rtk 幫 AI coding 工具省 Token
rtk 幫 Claude Code、Cursor、Gemini CLI、Codex 等工具一鍵套用省 Token 的設定模板，減少重複上下文與初始化成本。
rtk 是一個設定助手，專門替常見 AI coding 工具裝上省 Token 的初始化設定。
說真的，這種工具很務實。它不會幫你寫出神奇程式碼，但它會先把一堆重複設定處理掉。
如果你每天都在用 AI 寫軟體，浪費的常常不是模型費。更常見的是上下文塞太滿，Token 一直燒。這篇在講的，就是怎麼把這種浪費壓下來。
| 工具 | 安裝指令 | 目標 Agent |
|---|---|---|
| Default / Claude Code / Copilot | rtk init -g | General |
| Gemini CLI | rtk init -g --gemini | Gemini |
| Codex | rtk init -g --codex | OpenAI Codex |
| Cursor | rtk init -g --agent cursor | Cursor |
| Windsurf | rtk init --agent windsurf | Windsurf |
| Cline / Roo Code | rtk init --agent cline | Cline / Roo Code |
| Kilo Code | rtk init --agent kilocode | Kilo Code |
| Google Antigravity | rtk init --agent antigravity | Antigravity |
rtk 到底在解什麼問題
訂閱 AI 趨勢週報
每週精選模型發布、工具應用與深度分析，直送信箱。不定期，不騷擾。
不會寄垃圾信，隨時可取消。
AI coding 工具很方便，但也很容易把上下文搞髒。專案規範、風格指南、工具偏好，這些內容常常每次都被重讀一次。
這代表什麼？代表你每次開新對話，都在付一次「重新講規則」的成本。短 session 還好，長 session 就很明顯。尤其你同時切換 CLI、IDE、不同 Agent 時，浪費會更明顯。
rtk 的做法很直接。它不是再做一個聊天介面。它是先幫你把設定檔放對位置，讓工具一開始就吃到比較乾淨的上下文。
- 一個指令就能建立工具專用設定
- 同一套流程可對應多個 Agent
- 重點是減少重複載入的上下文
- 適合會在編輯器和 CLI 間切換的人
為什麼日常開發會在意
實際上，省 Token 只是第一層。更重要的是，提示詞變短後，答案通常也比較穩。
上下文太雜時，模型很容易抓錯重點。它會把舊規則、過期偏好、甚至不相關的檔案內容一起帶進來。結果就是回答看起來很努力，實際上很吵。
對個人開發者來說，這可能反映在用量帳單上。對團隊來說，則是每台機器的 Agent 行為更一致。這種一致性很重要，因為你不想同一個專案，在三台電腦上跑出三種風格。
"The best code is the code you never have to write." Martin Fowler
這句話原本在講軟體設計。放到 AI coding 工具，也很合理。少一層重複設定，就是少一層人工作業。
你可能會想問，這種小事真的有差嗎？有。因為 AI 工具的成本，常常不是單次呼叫，而是整個工作流累積起來的浪費。
- 提示詞更短，通常更省 Token
- 上下文更乾淨，回答比較少跑偏
- 團隊設定更一致，減少環境差異
- 初始化成本下降，第一個 prompt 更快進入正題
不同工具的指令差在哪
從這次列出的指令來看，rtk 用的是同一個入口，但依工具切不同旗標。像是通用模式用 rtk init -g，Gemini 用 --gemini，Codex 用 --codex。
Cursor、Windsurf、Cline、Kilo Code、Antigravity 這些，則多半走 --agent 這條路。講白了，就是同一個工具，幫你吐出不同平台會吃得懂的設定。
這種設計很像把雜亂的安裝教學收斂成一個入口。你不用每次去翻文件，也不用記八種寫法。對常切工具的人來說，這比看起來更省事。
-g出現在通用、Gemini、Codex 指令--agent用在 Cursor、Windsurf 等工具- 這份清單至少列出 8 個目標工具
- Claude Code 和 Copilot 共用通用安裝路徑
把它放進更大的 AI 工具脈絡
現在的 AI coding 市場，很像一堆工具各做各的。Claude Code 偏 terminal 工作流，Cursor 偏 IDE 體驗，Gemini CLI 則適合快速 shell 任務。
問題是，每個工具的設定方式都不太一樣。你今天在 A 工具調好的規則，明天換到 B 工具，常常又要重來一次。這就是 rtk 這類 helper 有存在感的地方。
它的價值不是炫技，而是把「初始化」變成標準流程。這種東西很像 formatter 或 lint config。平常沒人會拿來炫，但少了就很痛。
- Claude Code：偏終端操作
- Cursor：偏編輯器內工作流
- Gemini CLI：偏命令列任務
- Codex：偏 OpenAI 生態
這種工具為什麼會冒出來
原因其實不難懂。AI 工具越多，設定碎片就越多。開發者不想把時間花在重複貼規則、重複調模板、重複處理路徑。
所以你會看到一批小工具開始做「配置整併」。它們不一定有很大的聲量，但很符合真實工作場景。尤其是團隊開發，大家最怕的不是功能少，而是每個人都用不同的設定。
我覺得 rtk 這種東西很像基礎建設。它不搶戲，但它能讓後面的 AI coding 流程少一點雜訊。這點很實際。
如果你已經在多個 Agent 間來回切換，這種工具值得先在一個 repo 試跑。先看設定檔是否符合你的規範，再決定要不要推到整個團隊。
我的判斷很簡單。接下來真正有用的，不是誰的模型分數多 2 分，而是誰能把工作流做得更乾淨。rtk 走的就是這條路。