企业官网建设流程全解析

1. 先定位报错：Data agent 的账不在数据源，在模型调用侧

OpenAI 在 ChatGPT Work 里放出 Data agent 之后，很多做 Agent 平台的团队第一反应是去接数据源：接 MySQL、接数仓、接 BI。真正的坑往往在第二周才出现——月底对账时发现账单比预期高一个量级，日志里还夹着一堆429 rate_limit_exceeded和401 invalid x-api-key。原因不复杂：一个"用自然语言连接公司数据、产出可分享仪表盘"的 Agent，一次用户提问背后可能是七八次模型调用，而你的配额统计还按"用户查询数"在算。

本篇只聊模型调用侧，不聊数据接入。视角是 Agent 平台开发者：你已经在自研或半自研一套分析型 Agent，需要回答三个问题——Namespace 怎么划、Base URL 怎么指、配额到底记给谁。准备凭据的入口在 TaoToken 官网：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=data_agent_intro ，拿到 Key 之后，所有模型请求的 Base URL 统一指向https://taotoken.net/api（工具配置里不加 UTM，避免污染请求路径）。

先给一个能立刻复现的报错现场。Claude Code 在本地跑分析 Agent 时，如果只改了 Key 没改 Base URL，终端会直接吐：

API Error: 401 {"type":"error","error":{"type":"authentication_error","message":"invalid x-api-key"}}

如果你的 Codex 侧 provider 段还留着上一家的地址，则更隐蔽——不是 401，而是：

404 Not Found: unknown endpoint /v1/responses

这两个报错和"公司数据能不能连上"毫无关系，它们都发生在模型调用链的第一跳。所以配额归属必须从调用链上游开始设计，而不是等账单出来再拍脑袋分摊。

2. 拆调用链：Data agent 里真正烧 Token 的六个环节

分析型 Agent 和普通问答机器人最大的区别，是它的"一次任务"包含多个模型阶段。把这条链拆开看，每个阶段的 token 特征完全不同：

1. 意图解析与计划生成：把"上周华东区退货率为什么涨了"翻译成执行计划。调用 1 次，输入短、输出中等。
2. Schema 探查 / 表检索：从几十张表里筛出候选表字段。这一层如果用 RAG 或向量召回，会触发多次小请求，输入长（schema 文本）、输出极短，是最容易被忽略的长尾消耗。
3. SQL 生成：根据候选 schema 生成查询。可能因为方言或字段名不匹配重试 2～3 次，每次都是完整上下文重放，消耗翻倍。
4. 结果解读：拿回结果集后解释趋势。输入是聚合后的少量行，输出是分析文本。
5. 图表与仪表盘文案生成：生成标题、注释、对比结论。一次任务里可能对 3～5 个图各调一次。
6. 多轮追问：用户看到仪表盘后追问"那华南呢"，前面的上下文会被整体重放，token 随轮次线性增长。

不经过模型的部分同样要标出来：SQL 在本地或 CI 执行、数据抽取、前端渲染、仪表盘分享链接。这些环节不产生 token，不应该出现在配额表里。把"查询数"当计量单位的团队，最后会把 1 次查询 8 次调用误判成 1 次调用。

这里有一条硬性边界：不要让 Agent 直连 Oracle 或生产库去跑 SQL。SQL 与命令一律由读者在本地环境或受控 CI 中执行，Agent 只负责生成语句文本；凭证不进模型上下文，也不通过 MCP 把生产库暴露给 Agent。这不是保守，是分账清晰的前提——一旦生产库凭证进了 Agent 链路，出问题时你连"是模型调用超了还是库被拖垮了"都分不清。

3. 配额归属规则：三级账本 + 一条冻结规则

搞清楚调用链之后，配额归属可以形式化成三级账本。核心原则只有一句：Token 记在"发起这一次模型调用的执行单元"上，而不是记在最终看到仪表盘的人身上。

在这三级之上，加一条冻结规则：task_id一旦生成，本次任务内所有模型调用（含重试、含失败请求）都挂到它下面，不允许跨任务合并。很多团队把"同一用户当天所有请求"合成一个 session 再统计，结果是重试成本和正常成本混在一起，优化时无从下手。

配套还有四条细则，建议直接写进团队规范：

• 细则一：重试不换账。第 2 次 SQL 生成重试仍然属于原task_id，但要单独标retry_index，方便识别是哪一层在重试。
• 细则二：共享探查单独入池。如果 schema 探查结果被多个任务复用（缓存命中），这部分调用记入shared_probe池，按命中次数分摊回各任务，避免"谁先问谁背锅"。
• 细则三：失败请求留痕不计费。HTTP 4xx / 5xx 请求保留request_id和status，token 字段置 0，但 trace 必须留，否则无法解释"为什么这个任务看起来一毛钱没花却卡了 40 秒"。
• 细则四：模型维度必须落库。同一个 Agent 里 planner 用小模型、解释用大模型是常态，不分模型统计就看不到优化空间。

这套规则的价值在于可审计：任何一个数字都能顺着task_id → agent_id → tenant_id往上翻到具体某一次请求。

4. 准备凭据：在 TaoToken 建 Key，统一 Base URL

规则定完，先解决"请求往哪发"。打开 TaoToken 控制台创建 API Key：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=data_agent_keys ，创建后把 Key 存进环境变量，不要写死在代码里。文中统一用YOUR_API_KEY占位。

export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_BASE_URL="https://taotoken.net/api"

先做一次最小连通性验证，确认 Key 与 Base URL 这一跳没问题，再去改客户端配置：

curl -sS "$TAOTOKEN_BASE_URL/v1/models" \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" | head -c 400

如果这里返回 401，问题在 Key；返回 404，问题在路径。注意不同客户端对base_url的拼接策略不同：有的会自动补/v1，有的原样拼接。TaoToken 的 Base URL 为https://taotoken.net/api，若某个 SDK 报 404，先尝试追加/v1再判断，不要一上来就怀疑 Key 失效。

官网入口再放一次，方便直接跳转：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=data_agent_quota 。生产环境建议把 Key 按环境拆开——开发、预发、线上各一把，这样 L1 租户级的对账才不会串。

5. Claude Code 接入：settings.json 里的 ANTHROPIC_* 三件套

Claude Code 侧的配置走settings.json，用ANTHROPIC_*前缀，注意这里不需要写 OpenAI 风格的OPENAI_API_KEY。典型配置如下，路径为~/.claude/settings.json：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "claude-sonnet-4-5", "ANTHROPIC_SMALL_FAST_MODEL": "claude-haiku-4-5", "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1" } }

三个关键字段的作用需要分清：

• ANTHROPIC_BASE_URL：请求出口，必须是https://taotoken.net/api，写错就是前面那个 401。
• ANTHROPIC_AUTH_TOKEN：承载你的 Key。部分旧版本只认ANTHROPIC_API_KEY，如果配了 token 仍报未授权，再补一条同名变量即可。
• ANTHROPIC_MODEL/ANTHROPIC_SMALL_FAST_MODEL：主模型与小模型分开指定。分析型 Agent 里"schema 探查"这类短输出任务走小模型，成本能立刻压下来。

改完之后，建议在项目根目录再放一份.claude/settings.local.json做覆盖测试，但不要放 Key——本地覆盖只放非敏感项（比如模型名），Key 留在全局或环境变量里。配置文件里出现明文 Key 是分账审计时最尴尬的事。

验证方式：在 Claude Code 里让它执行一个只读命令并要求解释输出，如果返回正常且日志里能看到请求走的是taotoken.net/api，说明接入成立。文档细节可参考 Claude Code 接入说明：https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=data_agent_cc_doc 。

6. Codex 接入：config.toml，别把 ANTHROPIC_* 抄过来

这是最常见的配置事故：把 Claude Code 的环境变量整段复制到 Codex 的配置文件里，然后得到一个看不懂的报错。Codex 走的是config.toml，用 provider 段描述出口，两套前缀不能混用。

配置文件通常位于~/.codex/config.toml：

model = "gpt-5-codex" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY" wire_api = "responses"

要点有三个：

1. env_key指向环境变量名而不是 Key 本身，Key 依旧从TAOTOKEN_API_KEY读取。
2. base_url用https://taotoken.net/api，不带 UTM 参数。UTM 只用于网页跳转，塞进 API 路径会直接导致 404。
3. wire_api要与客户端版本匹配。如果升级 Codex 后出现协议类报错，先看这里是否与当前版本要求的取值一致，再排查网络。

排障顺序建议固定成三步：先curl打/v1/models确认凭据，再检查config.toml的 provider 名是否与model_provider一致，最后才看模型名是否拼错。90% 的"Codex 连不上"都在前两步解决。

7. CC Switch 三件套：多供应商切换时最容易串号

团队里通常不止一套上游，测试期在 A 家、线上在 TaoToken 是常态。CC Switch 这类切换工具解决的就是"别手改配置"，但它管理的其实是三份东西，俗称三件套：

• 全局配置：~/.claude/settings.json，决定默认出口。
• 项目级覆盖：项目/.claude/settings.local.json，只放与项目相关的非敏感项。
• 供应商档案：CC Switch 里保存的 provider 列表，每条档案对应一组ANTHROPIC_*值。

串号的典型症状是：切到 TaoToken 后能跑，切回另一家后 Claude Code 报 404——原因是切换时只改了ANTHROPIC_MODEL，ANTHROPIC_BASE_URL还留着上家的值。规避方法很土但有效：给 TaoToken 单独命名一条档案，档案内三个字段（BASE_URL、AUTH_TOKEN、MODEL）一次性写全，切换后立刻用一条只读命令验证，确认出口正确再开始跑任务。

另外提醒一句：不要把 Codex 的config.toml也交给同一套切换逻辑管理。Codex 与 Claude Code 的配置格式不同，混管只会让排障复杂度翻倍。分开管，各自验证。

8. 按任务分账表：DDL 与写入点

规则和配置都就绪后，落到表结构。下面这张表是配额归属的最小可用版本，字段围绕 L1/L2/L3 三级账本设计：

CREATE TABLE agent_token_ledger ( id BIGSERIAL PRIMARY KEY, tenant_id VARCHAR(64) NOT NULL, agent_id VARCHAR(64) NOT NULL, task_id VARCHAR(64) NOT NULL, stage VARCHAR(32) NOT NULL, -- plan / probe / sql_gen / interpret / chart / followup retry_index SMALLINT NOT NULL DEFAULT 0, model VARCHAR(64) NOT NULL, prompt_tokens INTEGER NOT NULL DEFAULT 0, completion_tokens INTEGER NOT NULL DEFAULT 0, cached_tokens INTEGER NOT NULL DEFAULT 0, request_id VARCHAR(128), status SMALLINT NOT NULL, -- 成功 1，失败 0 started_at TIMESTAMPTZ NOT NULL, cost_estimate NUMERIC(12,6) NOT NULL DEFAULT 0 ); CREATE INDEX idx_ledger_task ON agent_token_ledger (task_id); CREATE INDEX idx_ledger_tenant_time ON agent_token_ledger (tenant_id, started_at);

建表语句请在你自己的数据库里执行，不要让 Agent 代跑，也不要把生产库连接串交给 Agent 进程。写入点只有一个：每次模型调用返回后立刻写一行，成功写实际 token，失败写 0 但保留request_id与status。批处理补录会丢时序，事后无法区分"重试"和"新任务"。

有了这张表，L3 任务级成本可以直接查：

SELECT task_id, SUM(prompt_tokens + completion_tokens) AS total_tokens, SUM(cost_estimate) AS total_cost, COUNT(*) AS call_count FROM agent_token_ledger WHERE tenant_id = 'team_analytics' AND started_at >= NOW() - INTERVAL '7 days' GROUP BY task_id ORDER BY total_cost DESC LIMIT 50;

把call_count和total_cost一起看，你会很快发现那批"单任务调用十几次"的异常任务——它们通常就是 SQL 生成反复重试的样本，也是优化收益最大的地方。

9. 归因脚本：从 request_id 反查是哪一层在烧钱

表里有了stage字段，就可以写一个轻量脚本做分层归因。下面这段逻辑跑在你本地或 CI，数据来自你自己的库，不需要 Agent 参与：

import os from collections import defaultdict from openai import OpenAI client = OpenAI( api_key=os.environ["TAOTOKEN_API_KEY"], base_url=os.environ.get("TAOTOKEN_BASE_URL", "https://taotoken.net/api"), ) STAGE_PROMPT = { "plan": "为下面的分析需求生成执行计划，只输出步骤：{q}", "interpret": "解释这组聚合结果的趋势，不超过 120 字：{rows}", } def call_stage(stage: str, payload: str, model: str = "claude-sonnet-4-5"): resp = client.chat.completions.create( model=model, messages=[{"role": "user", "content": STAGE_PROMPT[stage].format(**{"q": payload, "rows": payload})}], temperature=0, ) usage = resp.usage return { "stage": stage, "prompt_tokens": usage.prompt_tokens, "completion_tokens": usage.completion_tokens, "request_id": resp.id, } if __name__ == "__main__": rows = [call_stage("plan", "上周华东区退货率变化原因")] by_stage = defaultdict(int) for r in rows: by_stage[r["stage"]] += r["prompt_tokens"] + r["completion_tokens"] print(dict(by_stage))

注意两点：Base URL 若在你的 SDK 版本下返回 404，先确认是否需要补/v1；usage字段是否返回取决于客户端与接口形态，若拿不到，就从网关日志侧按request_id补齐。脚本的定位是归因，不是计费——计费数字以agent_token_ledger为准，两者对不上时先查写入点是否漏写。

10. 可复现产出：一张规则表 + 一张分账表

回到标题里的问题：TaoToken 的配额该按谁算。答案是三层一起算，但落账只有一级——按task_id落，按agent_id汇总，按tenant_id限额。

可以直接拿去用的产出有两份：

• 配额归属规则：共 3 级账本 + 4 条细则（重试不换账、共享探查入池、失败留痕、模型维度落库）。任何一次调用都能向上追溯到租户。
• 按任务分账表：agent_token_ledger的 DDL 与索引，加上两条常用查询（任务级成本 Top50、阶段级 token 分布）。

配套的配置侧动作是三件事：Claude Code 用settings.json+ANTHROPIC_*三件套；Codex 用config.toml的 provider 段且不要混用前缀；CC Switch 的供应商档案把三个字段写全再切换。Base URL 统一https://taotoken.net/api，Key 用YOUR_API_KEY占位，生产环境按环境拆 Key。

如果你正准备把这套分析 Agent 跑起来，按下面的路径走一遍就能拿到全部凭据与配置说明：先在模型对话里验证一次最小调用 https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=data_agent_chat ，再根据任务量选 Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=data_agent_plan ，然后到控制台创建生产 Key https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=data_agent_keys ，最后按 Claude Code 文档把settings.json落地 https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=data_agent_cc_doc 。官网总入口在这里备份一份：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=data_agent_end 。

配额这件事，早一天按任务记账，就少一次月底对不上账的加班。先把task_id生成出来，剩下的自然清楚。