RTK（Rust Token Killer）是 GitHub 上目前累積 78,303 顆星標的開源 CLI 代理工具，由 rtk-ai 團隊以 Rust 開發，採用 Apache 2.0 授權。該工具的核心定位是攔截開發者於終端機執行的 shell 指令，在輸出進入 AI 編碼代理的 LLM 上下文之前加以過濾與壓縮，官方宣稱可減少最多 90% 的 bash 輸出量，從根本降低大型語言模型的 token 消耗。
RTK 是開源 CLI 代理工具，以 Rust 開發，攔截 shell 指令輸出並壓縮後才送入 AI 編碼代理的上下文，宣稱可減少最多 90% 的 bash 輸出量。目前約 7.8 萬星標。
RTK 是什麼？
RTK 全名為 Rust Token Killer，是一個效能取向的指令輸出壓縮代理，採用單一 Rust 二進位檔部署，支援超過 100 種常見指令的輸出處理，單次介入的額外延遲低於 10 毫秒。它並非語言模型或推理框架，而是介於 AI 代理與 shell 之間的中介層：代理執行 git status、cargo test 或 docker ps 等指令時，RTK 接管執行流程，並將原本冗長的原始輸出改寫為精簡摘要後回傳。
RTK 是介於 AI 代理與 shell 之間的輸出壓縮中介層，以單一 Rust 二進位檔處理超過 100 種指令，介入延遲低於 10 毫秒，目標是降低 LLM 的 token 消耗。
該專案由 Patrick Szymkowiak 創立，於 2026 年 1 月建立儲存庫，同年內星標數快速攀升至 7.8 萬，反映開發者社群對 token 成本優化的高度關注。專案提供 Homebrew、Cargo 與安裝腳本三種安裝方式，並針對 Windows、macOS 與 Linux 提供預編譯二進位檔。
RTK 如何壓縮指令輸出？
RTK 對指令輸出採用四種壓縮策略：智慧過濾、歸納分組、截斷與去重。智慧過濾移除註解、空白與樣板內容；歸納分組將相似項目聚合，例如以目錄與檔案數量取代逐行列表；截斷保留關鍵上下文並裁減冗餘資訊；去重則將重複的日誌行摺疊為計數。
RTK 以智慧過濾、歸納分組、截斷與去重四種策略壓縮輸出，例如 ls -la 由 45 行縮為 12 行目錄樹，git push 縮為單行確認。
以官方文件中的實例對照，ls -la 原本輸出 45 行，經 RTK 處理後縮減為 12 行的緊湊目錄樹，並標示各資料夾的檔案數量；git push 原本輸出 15 行包括物件列舉與壓縮過程，RTK 僅回傳 ok main 單行確認；cargo test 在失敗時原本輸出超過 200 行，RTK 則保留失敗案例的斷言訊息與位置，壓縮至約 20 行。測試執行器是 RTK 效益最明顯的場景，pytest、go test 與 cargo test 的輸出縮減幅度均可達九成。
RTK 支援哪些 AI 開發工具？
RTK 目前支援 16 款主流 AI 編碼工具，整合方式因工具而異。Claude Code、GitHub Copilot 與 Cursor 透過 PreToolUse hook 進行指令改寫，Gemini CLI 使用 BeforeTool hook，Codex 則利用 AGENTS.md 文件指引，Cline 與 Kilo Code 採用專案層級的規則檔。
RTK 支援 Claude Code、Copilot、Cursor、Gemini CLI、Codex 等 16 款 AI 編碼工具，以 hook 或專案規則自動改寫指令。
其自動改寫機制對 Bash 工具呼叫生效，代理執行指令前會先被改寫為對應的 rtk 指令，因此使用者無須逐條手動輸入。官方指出 Claude Code 內建的 Read、Grep 與 Glob 等工具不會經過 Bash hook，若要在這些流程獲得壓縮輸出，需改用 shell 指令或直接呼叫 rtk read、rtk grep 與 rtk find。
RTK 的 token 節省效果如何衡量？
RTK 提供 rtk gain 指令檢視 token 節省儀表板，包括摘要統計、30 日圖表、日明細與 JSON 匯出格式，另有 rtk discover 指令掃描尚未覆蓋的節省機會。官方特別澄清，輸出縮減幅度不等於帳單縮減幅度，因為 bash 輸出僅是輸入 token 的一部分，輸入 token 又僅是整體帳單的一部分。
RTK 以 rtk gain 儀表板追蹤 token 節省，rtk discover 尋找未覆蓋的優化機會；輸出縮減並不等於帳單縮減。
RTK 未內建 tokenizer，節省的 token 數以位元組除以四估算，因此百分比數據可靠，但絕對 token 數字屬近似值。當指令執行失敗時，RTK 會將完整未過濾輸出存檔，讓 LLM 無需重新執行即可讀取原始錯誤內容，兼顧節省與除錯完整性。
RTK 的隱私與遙測設計如何？
RTK 的遙測功能預設關閉，僅在 rtk init 過程中經使用者明確同意後啟用，符合 GDPR 規範。蒐集的數據全部是彙總計數或匿名化指令名稱，例如以雜湊裝置識別碼統計安裝數，指令僅記錄工具名稱而不記錄參數，明確排除原始碼、檔案路徑、指令參數、密鑰、環境變數與個人資料。
RTK 遙測預設關閉並需明確同意，數據限於彙總計數與匿名指令名稱，不記錄原始碼或密鑰；可隨時撤回同意並刪除本地資料。
使用者可隨時以 rtk telemetry status 檢查同意狀態，透過 rtk telemetry disable 撤回同意，或設定 RTK_TELEMETRY_DISABLED 環境變數強制封鎖遙測。官方文件列出完整的數據類別與用途，包括指令類別分佈、採用程度與功能使用率，以協助團隊判斷哪些過濾器最值得優先開發。
RTK 累積 78,303 顆星標與 4,937 個 forks，採用 Rust 與 Apache 2.0 授權，支援超過 100 種指令處理並宣稱可減少最多 90% 的 bash 輸出量。
RTK 的市場定位與生態影響如何？
RTK 的崛起反映 AI 編碼代理普及後浮現的新一類基礎設施需求：上下文最佳化。當代理大量執行 shell 指令時，冗餘輸出會持續佔用上下文窗口並推高成本，RTK 選擇以透明代理層處理此問題，無須修改任何 agent 的模型設定或提示詞，降低採用門檻。
RTK 填補 AI 編碼代理的上下文最佳化需求，以透明代理層壓縮輸出，無須修改模型設定或提示詞即可整合至 16 款主流工具，屬新興的 token 成本優化基礎設施。
與直接調整模型的方案相比，RTK 的優勢在於工具層級的高度相容性與可觀測性。rtk gain 儀表板提供實際節省數據，讓團隊能量化採用效益；生態系統方面，Homebrew 收錄、16 款代理整合與多語言 README 顯示其商業化與社群經營路徑正逐步成形。
出處連結有哪些？
本文資訊整理自 RTK 的 GitHub 官方儲存庫，包括專案說明文件、指令參考、代理整合指南與官方網站文件，讀者可前往以下連結取得原始資料：
- GitHub 專案頁面：
https://github.com/rtk-ai/rtk - 官方文件網站：
https://www.rtk-ai.app/guide
本文資訊來源為 RTK 的 GitHub 儲存庫（rtk-ai/rtk）與官方文件網站 rtk-ai.app，涵蓋安裝、指令參考、代理整合與架構設計等完整內容。
總結：RTK 適合什麼開發團隊？
RTK 適合長期使用 AI 編碼代理、並關注 token 成本與上下文效率的開發者與團隊，尤其是頻繁執行測試、建置與 Git 操作的工作流程，因為這些指令輸出最為冗長，壓縮效益最明顯。對於已使用 Claude Code、Gemini CLI 或 Cursor 等工具的開發者，RTK 的自動改寫機制可無痛整合。
RTK 適合長期使用 AI 編碼代理並關注 token 成本的團隊，尤其適用頻繁執行測試、建置與 Git 操作的流程。Apache 2.0 授權亦適合商業環境採用。
對於僅偶爾使用 AI 輔助編碼、或專案規模細小的開發者，RTK 的效益可能有限，因為輸出壓縮的絕對節省量與使用頻率成正比。整體而言，該專案以務實的代理層設計切入 token 成本議題，兼具開源透明度與生態相容性，是 2026 年值得關注的開發工具基礎設施之一。