都會被自動優化：內建讀檔工具或非 shell 工具可能不經過 RTK。

替代工具

RTK 這類工具目前比較新，直接替代品不多。你可以依問題拆開看：

  • LLMLingua：偏 prompt 壓縮研究與套件，不是 coding agent 命令代理。
  • 手動精簡命令：例如用 git diff --stat、rg、head、tail，成本低但需要人控制。
  • Agent 內建摘要功能：有些工具會自己整理輸出，但可控性和跨工具一致性不一定相同。
  • 自己寫 wrapper script：最彈性，但需要維護大量規則。

最終建議

如果你已經常用 AI coding agent，RTK 很值得試。它的價值不在炫技，而在於每天少讓 AI 讀一堆沒必要的終端機雜訊。

如果你只是剛開始學 AI 工具，先不用急。等你開始遇到「AI 一直讀很長的 diff、測試輸出、log，對話越來越卡」時，再回來看 RTK，會比較知道它在省什麼。

資料來源與更新時間

  • RTK GitHub：https://github.com/rtk-ai/rtk
  • RTK 官方網站：https://www.rtk-ai.app
  • RTK Releases：https://github.com/rtk-ai/rtk/releases
  • RTK INSTALL.md：https://github.com/rtk-ai/rtk/blob/master/INSTALL.md
  • RTK LICENSE：https://github.com/rtk-ai/rtk/blob/master/LICENSE

最後檢查日期：2026-04-27

延伸閱讀

mem0 是什麼？AI 為什麼需要長期記憶？

mem0 是一個給 AI Agent 和 AI 應用使用的記憶層，讓 AI 不只看當下對話，也能記住使用者偏好、歷史互動與任務狀態。本文用白話整理 mem0 可以做什麼、去哪裡用、要不要錢、怎麼開始，以及什麼情境真的需要 AI 長期記憶。

Open WebUI 是什麼？自架一個像 ChatGPT 的 AI 聊天入口

Open WebUI 是一個可自架的 AI 聊天網頁介面，可以連接本機 Ollama 模型或 OpenAI、Anthropic、Google 等雲端 API。本文用白話整理它能做什麼、去哪裡安裝、要不要錢、適合誰使用，以及新手第一步怎麼開始。

Ollama 是什麼？在自己電腦跑 AI 模型的新手入門

Ollama 是讓你在自己電腦下載、執行和管理 AI 模型的工具。本文用白話整理它能做什麼、去哪裡下載、要不要錢、電腦需要多強，以及新手第一個模型該怎麼跑。

Dify 是什麼？把 AI 做成客服、問答、流程應用的平台

Dify 是一個把 AI 做成可發布應用的平台，可以做客服機器人、文件問答、工作流程和內部助理。本文用白話整理它能做什麼、去哪裡使用、雲端與自架差別、要不要錢，以及新手怎麼開始。

Gemini Gems 是什麼？把常用提示詞存成自己的 AI 助手

Gemini Gems 是 Google Gemini 裡的自訂 AI 助手功能，可以把角色、任務、背景和輸出格式存起來反覆使用。本文用白話整理它能做什麼、去哪裡用、是否要付費、怎麼建立第一個 Gem，以及使用時要注意哪些資料風險。

Docker 是什麼？想玩 AI 自架工具前先懂這個

Docker 是把工具和執行環境一起打包的技術，很多 AI 自架工具都靠它安裝。本文用白話整理 Docker 可以幹嘛、去哪裡下載、要不要錢、新手怎麼開始，以及 image、container、volume 三個必懂觀念。