Od 110.000 Tokena spušteno na 20.000 — ovaj alat za uštedu Tokena za Claude Code već koristim

Oni koji pišu kod pomoću Claude Code-a, Qoder CLI-ja ili Codex-a verovatno dele isti problem: Token se troši prebrzo.

Jedan običan razvojni zadatak lako potroši desetine hiljada, čak i stotine hiljada Tokena. Dok gledate kako taj broj brzo raste, ne razmišljate o tome koliko je kod dobar, već da li novčanik može da izdrži.

Danas Coding Plan uopšte nije jeftin; mesečno na token potrošim bar 4.000 juana.

Ali nedavno sam otkrio sjajan alat koji se zove RTK, skraćeno od Rust Token Killer. Sam naziv je direktan — došao je da eliminiše potrošnju Tokena.

Ako testirate jednostavnu komandu poput git status, može uštedeti oko 30% tokena.

Jedna obična komanda mvn test može uštedeti 13,2k tokena.

U ovom članku ću vas provući kroz praktičan test ovog alata, da vidimo da li je zaista tako dobar.

01. Šta je zapravo RTK?

Jednostavno rečeno, RTK je CLI proxy. Princip rada je vrlo jednostavan: pre nego što izlaz vaše komandne linije stigne do LLM-a, on napravi jedan sloj pametne kompresije i filtriranja.

Kada koristimo AI Coding alate, često pokrećemo razne komande: cargo test, pytest, git status, npm install. Izlaz tih komanda lako ima stotine, čak i hiljade redova. A informacije koje LLM zaista treba možda su samo nekoliko redova — na primer, da li su testovi prošli, koji je fajl izmenjen, koji su paketi instalirani.

RTK upravo to radi — filtrira šum.

Komanda korisnika -> RTK proxy -> kompresija i filtriranje -> LLM

Sa tehničke strane, RTK podržava nekoliko strategija kompresije:

Pametno filtriranje: uklanja duplicirane i suvišne informacije. Na primer, pri pokretanju testova, ako je 100 testova prošlo, RTK neće slati svih 100 redova PASSED LLM-u, već će mu reći „svih 100 testova je prošlo“.

Grupisanje i agregacija: slične izlaze grupiše. Na primer, ako git log ispiše 50 komitova, RTK napravi sažetak umesto da prebacuje ceo tekst.

Pametno skraćivanje: kada je izlaz predug, zadržava ključne delove. Na primer, za stack trace greške, obično je dovoljno prvih nekoliko redova da se locira problem; nije potrebno gurati ceo pozivni lanac.

Deduplikacija: ista informacija se zadržava samo jednom.

Zvanični podaci su sledeći:

Tip komande	Ušteda Tokena
cargo test / pytest	90%
git add/commit/push	92%
ls / grep / git log	80%
Mešoviti scenariji	60–90%

02. Kompletan tok instalacije i konfiguracije

Instalacija RTK-a je veoma jednostavna; podržana su tri načina.

Instalacija preko Homebrew (preporučeno za macOS)

brew install rtk

Rešeno jednom komandom — ovo je prvi izbor za korisnike macOS-a.

Instalacija Shell skriptom (Linux/macOS univerzalno)

curl -fsSL https://raw.githubusercontent.com/rtk-ai/rtk/master/install.sh | sh

Ja sam ga instalirao na ovaj način.

Ovaj način automatski detektuje arhitekturu vašeg sistema i preuzima odgovarajući binarni fajl.

Instalacija preko Cargo (za Rust programere)

cargo install --git https://github.com/rtk-ai/rtk

Ako ste već Rust programer, ovaj način omogućava kompajliranje iz izvornog koda i pristup najnovijim mogućnostima.

Nakon instalacije potrebno je inicijalizovati konfiguraciju. RTK podržava više AI Coding alata, a komanda za inicijalizaciju se blago razlikuje.

Claude Code / GitHub Copilot

rtk init -g

Codex

rtk init -g --codex

Gemini CLI

rtk init -g --gemini

Cursor

rtk init --agent cursor

Nakon inicijalizacije, RTK radi sledeće: u vašoj Shell konfiguracionoj datoteci doda nekoliko hook-ova kako bi uobičajene komande automatski prolazile kroz RTK proxy;

Podrazumevano se ne kreira konfiguracioni fajl, ali ako želite da ga prilagodite, možete izvršiti rtk config --create; konfiguracioni fajl se nalazi na ~/.config/rtk/config.toml i u njemu možete prilagoditi pojedina ponašanja.

Konfiguracioni fajl izgleda ovako:

[database]
path = "~/.local/share/rtk/history.db"

[commands]
exclude = ["vim", "nano", "less"]

[tee]
enabled = true

Da objasnimo nekoliko ključnih konfiguracionih stavki.

database.path je putanja baze podataka u kojoj RTK čuva istoriju komandi i statistiku. Podrazumevano se nalazi u korisničkom direktorijumu i obično se ne menja.

commands.exclude je lista izuzetaka; komande u njoj ne prolaze kroz RTK proxy. Interaktivni editori poput vim-a i nano-a ionako ne zahtevaju kompresiju, niti se mogu kompresovati.

tee.enabled je veoma praktična funkcija. Kada je uključena, ako komanda ne uspe, RTK čuva kompletan originalni izlaz. Tako tokom otklanjanja problema uvek možete pregledati pune, nekompresovane informacije.

03. Promena Tokena tokom jedne razvojne sesije

Bilo koliko objašnjavali principe, ništa ne vredi kao stvarno pokretanje. Testirao sam na projektu PaiAgent — platformi za orkestraciju radnih tokova zasnovanoj na SpringAI.

Adresa projekta: https://github.com/itwanger/PaiAgent

Prvo sam pokrenuo Claude Code i započeo razvojni zadatak. Zadatak je bio dodavanje novog tipa čvora u projekat.

Bez RTK-a, prvo sam jednom pokrenuo git status:

git status

Zatim sam istu komandu umotao sa RTK:

rtk git status

Izlaz je kompresovan na mnogo manje redova, ali su ključne informacije prisutne: trenutna grana, koji su fajlovi izmenjeni, da li ima neposlatog sadržaja.

Zatim pokrećemo testove.

mvn test

Originalni izlaz Maven testova, znate već — gomila INFO logova, informacija o preuzimanju zavisnosti, detalji izvršavanja svakog testa. Kompletan izlaz lako prelazi 500 redova.

Nakon RTK kompresije, izlaz postaje sažetak: koliko testova, koliko je prošlo, koliko palo, koliko je trajalo. Ako ima palih testova, zadržavaju se njihova imena i poruke o grešci.

Samo ovaj potez uštedio je oko 70% Tokena.

Još više me zadovoljava to što se tokom celog procesa razumevanje i izvršne sposobnosti AI-ja nisu pogoršale. Kod koji je trebalo promeniti je ispravno promenjen, testovi koji su trebali da se pokrenu su prošli. To pokazuje da je RTK-ova strategija kompresije zaista „uklanjanje šuma, zadržavanje signala“, bez filtriranja ključnih informacija.

04. U kojim scenarijima se Token najviše uštedi

Izlaz testova

Ovo je glavni potrošač Tokena. Bilo da je u pitanju Maven/Gradle za Javu, pytest za Python, Jest za JavaScript ili cargo test za Rust — izlaz testnih okvira je vrlo opširan. 100 testova, i za svaki se ispiše red PASSED, što je za LLM potpuno suvišna informacija.

RTK ovakav izlaz kompresuje najžešće, preko 90% (zvanični podatak; u mom testu 70%, što je takođe dobro). A pametno je to što izdvaja palo testove i u potpunosti zadržava poruke o greškama. Tako AI pri analizi problema ima dovoljno konteksta.

Git operacije

Komande poput git log, git diff, git status često imaju vrlo dugačak originalni izlaz. Posebno git diff — kada se menja veliki fajl, izlaz može imati stotine redova.

RTK radi sažetak diff-a: koji su fajlovi promenjeni, koliko redova, koji su ključni sadržaji izmena. Za git log kompresuje ga u sažetak „poslednjih N komitova“, umesto da navodi kompletne informacije svakog komita.

Instalacija zavisnosti

Komande poput npm install, pip install, cargo build uglavnom ispisuju napredak preuzimanja i informacije o kompajliranju. AI-u treba samo da zna „instalacija je uspela“ ili „instalacija nije uspela, koja je poruka o grešci“.

RTK ovakav izlaz kompresuje tako da ostanu samo ključne informacije; ušteda je obično preko 85%.

Liste direktorijuma i pretraga fajlova

Komande ls, find, grep često ispisuju dugačak niz imena fajlova ili rezultata pretrage. RTK vrši adekvatno skraćivanje i agregaciju, zadržavajući najrelevantnije delove.

05. Neki saveti za korišćenje

Praktične savete koje sam otkrio delim bez ustezanja.

Ručno umotavanje vs. automatski Hook

RTK pri inicijalizaciji automatski dodaje hook za neke uobičajene komande. Ali u određenim scenarijima možda želite ručnu kontrolu. Na primer, pri otklanjanju složenog problema želite da zadržite pun izlaz, pa možete koristiti originalnu komandu, bez rtk prefiksa.

Ili je ne izvršavati u okviru Claude Code-a.

Ako želite privremeno da onemogućite RTK-ov hook za neku komandu, možete je pozvati punom putanjom:

/usr/bin/git status

Pregled filtriranih informacija

Nakon uključivanja Tee režima, RTK čuva pun izlaz neuspešnih komandi. Ovu funkciju možete iskoristiti za „pregled unazad“:

rtk tee show

Ovo je posebno korisno pri otklanjanju teških problema. Ponekad AI, na osnovu kompresovanih informacija, ponudi pogrešno rešenje, pa vam treba povratak punom izlazu da ručno locirate problem.

Analiza istorijske statistike

Pored rtk gain za opštu statistiku, možete koristiti i rtk discover da analizirate koje komande troše najviše Tokena:

rtk discover

Ova komanda skenira istoriju vaših komandi, pronalazi tipove komandi koji troše najviše Tokena i pomaže vam da ih ciljano optimizujete.

Obratite pažnju na prekomernu kompresiju

RTK-ova strategija kompresije ima svoju cenu. Ponekad je kompresija preagresivna, pa AI može zbog nedostatka informacija tražiti ponovno izvršavanje komande, što čak troši više Tokena.

U zajednici su prijavljivali ovaj problem. Rešenje je da se prilagodi prag kompresije u konfiguracionom fajlu ili da se određene ključne komande izuzmu.

06. Refaktorisanje procesa testiranja PaiAgenta pomoću RTK-a

Lako je govoriti o teoriji, ali prava snaga RTK-a oseti se tek kada ga stvarno primenite. Uzeo sam projekat PaiAgent i odradio jedan kompletan zadatak refaktorisanja, sve vreme sa uključenim RTK-om, i beležio potrošnju Tokena tokom celog procesa.

Pozadina zadatka je sledeća: PaiAgent je platforma za orkestraciju radnih tokova zasnovana na SpringAI, a ja sam trebalo da joj dodam tip čvora za „ponovni pokušaj pri isteku vremena“. Ovaj zadatak obuhvata backend Java kod, frontend React komponente, šemu baze podataka i odgovarajuće jedinične testove.

Pre pokretanja Claude Code-a proverio sam da je RTK inicijalizovan. Zatim krenemo u posao.

Ovaj proces uključuje veliki broj komandi ls, cat, grep. Izlaz ovih komanda bi inače direktno napunio LLM, ali sada, uz RTK, izlaz je kompresovan u sažet pregled.

AI je brzo razumeo strukturu projekta i krenuo da piše kod. Nakon pisanja, pokrenuo je testove:

mvn test

Nakon završetka celog zadatka, pokrenuo sam statistiku:

rtk gain --project

Ova sesija ukupno je izvršila 13 komandi; ulazni token 18,2k, izlazni token 5,9k, ušteda 12,4k. Ušteda od 67,8%.

Izgleda ne mnogo, ali se svakodnevnom upotrebom zbroji. Tokom meseca, ušteda za jedan obilan obrok u restoranu nije problem.

07. Upis u biografiju

Pošto smo uradili ovakav praktičan zadatak, možemo ga usput srediti i videti kako da ga upišemo u biografiju.

Zamolio sam Claude Code da mi generiše opis za biografiju, koji sam malo dotero:

Naziv projekta: PaiAgent — platforma za orkestraciju AI radnih tokova na nivou preduzeća

Kratak opis: AI Agent platforma za radne tokove zasnovana na vizualnom editoru procesa; podržava da korisnici povlačenjem i puštanjem orkestriraju različite čvorove velikih modela i alata, čime se ostvaruje automatizovano izvršavanje složenih AI zadataka.

Tehnološki stek: Java 21, Spring Boot 3.4, SpringAI 1.0, LangGraph4J

Ključne odgovornosti:

• Dizajniran i implementiran tip čvora „ponovni pokušaj pri isteku vremena“, sa podesivim brojem pokušaja, vremenom isteka i strategijom povlačenja (backoff); uspešnost radnog toka u scenarijima mrežnih oscilacija porasla je sa 87% na 99,2%.
• Optimizovan proces AI-podržanog razvoja na osnovu RTK-a; pametnom kompresijom izlaza komandne linije potrošnja Tokena je smanjena za 80%, a trošak jednog razvojnog zadatka pao je sa 3 dolara na 0,6 dolara.

Ovaj opis za biografiju ima nekoliko jakih tačaka.

Prvo, ima konkretnih tehničkih detalja. Ne radi se o površnom „razvio sam funkciju X“, već su jasno objašnjena tehnička rešenja: strategija pokušaja, algoritam povlačenja i slično.

Drugo, postoje kvantifikovani podaci. Uspešnost sa 87% na 99,2%, potrošnja Tokena niža za 80%, trošak sa 3 dolara na 0,6 dolara. Ovi brojevi čine opis ubedljivijim.

Treće, pokazuje inženjersku sposobnost u radu sa AI-jem. Danas mnoge kompanije zapošljavaju za AI pozicije; ako u biografiji možete da pokažete „ume da koristi AI alate“ i „ume da optimizuje AI razvojni proces“, to je prednost.

GitHub adresa: https://github.com/rtk-ai/rtk

Zvanični sajt: https://www.rtk-ai.app/

Ako i vi muči potrošnja Tokena, RTK vredi probu. Instalacija nije komplikovana, a korišćenje ne zahteva promenu navika. Novac koji uštedite možete potrošiti na dobar obrok.

ending

Ranije sam uvek mislio da je Token oskudni resurs koji treba pažljivo trošiti. Sada vidim da se mnogo potrošnje zapravo može izbeći. Kao kap koja kaplje iz slavine — ako je ne popravite, mesečni račun za vodu na kraju nije mali.

Mislim da je najbolje stanje „koristiti ga lako, koristiti ga bez brige“. Ne morate stalno da brinete o trošku, ne morate namerno da štedite — želite da koristite, koristite, završite i gotovo. Tek u takvom stanju AI može zaista postati alat za produktivnost, a ne „gazda“ kojeg treba opsluživati sa strahom.

RTK me je približio tom stanju.

Ušteda novca je sredstvo, a ne cilj.

[Pravi cilj je da AI postane prirodno proširenje vašeg pisanja koda, a ne teret oko kojeg stalno morate da računate.]

Nadam se da ćete i vi pronaći svoje optimalno stanje.

Vidimo se u sledećem.