RTK Token节省器怎么安装

一个小技巧就让你节约一点三亿。 token 这个很火的开源项目专门干这件事。 r t k 它不是优化模型，而是 token， 让你成本可以减少百分之六十到九十之间已获得四十一 k star。 r t k 是 在命令进入上下文，对其进行压缩，更好的推理， 延长上下文对话。你可以把它理解成装在终端和 ai 助手中间的一层省油器。常见开发命令能节省百分之八十左右的上下文消化。

兄弟们，你的 ai 消耗唾痕是不是比喝水还要快呢？关注雷初，今天给你介绍一个神器，它的名字就叫做 r t k。 它用一行命令架在你的 ai agent 和终端之间，会自动过滤掉所有的噪音，没有任何多余的动作，你也不用改变任何的使用习惯。 实测结果我反复确认了三遍，效果惊人呐！消耗了二十一万的 token， 现在直接压缩到了二点三万，省了百分之八十， 并且每条命令省了多少，它标的清清楚楚。更绝的是，它支持几乎所有 agent， 特别是支持 open club， 养虾人必备！这个月你用了多少 token？ 评论区我们聊一聊。

大家好，今天要跟你们分享一个东西，叫 r t k。 作为一个一周消耗好几亿 token 的 开发人，这东西简直是我的救命稻草。 咱们先来看看它到底解决了什么问题。你看左边没有 r t k 的 时候，每次 ai 发起终端命令，那些 ls、 cat、 git、 diff 的 原始输出全部塞进上下文 里面，全是噪音、空行、注视、重复、日制，看着都头疼。右边开了 r t k 之后呢，同样的命令输出直接被净化过了，干净利落， token 用量直接砍掉将近一半。 那 r t k 到底怎么做到的呢？他用了四招，第一招叫智能过滤，把注视、空白、样板、代码这些噪音全部干掉。第二招是分组相似的文件按目录归类，同类型的错误聚合到一起。 第三招是截断，保留关键上下文，容易的部分删掉。最后一招最狠，叫去重重复的日制行合并成一条。然后技术 来看一组实测数据吧。这是我今天一段绘画的统计，总共执行了一百九十三条 r t k 命令，节省比例百分之四十五点二，平均每条命令的处理时间才二百八十三毫秒，几乎感觉不到延迟。 再来看看不同命令类型的节省情况，像 ls 和 tree 这种列表命令能省百分之八十， grab 搜索也是百分之八十， get 操作差不多百分之七十五到百分之八十， 测试命令最猛能省百分之九十，整体算下来大概省了百分之八十左右。这个数字确实挺亮眼的， 它的核心优势其实就三点，首先是极轻量，单文件零依赖，毫秒即开销，装上就能跑。 其次是无侵入性，不改代码，不破坏环境，完全透明运行，你甚至感觉不到它的存在。第三是效果好又开源，普遍能省百分之七十以上的 token。 mit 协议随便用， 上手特别简单，就三步，第一步，安装 brew install r t k 就 完事了。第二步，执行 r t k inet global， 它会自动接管你所有发给终端的命令。第三步，想看效果的话，随时输 r t k game 就 能看到实时统计，省了多少 token， 一 目了然。 好啦，今天就聊到这儿吧，你们平时用 ai 编程，有没有遇到过 token 不 够用的情况？评论区聊聊呗，下次再分享点别的好东西。

你们看啊，我用这个 ai 工具跑了快一亿的偷看，但实际花费呢，却节省了百分之七十六。这是我最近在 github 上看到一个开源项目，清华和面壁联合开源的 padlock， 它把 ai 的 工作单元呢，从对话窗口换成了 workspace 工作舱。 注意啊，这跟我们平时在 ai 下面建的 project 呢，还不一样，每个 workspace 呢，有自己独立的记忆，自己钱包，自己的后台任务。那它到底要解决什么问题呢？ 因为多 a 阵的病情呢，马上就要成为常态了。卡帕西说他去年十二月起呢，就没再写过一行代码，现在每天呢，就是指挥一堆 a 阵的替自己干活。但如果你自己试过啊，你就会发现这里面有不少问题，包括怎么处理这些 a 阵的记忆成本上能不能扛得住。开了这代克的这套工作舱设计呢，我觉得还是有点想法的，我举几个例子你就明白了。 比如我这里建第一个舱，让 ai 把八十年代的 m u d 文字游戏复活成了完整图形化的 web 版，四个职业网格、地图、装备系统呢，全都有。另外一个舱，我扔了一个简单的产品需求， 他从零给我做一个完整的 micro os 的 语音输入 app， 按 f 键来录音，胶囊状的浮窗，五条实时音波，你们发现了没，这两件事呢，完全不沾边，但他们可以各干各的活，而且绝不打架。 pad 的 这个 memory 设计很有意思啊，一层是用户画像，长期记忆着我是谁。一层呢，是项目记忆，只存当前 work space 的 这些事情。 关键是他这个记忆呢，还可以自己进化。你每次纠正他，每次给他反馈呢，他都会默默的记下来，这样一页呢，就会知道你偏好的那种代码风格，不喜欢哪些框架，会越来越懂你这些记忆呢，还能随时的手动编辑和修改，这就是为什么我的这些工作舱呢，几十轮呢，也不会丢失上下文，项目之间呢，也不会回来的原因。 他这里还有个概念叫做省钱路由，可以自动识别执行任务的难度，让简单的问答呢，走千万这种模型复杂的多步推理呢，用枯燥的模型， 这样就不用在简单的事情上浪费顶级模型钱。所以你们看，我这个工作舱，虽然跑了九百九十八次的请求，用了快一亿的偷看，但实际上呢，只花了二十四刀，比统一走 club 的 模型费用呢节省百分之七十八。这里统一设定好价格成本后，你就可以看到哪个模型花钱最多，哪 哪个路由最省钱，结果呢，一目了然。还有他这里的计划一定是任务，也是按照 work space 独立的 skill， 还分两层，一层跨所有项目共享，一层只属于这个舱。所以你看卡巴斯基的那句话，同时只会十到二十个 age 呢，听上去呢，像是模型的事，但本质上呢，还是个工程问题，项目已经开圆了，想尝试的可以本地装一个试试。

欢迎来到挖宝日报，今天这个项目特别实用，叫 r t k， 用 ai 的 朋友都知道，肯消耗是个头疼的问题， 每次查个文件，跑个测试都要浪费大量偷坑，一个月下来费用不少。 r t k 就是 来解决这个问题的，它能帮你省掉百分之六十到百分之九十的偷坑。怎么做到的呢？它会自动过滤掉没用的信息，只把关键内容发给 ai。 比如 git status 原本要花两千，经过二 tk 处理只要四百，节省了百分之八十。 text， 读文件从四万降到一万二， gitif 从一万降到两千五百，装好之后后台自动运行， 你完全不用管它。 gitif 五万三千颗星，完全开源免费。如果觉得有用，帮我点个赞！关注挖宝日报，每天分享一个使用工具，下期见！

大家好，我们今天给大家讲 r t k 上数据的一个导入导出，我们以滑册手部为例，我们现场的 r t k 如果说是使用滑册的机子，我们在微信这个放大镜里头输入滑册云， 关注这个滑册云小程序，然后它的整体的一个界面就是这样子，有分享微信为键，分享码下载分享微信文件，就说把我们这个设备里面的一些相关文件分享给同事，分享给别人，分享到别的设备上， 分享码下载就是说把别的地方的一些文件分享到我们自己手机上，然后我们先来讲分享微信文件，我们把这个手机上的一个数据如何导到这个首部上，我们点击分享文件，谁给我们聊天的，谁就是发给我们的文件，我们就找到谁，我们这边找找找啊， 找到相关的文件，我们在最后一个点击这个小圈圈，点击把它变成绿色，然后点原图点确定他会有一个上传，生成一个分享码二九幺三，我们在 cad 方向里面点开这有个云服务，我们点分享码下载， 输入二九幺三，二九幺三，我们点击获取，就在这个分享版下载的话，只要是关注了华策云，或者说其他的华策首部，我们都是可以同时输入这个二九幺三都能获取相关的文件啊。这个的话是通用的，不管你是在国内国外还是在火车上，还是在哪个地方，都是可以用的。然后我们已经获取一级 d 管图，你看跟这个上面一级 d 管图文件名啥都一样，我们点击使用， 正在加载图纸， 像这个地方有个区转换，可能就是需要一定的费用，我们平时可以选择忽略，看他就已经出来了， 图纸放大什么的都是可以。然后在我们有时候导入这个文件相关文件的时候，他会提醒文件格式不正确。那我们可以检查一下项目，在工程管理里面看这个地方有没有打开当前项目，如果说没有当前项目，他就会提醒，呃，格式不正确。 这是一个从手机导入数据到手部，那我们手部上的一些数据怎么样导出到这个手机上，或者分享给其他的同事呢？我们在这个地方有很多方式，我们先讲一个导出，导出的话，在这个地方他有一个格式，就是根据做嗯， 对方的一个需要选择不同的格式，这边有 d、 i、 t、 c、 s、 v 这个文件格式，还有其他各种各样的格式，比如说添加特定的格式，我们选择对应的就可以了。我们比如说选择一个文件格式， 点击确定，确定之后，像我们比如说根据工程的需求，是要测量点还是输入点，还是控制点，还是计算点，还是说所有的都需要，我们所有的都需要，就把所有的打上勾，如果不需要控制点，我们就把它再点一下，变成白色，就没有控制点了。选上， 然后根据时间，今天的一周或者全部周期开始时间，他的周期时间很长，根据我们现场的一个需求，我们去进行一个筛选，然后点击下一步，在下一步这个地方有两个方式，一个是生成微信二维码， 这个二维码的话它的有效时间是六十分钟，比如说我们工作群或者要发给领导，我们把这个图这个二维码发给他，他就能下载相关的一个文件。比如说我们现在用手机扫一下啊，扫一下这个二维码， 扫完之后我们可以分享给好友，分享给照照，然后我们可以文件预览，也可以保存到那个云盘里面，就是后期我们数据都会看得到，看这个文件就出来了，或者说我们从好友那个地方瞅一眼， 照照这里头，你看这个文件也出来了，在这个地方打开都是一样的，这个是一个方式，用二维码。还有一个是云分享，这个地方点云也可以点一个分享码分享，比如说他现在会出来一个码，我们现场或者什么的都是可以发到群里面，大家可以同时下载或者发给领导。比如现在是四四二零，我们在手机上找到发送 看有一个分享码下载，我们输入分享码，这个四四二零我们输入进去，点击确认看这个文件也就下来了，分享给好友或者文件预览 哦，存至罚册云盘，罚册云盘就是说为了避免我们数据丢失，把它传到云端，后期我们找原始数据比较好找，这个的话就是罚册的一个导入，导出的一个呃，分享码的一个操作方式，嗯，比较方便简单，希望大家就用这种方式，不需要用数据线或者蓝牙去传，那样的话比较麻烦。

大家好，今天再给大家分享一个好用的工具叫 browser honeys， 它是目前 ai 操控浏览器最省 token 的 一种方式，它非常的简洁，只有五百九十二行的 python 代码，然后上线三周已经突破了一万的 star， 呃， token 是 比以前的方式能省很多的 呃，目前我们 ai 操控浏览器一共有五条路径，一个是呃 cloud in chrome， 就是 我们平时用的比较多的一个 cloud 的 插件。然后第二个是 computer use， 就是 相当于你把 cloud 交给了呃的电脑，交给了 cloud， 让它去控制这个整整个电脑，但这种方式非常消耗托管，因为它需要截屏确定位置在哪 啊？第三种是 zenium， 这种是传统的方式我就不说了啊。第四个是 pre write mcp， 这是目前像那个 brother u， 呃，那个 use 啊，用的这个框架， 然后 brothers use 他 们现在开发出的 brother hannis， 这个是 c d p 直连的啊，为 ai 造的工具，这个是我们今天要重点介绍的，就前四个呢，它有各自的局限性。然后第五个就是专门给 ai 量身定做的啊，下面我给大家拆解一下。就是它的呃，架构呢，是 quad code 的 呃， 通过 c i 命令行，然后把这个命令发给了 d m， 然后 d m 再通过 c d p 的 web socket， 然后再到你的框，就就非常的简单简洁。它一共就四个核心文件，目前迭代了几个版本，它的命令的代码还是小于九百行的 啊，非常的非常的少，非常的简洁动，不像那些几万行的比起来还是简洁很多的。而且它是直接附用你的 cookies， 还有登录状态，所以能直接操控你的浏览器 啊，他本身还设计了一个叫自愈架构的，他有个 agent helps 啊，他开箱呢，就是你刚装完是空白的，你的 agent 通过各种各样的浏览器执行之后，碰到了一些问题他会解决，解决完之后他就会记录进去，相当于是一个自我迭代跟循环的。 然后仓库本身呢，就是你下下来之后，他已经有了几十个网站的这个操作的经验，就是你的 agent 用的时候就能直接去读取这些经验， 然后这样你一直用下去，它就有一个啊， feedback， feedback， loop， 然后正反馈的循环啊，就形成一个经验的，就是操作浏览器的一个经验的自动沉淀，因为每个网站的它的这个操作的方式可能有些细微的差别， 你怎么怎么去决策用不用这个软件呢？是，首先要看是这么判断的，首先要看你这个网站有没有专用的 m c p。 呃，你像 github， notion， slake 这些是有直接专用的 m c m c p 的， 就相当于它有 ipad 接口，你就根本就不要碰浏览器，你就去找他们接就好了， 通过那 mini 上去接就好了，这个就浏览器根本就用不着。那如果说你要开浏览器，那传统的现在用的可能多一点的就是 playwrite 的 mcp 啊。然后现在我建议你们大家都转成这个 bardeen， 因为它真的很省头，肯啊，非常的好用。 呃，反正大部分场景下 broderhanys 是 性价比最高的路线。呃，然后我我通过这个方式啊，我封装了一个技能，它这个技能的用处是什么呢？就是我们平时用这个追美版 a p i 不是 很贵吗？然后我用这个浏览器的技能接了呃追美版的订阅版， 就是它通过控制浏览器，然后打开 jimmy 订阅版的 jimmy， 然后输入这个提示词，然后就会自动把这个图片生成了，然后下载到呃项目的文件夹里，就这一套下来，你升图片相当于你就可以把额度用呃 jimmy 的 额度用满，就不用花这个 api 的 投肯了， 从投肯的消耗相比的话，大概比 content 柚子能省很多省省个八八倍左右。 呃，我的分享就到这里，然后我接下来会放一下我用这个呃 opus 四点六，然后控制我命令它，然后去生成图片，它自动调取我的技能 去呃生成那张图片并保存下来的过程。大家有兴趣可以接着往下看一看啊，欢迎大家关注今天我的介绍，先到这里，谢谢大家。

用 ai 编程的朋友注意了，你每个月花在大模型 token 上的钱，至少有八成是白花的。是不是经常遇到用着用着 ai 突然变傻，要么上下文码了要重置绘画，月底一看 token 账单吓一跳。 今天给大家说的这款开源神器，就能直接帮你省下近九成的 token 开销，还能让 ai 的 回复更靠谱。看之前记得点赞关注，咱们马上开始！ 咱们今天聊的工具叫 r t k， 它不是什么新的 ai 编程智能体，说白了就是给 ai 编程工具配套的终端降噪器，相当于给 ai 配了个专属信息秘书。它夹在 ai 和命令行中间， 终端输出的内容要进 ai 上下文之前，先把没用的废话、重复的报错、笼鱼格式都过滤压缩整理好再给 ai 看，完全不用修改。你用的大模型本身 还支持一百多种常用的开发命令，给你举个例子就懂了。没有二 t k 的 时候， ai 要查代码状态，直接调用命令返回的原始内容，可能要花两千个 token。 有 了二 t k 之后，同样的命令会先经过处理，把没用的内容滤掉，最后只给 ai 两百个 token 的 核心内容，一下子就省了九成的空间。 有开发者连续用了几周，累计跑了一万五千七百二十个命令， token 节省率直接达到了百分之八十八点九。 官方在中等规模项目里测试过三十分钟的 ai 编程绘画，原来要消耗十一万八千的 token， 用了 r t k 之后就降到了两万三千九，整体省了差不多百分之八十。 现在这个项目在 get up 上的星标已经有四万六千三，是最近 ai 开发圈最火的工具之一。说到这，你可能会问，不就是个省偷看的小工具吗？至于这么火吗？哎，这你可就想抢了，咱们先看看它的核心处理逻辑，你就懂它的价值了。 二 t k 的 降噪逻辑完全是照着 ai 的 信息接收习惯设计的，一共有四个核心步骤。第一是智能过滤，把注视空白行样板画的没用输出都删掉，就像你看文章自动跳过插在中间的广告一样。第二是分组聚合，把相似的文件、相似的错误按目录或者类型归到一起， 不用零散给 ai 看，就像你整理文件，会把同类型的资料放进同一个文件夹。第三是截断机制，只保留关键的上下文，没用的领域部分直接去掉。 第四是去重重复的日制行，折叠起来指标出现多少次就行。其实 ai 根本不需要看完整的流水账日制， 他只要知道有几个测试失败了，在哪一行，哪些文件改了这些核心信息就行。 r t k 做的事就是把原来给人看的流水账改成专门给 ai 用的结构化信息，效率自然就高了。 你觉得这种前置信息清洗的思路，会不会以后变成 ai 开发流程的标配？可以把你的想法打在评论区聊聊。更方便的是，这个工具几乎没有学习成本，不用你改原来的工作流，它有自动改写的功能，能在支持的 ai 工具里自动拦截命令，转换成带二 t k 处理的版本， 你和 ai 平时怎么用，现在还怎么用？不过要注意哦，这个自动改写只针对命令行工具调用 ai 自带的一些内置工具不会被改写，安装起来也特别简单。 苹果电脑用户可以用常用的 homegu 工具直接安装其他系统，也可以用官方提供的安装脚本一键安装， 装完之后你还能直接查看版本号，以及已经帮你省了多少偷看。装完之后，只需要给你用的 ai 编程工具装个对应的适配插件就行。现在主流的各类编程 ai 都支持配置完重启一下你的 ai 工具就能直接用了。 其实二 d k 的 价值远不止是省钱这么简单，它其实是 ai 编程时代非常重要的上下轮优化层。你想啊，一个靠谱的 ai 编程系统， 怎么能把乱七八糟的输出都塞给模型，指望模型自己筛垃圾呢？真正工程化的做法就是在信息进模型之前，先做第一轮清洗，把没用的都去掉，只留最核心的信息给模型。 过去我们优化的是代码跑的速度，测试的耗时，现在 ai 进入开发流程了，我们还要优化 ai 看到的信息质量。上下轮窗口不是垃圾桶， toker 也不是大风刮来的，让 ai 少读废话，多抓重点，本质上就是在提升整个开发的效率，还能省成本，这价值可太大了。 平时经常用 ai 编程的朋友，可以先装个试试，看看自己的项目能省多少。 toker， 企业级的 ai 开发团队也可以把它纳入技术站，长期下来能省不少算力成本。大家也可以关注下这个项目的更新，后续还会支持更多自定义过滤规则， 适配更多场景。下一期咱们再聊聊还有哪些能帮程序员大幅提效的冷门开源 ai 工具？今天的内容就分享到这里了，如果你觉得有收获的话，记得点赞加关注哦！

不知道大家公司有没有使用沃克包利进行办公呢？给大家分享一下沃克包利节省投坑的小妙招，就是最近上班的工作量完全完全取决于公司每天提供的投坑量，就是没有投坑，就像阶段反应一样，完全干不了活，也不是不想干，是真的干不了。 就是 ai 写的那么长的提示词，或者他做的 html 的 demo， 让人工肉眼去改，你不仅会改出问题，而且你可能会少改漏改错改就每天，最近用沃克邦利大概一天需要消耗一千到两千的积分吧。呃，用的太快了， 只能用开源节流一，一方面去向公司申请，另一方面自己使用的时候肯定也要节省一点。有三个小妙招这里给大家分享一下。就是第一点，大家在使用沃克邦利的时候，模型那边一定要注意，之前， 呃，没有那个选项呢，之前就是想想用什么模型就用什么模型，现在它是区分了一个不同的梯度，比如智普的 glm 是 一点零六 x， 像 deepsea v 四 flash 只有零点零六 x， 就 数字越小，代表它这个模型 花费的积分越便宜越少，想想一点零六和一点零六差了几十倍。第二个点就是大家在个人设置的面，一定要把那个绘画风格设置成 高效直接，就这样就文字少，但信息量大，这个也要去设置。然后三点的话，在绘画管理那边要设置成三小时自动开启新绘画，或者两小时的开启新绘画。 因为有的时候就算想起来去新建一个任务，但有这个东西的时候，假如你两小时没跟他绘画的时候，他就会自动切分成一个新绘画，就会把历史的上下文给丢掉，形成一个干净的上下文吧，就要这样就减少头跟的输入输出了。 除了三个软件上的小妙招，然后大家在写提示词的时候也要有一个核心的目标，就是让模型少猜、少读、少改、少重复，少走弯路，把我们的 problem 写具体，按照一定架构写具体，这样就会大大节省我们消耗的头衔。

如果啊，你从未用过 r t k 新仪器到手不会用怎么办？今天三步教你掌握。第一步，连接仪器并达到固定结。第二步，新建工程。第三步，点校正。 首先呢，咱们打开手部软件，进入仪器界面，点击仪器连接，搜索仪器的下方，找到后停止搜索，连接仪器 连接成功后起用一键固定，登录后返回主界面，仪器达到固定结，第一步就完成了。接下来是第二步。首先呢，点击项目界面，选择新建工程，输入工程名称，进入坐标系统， 在妥求参数中选择国家两千坐标系，我们大多数用的都是国家两千坐标系，点击获取中央子午线，确定后工程创建完成。 第三步，点击点校证，选择添加上方，输入甲方提供的已知坐标点 下方则需要到现场实测对应，然后到第一个点进行测量，输入点名北坐标、东坐标及高程，然后到第一个点进行测量，点击测量平滑，采集五次后确定 再到第二个点，同样的操作，点击增加并输入已知点与实测点坐标，最终整平后测量平滑，采集五次，点击确定再到第三个点， 同样的操作，点击增加并输入已知点与实测点坐标，最终整平后测量平滑，采集五次，点击确定 三个点。输入完成后，点击下方计算，查看结果中的旋转角与比例尺，比例尺移在零点四个九到一点四个零之间，确认无误后点击应用点校正即完成。点赞收藏加关注，有问题可以来这里留言哦！

兄弟们，我又来了，我是没有想到呀，昨天我发了一个抖音，没想到评论区惊现了一位大佬在推广他的编程智能体，我就下载了， 于是我今天就试了一下，就是他 deepsea renaissance， 他 是 deepsea 原生的代码智能体，这个作者游戏出身，代码功底应该非常的扎实， 整个架构也非常非常的厉害。他有一个非常省钱的技术，就是可以让大量 token 乖乖的命中缓存。而这边呢，就是这两天比较火的 deepsea， 它虽然支持中文，但是呢不是原生中文，有的时候呢会不太方便。另外我使用下来，这个 token 消耗还是比较大的，我甚至都不敢用 pro 模型， 但是他从设置到配置全部都是中文的。他有一个我非常喜欢的地方，就是这里有一个 web 界面，我打开给大家看一下， 在这里大家看到了吗？这里我的对话是同步的，这里 这里是一个突兀的镜像，这边这里也可以实时的去调整一些强度啊，模式啊之类的， 然后这里有很多的，你可以去设置，这里可以获取余额啊，比如说像这里，我今天小跑了一下，那缓存的命中率是百分之九十五， 非常的强大。还有工具啊，基本上呃该有的都有了，非常好用， 虽然没那么火，但是我觉得这个项目的潜力也是非常巨大的。另外给大家看一下这两个呃， get up 的 地址，这个是兔翼的， 这个是 reasonx 的， 我个人觉得这个名字取得非常的不好，如果叫做 deep sea， cold 之类的名字，可能会比现在要火的多啊。哦，这是吐译作者，这是经常出现在新闻上 这个 reason 的 作者主页，他，他是游戏出身的，这是他做的一个框架，应该是一个关于游戏的，这是一个游戏框架， 这个作者大部分项目都是 ps 研，推荐给大家，大家可以试一试，支持国产作者。

open 壳三十二天烧了二十亿 token， 这两个 skill 直接帮你把浏览器的 token 砍掉百分之八十。 先说结论， bb browser 能用就优先用，不支持的再用 agent browser。 为什么呢？因为这两个 skill 啊，它核心就干一件事，就是只给大模型最精简的交互信息，所以 token 可以 直接砍掉一大截。 其中 b b browser， 它直接把网站当 a p i 用，还能附用登录状态，但是它只支持固定的平台，大概三十六个。那通用的网站怎么办呢？交给 agent browser， 它负责像人一样操作网页，点击输入翻页。所以啊，这两个组合起来，专门解决登录问题和偷看爆炸。

是不是你的 token 消耗很快？这个项目帮你节省，目前已经五十二点八 k 星标了， r t k 在 命令输出到达您的 l l m 上下文之前进行过滤和压缩，不用换工具，不用调整使用习惯，就能帮你省掉快百分之九十的 token 消耗。 支持多种 ai 工具适配，赶紧给你的 ai 工具加上配置吧！记得点赞收藏哦！

codex 使用中如何节省 token？ 一个任务开一个县城，不要一个项目长期用同一个巨长县城， 县城变长时用 compact， 官方说明 compact 会把可现对话总结以释放 token。 codex 也会自动压缩对话，但长任务里主动用更稳。把长期规则放进 agent dm do a skill 不要每次 point 都重复贴一大段。 官方建议 agent 点 md 自动加载进上下文 prompt， 并强调短而准更有用。重复流程应做成 skill。 agent 点 md 要短， 官方明确说短准确的 id 比长篇模糊规则更有用。太大时把专项规则拆到任务文档 skill references 里，按需读取。 大仓库里明确指向文件目录 chronicle a goal context constraints 当问并点名相关文件，能减少 codex 大 范围搜索读无关文件的头衔。 大量工具或外部信下博不要全塞 post。 官方建议用 m c p host tools to search， 把外部信息作为工具按需取，而不是复制粘贴进上下文。