rtk这个号称能省token的工具大家还在用吗？

能不能截图看下,怎么个污染法。。

得不偿失，之前用的时候，模型就老是说命令输出不完整，让我用脚本重新执行，反而花更多Token了，不知道是不是还要做些其他配置 ^-^

没用过这个，因为当时觉得这个工具实现的方式太Hack了 ^-^

佬有开源地址吗，我想去看看是个什么东西

● rtk 在输出里加噪音干扰了。openclaw 的包路径有点乱（软链可能悬空或有多个 node 版本）。

cc这么说。。。

及时使用上下文压缩工具、随时创建新的对话窗口，可以解决90%的问题

这个看情况，甚至是看模型。

典型的负面场景是 rtk 把正常的结果吞掉了，但是实际上 AI 确实是希望获取结果输出的，就不得不去读 rtk 的 log 文件，或者去掉 rtk 重复执行一次。

如果是 ds 这种缓存便宜的，多一次也无所谓，反正是走的缓存价格。正常 rtk 也能省输入 token，而且是非缓存的 token ，两者一抵消，多多少少能省点。

但是其他的很多模型，缓存价格是十分之一，多一个轮次就挺难受了。特别是有些情况下，会连续出现多次这样的调用，费用就蹭蹭蹭地涨

rtk 大多数情况还是省的尤其是git 那些命令。经常重试的命令可以屏蔽掉

装上就没管过了，也不知道有没有真的省

大概看了一下，vibecoding产物，ai味很浓。能用但是不好用，想法很新颖，实际情况很可能会导致一些细节的丢失

就像ccswitch这种纯vibe产物和cpa这种半手搓的差别类似，cpa丑是丑了点，胜在稳定

用codey解决了codex中的win下的使用问题，rtk对win下的支持很差，已经去掉不用了

我用的 context-mode，看 GitHub 已经三四个月没更新了，真省没省咱也不知道，也会有找不到输出的情况，但是 AI 能自动修正找到。