AI 工具雷達
GitHub 與進階 AI 工具新手難度：中Docker：視使用方式而定來源：GitHub13 分鐘閱讀

RTK 是什麼？AI coding agent 如何少浪費 token？

編輯：BJ最後檢查：2026-10-06主要來源：GitHub

RTK 是一個給 AI coding agent 用的終端機輸出整理工具，會把 git、測試、lint、Docker 這些指令結果砍短再交給 AI，本文用白話整理它能做什麼、Windows 怎麼裝、怎麼接 Claude Code 和 Codex，以及兩份大型實測告訴我們的事——token 變少不等於帳單變少，想清楚自己要的是哪一個再裝。

RTK 壓縮 AI coding agent 指令輸出的流程示意圖
本站自製示意圖

先抓 RTK 的用途

  • RTK 是給 AI coding agent 用的「終端機輸出整理器」。
  • 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，再交給 AI。
  • 它適合常用 Claude Code、Codex、Gemini CLI、Cursor、OpenCode、Antigravity 這類工具的人。
  • 本文講的是 rtk-ai/rtk 這個以 Rust 寫成的開源專案，GitHub 上有八萬多顆星，安裝後的指令是 rtk。網路上還有其他工具也用 RTK 當縮寫，安裝前先確認 repo 位置對不對。

先講結論：RTK 確實能讓 AI 少讀很多終端機雜訊，但 2026 年兩份大型實測都發現，它不太會讓你的帳單變少。 如果你裝它是為了省錢，下面「它到底能不能幫你省錢」那段一定要先看。

用這 4 題判斷是否需要

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？macOS 用 Homebrew，Windows 用 winget install rtk-ai.rtk，Linux 用官方安裝 script。
要不要錢？RTK 本身開源免費；你用的 AI coding agent 或模型 API 照原本規則收費，而且不一定會因為 RTK 變便宜。
怎麼開始？安裝 rtk，再依你用的工具執行一行 rtk init，重開 agent 就生效。

RTK 的一句話定位

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。這些輸出對人來說已經很長，對 AI 來說更會占掉上下文。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，它處理的只有「終端機輸出進入 AI 上下文」那一段，而那一段在整張帳單裡，往往比你想像的小。

RTK 是什麼？

RTK 的全名常被稱作 Rust Token Killer。它放在 AI coding agent 和終端機指令之間，agent 要跑指令時，先經過它整理一次。

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 會列出它估計幫你砍掉了多少輸出。

官方 README 現在的說法是「最多砍掉 90% 的終端機輸出」，並且直接寫明這跟帳單少 90% 不是同一件事。早期的宣傳詞是「省 60% 到 90% 的 token」，2026 年 7 月改掉了，網路上很多文章還停在舊說法。

它到底能不能幫你省錢？

這是很多人搜 RTK 真正想知道的事，所以分開講清楚：token 變少，和帳單變少，是兩件事。

兩份實測的結果

2026 年 9 月，Quesma 發表了目前規模最大的一份實測。他們用 Terminal-Bench 2.1 的題目，讓兩組 agent 每題有裝、沒裝 RTK 各跑 5 次，總共 1,740 次、花了超過 1,500 美元：

Claude Code + Fable 5.0OpenCode + DeepSeek V4 Pro
每題平均成本貴 1%（差距小到不算數）貴 17%
總帳單少 5%多 5%
題目通過率低 1%低 2%

而且 Fable 那組省下的錢，幾乎都來自同一題，其他題目省不到 1%。Quesma 的結論是不建議把 RTK 當成通用的省錢工具。

再早一點，JetBrains 在 2026 年 7 月也測過一輪：Claude Code 搭 claude-sonnet-5、86 題。低推理強度時，裝了 RTK 的成本中位數反而多 7.6%；高推理強度時幾乎沒差。兩邊的答題品質都沒有差異。

RTK 官方自己也跑了一輪，結果是成本少 4.8%，但統計上不顯著，官方自己的用詞是「成本持平」。

為什麼省了 token，錢卻沒少

終端機輸出在帳單裡占比很小。 Quesma 量到的數字，Claude Code 那組終端機輸出只占輸入的 7%，就算全部砍光，天花板也就這麼高。RTK 作者在討論區也承認這一點。

AI 會多跑幾輪，把省下來的吃回去。 輸出被砍短之後，AI 有時看不到需要的細節，就再跑一次指令、多看一個檔案。DeepSeek 那組每一輪的輸入少了 7%，但總輪數多了 18%。多一輪對話的成本，可能比壓縮省下的還多。

大部分輸入是「快取讀取」，本來就很便宜。 現在的 agent 會重複利用前面讀過的內容，這部分的價格只有一般輸入的十分之一到三十分之一，RTK 壓的又剛好不是這部分。

它不是每個指令都攔得到。 RTK 只處理 agent 透過終端機跑的指令，Claude Code 內建的讀檔、搜尋工具不會經過它。實測裡真的經過 RTK 的終端機呼叫，大約只有三到五成。

另外有一個小插曲：Quesma 測的 0.45.0 版有一個 bug，讓 agent 在某題陷入重試迴圈，那次的成本暴增到 9 倍。0.46.0 已經修掉，所以裝的話記得用新版。

rtk gain 的數字要怎麼看

rtk gain 會顯示一個很漂亮的「省了多少 token」，但它是用「被刪掉的字數」估算出來的，不是模型實際計費的 token，官方也承認這是粗估。Quesma 那組 DeepSeek 的 rtk gain 顯示省了 89%，實際帳單卻是變貴。

所以這個數字可以拿來看「哪些指令最囉嗦」，但不要拿來算你省了多少錢。

那什麼時候值得裝

我會把 RTK 當成「讓終端機輸出比較好讀」的工具，而不是省錢工具。

值得裝的情況：

你常讓 agent 跑會噴出幾百行的測試、build 或 log，對話很快就被塞滿、它開始忘記前面講過的事。

你自己也會看 agent 的對話紀錄，希望裡面少一點雜訊。

不用急著裝的情況：

你裝它主要是為了讓 Claude Code 或 Codex 的帳單變少。依目前的實測，這個目的大概達不到。

真的想控制成本，先看 token 是什麼、AI 費用怎麼算，以及 clauditor 這類管 session 長度的工具，對帳單的影響會比壓終端機輸出大。

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 用 Homebrew：

brew install rtk

Windows 用 winget，這是官方說最簡單的方式：

winget install rtk-ai.rtk

Linux 或 macOS 也可以用官方安裝 script：

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

任何平台都能用 Cargo 從 GitHub 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 應該能正常顯示統計。

新手怎麼開始？

如果你正在用 AI coding agent，照這個順序：

  1. 到 GitHub 確認你要裝的是 rtk-ai/rtk。
  2. 用上面任一種方式安裝。
  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                      # Claude Code
rtk init -g --codex              # Codex
rtk init -g --gemini             # Gemini CLI
rtk init -g --copilot            # GitHub Copilot
rtk init -g --opencode           # OpenCode
rtk init -g --agent cursor       # Cursor
rtk init -g --agent windsurf     # Windsurf
rtk init --agent cline           # Cline / Roo Code
rtk init --agent kilocode        # Kilo Code
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 哪些指令被整理最多。

這裡有一個差別要知道。Claude Code、Codex、Gemini CLI、Cursor、OpenCode、Antigravity 是自動改寫：agent 要跑指令時，RTK 會自己接手，你不用做任何事。Windsurf、Cline、Kilo Code 則只會寫一份規則檔，請 AI 記得用 rtk 開頭跑指令，AI 有沒有照做要看模型自己。GitHub Copilot 的 CLI 版也不會自動改寫，只會擋下來建議改用 RTK。

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，而且現在跟 macOS、Linux 一樣完整。

以前 Windows 版的自動改寫需要 Unix shell，所以很多教學（包括這篇的舊版）會建議走 WSL。從 2026 年 4 月的 v0.37.2 開始，自動改寫改成 RTK 自己處理，不需要 bash 或其他 Unix 工具，CMD、PowerShell、Windows Terminal 都能用。

兩個小提醒：

如果你很早以前就裝過，電腦裡可能還留著舊的 rtk-rewrite.sh。重跑一次 rtk init -g，它會換成新的方式。

有些整理規則會用到 ripgrep，Windows 沒裝的話可以補：winget install BurntSushi.ripgrep.MSVC。

想用 WSL 也可以，照 Linux 的方式裝，行為跟 Linux 完全一樣。

AI coding agent 如何少浪費 token？

AI coding agent 浪費上下文的地方，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。

但上下文少浪費一點，跟帳單少一點，中間還隔著前面講的那幾層。如果你的目標是讓整體用量下降，比較有效的順序通常是：先用 RTK 處理終端機輸出變胖，再用 clauditor 處理 session 越聊越長，最後用 claude-token-efficient 讓 Claude 的回覆變短。三個各管一段，RTK 管的是最前面、也是占比最小的那段。

這也是為什麼它跟 mem0 是兩個不同方向：mem0 解決長期記憶，RTK 解決當下上下文裡的雜訊。

壓縮輸出時要注意什麼

  • 摘要可能漏細節：RTK 是為了壓縮輸出，AI 看不到需要的細節時，會多跑幾輪，反而更花錢。卡住的時候，直接叫它看完整原始 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。
  • 規則檔模式不一定生效：用 Windsurf、Cline、Kilo Code 的人，RTK 只是寫規則請 AI 配合，AI 可能會忘記。
  • 不是所有動作都會經過 RTK：agent 內建的讀檔、搜尋工具不走終端機，RTK 管不到。
  • 商用前先看授權：截至 2026-10-06，倉庫 LICENSE 顯示 Apache 2.0，商用以倉庫最新的 LICENSE 檔為準。

其他整理輸出的方法

RTK 這類工具不多，你可以依問題拆開看：

  • 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。
  • LLMLingua：偏 prompt 壓縮研究與套件，不是 coding agent 用的終端機工具。

最後適不適合用 RTK

如果你常讓 AI coding agent 跑測試、看 log，而且受不了對話被幾百行輸出塞滿，RTK 值得裝來試，它讓輸出變乾淨這件事是真的。

但如果你是看到「省 90% token」才來的，老實說，依現在的實測，它很難幫你把帳單壓下來，有時還會變貴。想省錢，先從縮短 session、換便宜模型、控制推理強度下手，效果會明顯得多。

剛開始學 AI 工具的人更不用急。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」的時候，再回來看 RTK，會比較知道它在處理什麼。

參考來源

  • 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
  • Quesma 實測（2026-09-11）：https://quesma.com/blog/does-rtk-make-ai-coding-cheaper/
  • JetBrains 實測（2026-07）：https://blog.jetbrains.com/ai/2026/07/rtk-claude-code-token-savings/
  • RTK 官方 SkillsBench 測試（2026-08-07）：https://www.rtk-ai.app/blog/rtk-on-skillsbench/

最後檢查日期：2026-10-06

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。

claude-token-efficient 是什麼？用 CLAUDE.md 讓 Claude Code 回覆更精簡的規則包

用中文白話介紹 claude-token-efficient 如何用短版 CLAUDE.md 控制 Claude Code 回覆長度、什麼情況有效、什麼情況不適合，以及使用前的限制。

clauditor 是什麼？防止 Claude Code 長 session 過度消耗 token 的守門工具

用中文白話介紹 clauditor 如何監控 Claude Code 長 session 的 token 浪費、何時提醒換新 session、適合誰使用，以及安裝與風險提醒。

用 OpenHands 跑 Claude Code、Codex：ACP 是什麼，已經有訂閱的人怎麼接

OpenHands 的 Agent Canvas 可以透過 ACP 直接接 Claude Code、Codex 和 Gemini CLI，沿用你原本登入的訂閱帳號、不必另外付 API 費，本篇說明 ACP 是什麼、在設定精靈裡怎麼選、登入憑證要放在哪台電腦，以及什麼時候該用 OpenHands 自己的 agent、什麼時候接 Claude Code 比較划算。