RTK 宣称省 Token，实测成本反而涨了
RTK reports token savings, but our cost benchmarks disagree
RTK 号称能削减 90% 的终端输出，让 AI 编程更便宜，但我们的实测结果却大相径庭。在 Terminal-Bench 2.1 基准测试中，我们投入超过 1500 美元，对比了 Fable 5.0 和 DeepSeek V4 Pro 的表现。结果显示，RTK 不仅没有显著降低成本，反而在 DeepSeek 任务中导致成本平均上升 17%。问题在于，RTK 压缩输出可能迫使 AI 代理进行更多轮次的交互，单次节省的 Token 远抵不过额外轮次带来的开销。此外，RTK 报告的 Token 节省数据存在误导，它计算的是被过滤的字节数而非实际计费 Token。对于已经懂得使用 head 或 tail 等命令优化输出的前沿模型，RTK 更多是锦上添花甚至可能适得其反，而非通用的省钱利器。
RTK 报告的 Token 节省量并不等同于实际账单的减少，它统计的是被移除的输出字节，而非你真正省下的钱。
HN 评论区
60- aeneas_ory
所有这些“技巧”都是骗人的鬼话，我想我们心底都清楚。不管是 caveman、RTK，还是其他那些靠氛围包装的生产力/省 Token 技巧/技能/claude.md。
我真正有效的方法（虽然基准测试数据有点旧）是用专门的本地代码嵌入模型来索引代码库。这在 CPU 端有点费资源，但在我的测试中，它显著降低了 Token 用量和实际运行时间。当然，这始终取决于统计噪声和主机系统负载，而且运行足够大规模的基准测试本身太贵了，所以请酌情参考。
你可能会问为什么这招管用？好吧，LLM 基本上是靠暴力穷举单词/短语，然后把这些扔给 find/grep/pgrep 之类的工具（或者像最近这里讨论的那样，写个 Python 脚本来做——https://news.ycombinator.com/item?id=49654229）。语义搜索则是寻找相似性，所以你需要做的暴力穷举就少多了。当然，代价是得先索引所有内容。
项目地址在这里：https://github.com/ory/lumen
- oefrha
任何稍微看过 rtk gain 输出的人都能一眼看穿，根本不需要什么基准测试。Agent 运行
rtk command-that-prints-100k-tokens | tail -5
不用 rtk 时成本是 5 行，大概 100 个 Token，但 rtk 会报告节省了 10 万 Token。当然，它根本不知道后面还有个 tail -5。
更糟糕的是，由于 rtk 默认会持久化这个节省统计，它破坏了沙箱隔离。在命令前加 rtk 前缀，时不时还会导致随机的自动模式拒绝（这与禁用节省统计持久化无关）。
老实说，我真不知道任何懂点 CLI 常识的人为什么会把 rtk gain 当真。我猜大概是那些对终端一无所知、只会搞氛围编程的人，看到那个统计数字就觉得自己赚到了吧？
话虽如此，rtk 在压缩重复的测试运行输出等方面还是有点用的，但你只应该把它用在白名单命令上；像他们建议的那样把所有命令都包起来，纯属蠢行。
- ProjectBarks
看起来这些工具大多都是画大饼。在 Headroom 和 RTK 上做的基准测试表明，两者都未能带来真正的节省。如果真有这么简单的预处理步骤能实现，AI Labs 为什么不自己把优化方案推送到上游呢？
我猜它们要么根本不管用，要么就是让模型的行为变得混乱不堪。我真的觉得需要某种独立的基准测试。
以下是展示这类工具存在完全相同问题的其他案例：
https://blog.jetbrains.com/ai/2026/07/rtk-claude-code-token-...
https://brandonbarker.me/writing/headroom-fewer-tokens-bigge...
- gillesjacobs
核心结论：
每次尝试的平均成本，未使用 RTK → 使用 RTK：
Claude/Fable: $1.72 → $1.64（约便宜 5%）
DeepSeek: $0.115 → $0.121（约贵 5%）
几乎所有的 Claude 节省都来自单一任务。
排除该任务后，节省幅度不足 1%。
我读了好几遍才把核心数据提炼出来。
这篇文章真是把重点藏得太深了。
- fg137
很高兴看到越来越多的人意识到这些不过是骗人的鬼话。如果没有像基准测试这样的客观指标，任何声称都毫无意义。
我对技能/插件也是这种感觉。虽然某些技能确实能为特定项目/环境提供重要上下文，但我非常怀疑那些（过度）泛化的技能，比如“编写 JS 测试”或“创建规范”。我公司内部就有几十种这样的技能，但我从未见过任何基准测试能证明，它们比简单直接的单句提示在有意义的方式上（即具有统计显著性）表现更好。