企业官网建设流程全解析

1. 长任务跑到一半，Codex 为什么开始“糊弄”你

如果你真用 Codex 或 Claude Code 跑过长周期项目，大概率见过这几个场面：第一小时它像个靠谱工程师，第十五小时开始重复改同一个文件，第二十小时它郑重宣布“功能已全部完成”，结果你一跑测试，三分之一的用例是红的。这不是模型突然变笨，而是 Harness Engineering 要解决的核心问题——长会话迷路、过早宣布完成、自评失真。

OpenAI 和 Anthropic 在 Harness 上的实践思路不太一样。OpenAI 那边更强调用AGENTS.md做一张短地图，再配docs/目录、CI/lint 门禁、Chrome DevTools 做浏览器侧验证，最后加上自改进闭环，让 Codex 能持续跑任务。Anthropic 那边更强调外部进度文件、feature list、Planner / Generator / Evaluator 三权分立，靠结构化的进度记录防止 Agent 自欺欺人。

但不管走哪条路，有个前提绕不开：你的模型通道得撑得住长任务。长会话意味着 Token 消耗大、上下文反复重放、多工具来回调用。很多开发者卡在官方额度不够、多 Key 管理混乱、切模型麻烦这几件事上。本文要回答的就是：Codex 的长任务 Harness 想跑下去，模型通道改到TaoToken行不行？如果你还没 Key，先去 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 注册并创建一把，后面所有配置都建立在它之上。

需要先把边界说清楚：TaoToken 只出现在三件事上——创建 Key、填 Base URL、切换模型通道。它不替 Codex 读AGENTS.md，不替 Claude 写 feature list，也不替你做浏览器验证。Harness 流程本身还是原文那套，TaoToken 负责让这套流程有稳定的模型调用可用。下面按“先配通通道，再搭 Harness”的顺序走。

2. AGENTS.md 与 progress.md 之前，先把模型通道理顺

2.1 Codex 长任务 Harness 的真实结构

先还原一下原文第 5 节那条路径。OpenAI 让 Codex 做长周期项目时，不是丢一句“帮我把这个项目做完”就完事，而是搭了一整套外部结构：

• AGENTS.md：短地图。告诉 Codex 这个仓库的入口在哪、命令怎么跑、哪些目录是禁区、验证方式是什么。它必须短，长了就成了噪音，模型会抓不住重点。
• docs/：把设计文档、接口约定、历史决策放进去，Agent 需要时自己读，不常驻上下文。
• CI / lint：机器门禁。Agent 说“我改完了”不算数，lint 和 CI 说通过才算数。
• Chrome DevTools：浏览器侧验证。前端改动光看代码不够，得真在页面里跑一遍。
• 自改进闭环：把这次踩的坑写回 AGENTS.md 或 docs，下次少犯。

Claude Code 那条线的结构类似，但更强调外部进度。Anthropic 的实践里，长程 Agent 需要：

• progress.md：当前做到哪、下一步是什么、哪些已验收。这个文件是 Agent 的“短期记忆外挂”。
• feature list：功能清单，每条要有明确的验收标准，防止 Agent 把“写了个壳”当“功能完成”。
• Planner / Generator / Evaluator：三个角色分工。Planner 拆任务，Generator 写代码，Evaluator 独立验收。让写代码的人自己评自己，必然失真。

你能看出共同点吗？两条路线都在用外部文件 + 机器门禁 + 独立验证，把 Agent 从“凭记忆和自信”拉回“凭证据和记录”。这些结构不依赖某个特定模型，但全都依赖一个东西：稳定、可用的模型调用。接下来就是把这件事落实。

2.2 长会话最怕的不是模型弱，是调用断

长任务跑起来之后，调用压力是这样的：一个任务循环里，Agent 可能连续几十次请求，每次都带着不短的上下文。官方渠道在这种场景下容易遇到几种情况——额度在关键节点耗尽、多把 Key 需要手动轮换、想换模型验证效果却要改一堆配置。

这几种情况对 Harness 的破坏很直接。progress.md写到一半没 Token 了，Agent 状态断在那里；feature list 里有条没验收，你换模型重跑，上下文和进度对不上。所以更合理的做法是：在搭 Harness 之前，先把模型通道配成一条能长期用的统一入口，模型切换、Key 管理、用量查看都在一个地方。

TaoToken 在这里的角色就是这条通道。官网负责注册、创建 Key、看模型广场、看用量；填进工具的 Base URL 是https://taotoken.net/api。这两者别混：给人点的链接带 UTM，填进工具的地址不带。下面按 Codex 和 Claude Code 各给一套可复制的配置。

3. Codex 的 config.toml：把长任务模型通道指向 TaoToken

3.1 创建 Key 并确认模型 ID

在动手改配置前，先做两件事。

第一，打开 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 注册，进控制台创建一把 API Key。本文所有配置里的 Key 都用占位符YOUR_API_KEY，你替换成自己那把。顺便在模型广场确认一下你要用的模型 ID，具体以模型广场当时的列表为准，别照抄来历不明的 ID。

第二，确认你的 Codex 版本支持自定义 provider。Codex 的配置走的是~/.codex/config.toml，不是环境变量那套，别把 Anthropic 的变量名套上来。

3.2 config.toml 里写 model_provider 和 base_url

Codex 的自定义通道配置大致长这样，把它写进~/.codex/config.toml：

model = "YOUR_MODEL_ID" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY"

然后在 shell 里导出 Key：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

几个关键点，逐条对一下：

base_url末尾加/v1是最常见的坑。Codex 自己会拼路径，你多写一层，请求就打到不存在的地址上，症状通常是 404 而不是 401，很多人以为是 Key 错，其实是地址错。

3.3 最小验证：先让它解释一段代码

配置改完别急着搭 Harness，先跑一个最小请求确认通道通。别一上来就让它跑长任务——通道没通，长任务等于空转。

在终端里用 Codex 发一个轻量请求，比如：

codex "解释一下这段 Python 代码做了什么：\n\ndef batch(seq, size):\n return [seq[i:i+size] for i in range(0, len(seq), size)]"

如果它能正常返回解释，说明 Key、Base URL、模型 ID 三件套都对上了。如果报 401，回去确认环境变量有没有真的导出、Key 有没有多空格；如果报 404，重点查base_url是不是被多加了/v1或别的后缀。

这个最小验证很重要，它是后面所有 Harness 流程的地基。地基没稳，progress.md写得再漂亮，Agent 一调用就断，你都不知道是 Harness 结构问题还是通道问题。

4. Claude Code 的 settings.json：给 Planner/Generator/Evaluator 换通道

4.1 环境变量与 settings.json 两种写法

Claude Code 的通道配置有两处可写：环境变量，或者~/.claude/settings.json里的env块。两种都行，选一种，别两处都写导致互相覆盖。

环境变量方式：

export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_AUTH_TOKEN="YOUR_API_KEY" export ANTHROPIC_MODEL="YOUR_MODEL_ID"

settings.json方式：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "YOUR_MODEL_ID" } }

注意这里填的是ANTHROPIC_BASE_URL，值是https://taotoken.net/api，不要带/v1，也不要带 UTM 参数。UTM 是给人点的落地页用的，塞进工具配置里只会让请求路径变形。

关于 CLI 的说明：如果你更习惯命令行方式启动，TaoToken 也提供了 CLI。原文标题和内容涉及命令行任务编排时，可以用：

npm install -g @taotoken/taotoken taotoken cc -k YOUR_API_KEY -u https://taotoken.net/api -m YOUR_MODEL_ID

这里-u后面同样是不带/v1的https://taotoken.net/api。CLI 只是启动方式，Harness 结构不变。

4.2 progress.md、feature list、init.sh 怎么配合新通道

通道通了之后，回到原文那套 Harness 结构。先建几个文件，把外部记忆搭起来。

progress.md记录当前进度：

# Progress ## Current - 正在实现: 用户批量导入接口 - 状态: Generator 已提交，待 Evaluator 验收 ## Done - [x] 数据模型与迁移 - [x] 导入参数校验 ## Next - [ ] 失败行回滚逻辑 - [ ] 导入结果分页查询

feature-list.md让每条功能都有验收标准：

# Feature List ## F-01 批量导入 - 验收: 上传 1000 行 CSV，非法行被拒且返回行号 - 状态: 待验收 ## F-02 导入结果查询 - 验收: 支持按批次 ID 分页查询，错误行可单独导出 - 状态: 未开始

init.sh做环境初始化，让每次新会话状态一致：

#!/usr/bin/env bash set -euo pipefail export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_AUTH_TOKEN="${TAOTOKEN_API_KEY:?missing key}" export ANTHROPIC_MODEL="YOUR_MODEL_ID" echo "env ready, model: $ANTHROPIC_MODEL"

init.sh里把ANTHROPIC_AUTH_TOKEN从外部环境变量取，避免把 Key 写进脚本提交到仓库。这一步踩过的人不少，Key 一旦进 Git 历史，清理起来很麻烦。

4.3 为什么 Evaluator 要独立

原文第 3、4 节反复强调的一个点：写代码的 Agent 不能给自己打分。让同一个会话既生成又评估，它会倾向于认为自己的产出没问题，这就是“自评失真”。所以要把 Evaluator 拆出来，用独立会话、独立上下文去跑验收。

拆开还有个隐含好处：Evaluator 可以换一个模型来跑。Generator 用擅长写代码的模型，Evaluator 用更严谨、更擅长挑错的模型，两边通过progress.md和 feature list 对接。这时候统一通道的价值就出来了——切模型只需要改一个模型 ID，不用重新配 Key、不用重新处理地址。

如果你还没决定长期用哪套，可以先去 TaoToken 模型对话 用同一把 Key 试几条消息，比较不同模型在代码审查上的表现，再决定 Generator 和 Evaluator 各用哪个。

5. Chrome DevTools 验证与 CI 门禁，通道之外的事别让它干

5.1 浏览器验证仍由你在本地跑

原文里 OpenAI 那条线有个很实在的细节：前端改动用Chrome DevTools做验证。这件事必须由你在本地或 CI 环境里做，模型通道不参与。原因很简单——AI 编程工具默认不能直连你的生产库、生产机器去“执行”业务操作。它能生成、解释、对照代码或 SQL，但诊断 SQL、编译运行、页面截图这些动作，得由你在本地执行，再把结果贴回对话。

比如 Agent 说“这个表单的提交逻辑改好了”，正确的验证姿势是：

1. 你在本地启动服务，用 DevTools 打开页面。
2. 手动走一遍提交，看 Network 面板请求体和响应。
3. 把控制台报错或请求截图整理成文字，贴回 Codex 或 Claude Code 的会话。
4. 让它根据你贴回的真实结果继续修。

这条链路里，TaoToken 只负责第 3 步里 Agent 的模型调用，不负责第 1、2 步的浏览器操作。边界划清楚，后面出问题才好定位。

5.2 lint 和 CI 做机器门禁

同理，lint 和 CI 是机器门禁，跑在你自己的流水线里。Agent 声称“改动已完成”，你要让它给出可执行的验证命令，你自己跑一遍：

npm run lint npm run test

或者如果是 Python 项目：

ruff check . pytest -q

把 CI 输出贴回会话，让 Agent 基于真实失败信息继续。这套做法比“相信 Agent 的自我报告”可靠得多。progress.md里的 Done 状态，应该以 CI 绿灯为准，不是以 Agent 说“我完成了”为准。

如果你对 Agent 说“跑一下测试然后告诉我”，它能给你命令、能解释报错，但真正执行的结果要由你确认。尤其是涉及数据库、生产环境的命令，更不能让 Agent 直接连上去执行。

5.3 自改进闭环写回哪里

原文提到的自改进闭环，落地方式是：每次任务结束后，把这次暴露的问题写回AGENTS.md或docs/。比如发现 Agent 老是忘记跑迁移，就在AGENTS.md里加一条“改数据模型后必须生成迁移文件并验证 up/down”。

这个动作也由你或由你明确指令的 Agent 完成，TaoToken 不参与判断该写什么。它只保证在跑这些循环时，模型调用是通的、用量是可见的。你可以在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 控制台查看调用记录，确认长任务期间的消耗是不是符合预期，有没有异常的重试或空转。

6. 排障：改了通道之后长任务常见的几个卡点

6.1 401 与 404，先分清是 Key 还是路径

改了通道之后最常见的两个报错，症状和原因不一样，别混着查。

401 Unauthorized：Key 没生效。检查方向：

• 环境变量是否真的导出（export只在当前 shell 生效，重开终端就没了）。
• Key 前后有没有多空格或引号。
• settings.json和环境变量是不是两处都配了，互相覆盖。

404 Not Found：路径变形。检查方向：

• base_url是不是被写成了https://taotoken.net/api/v1，多了一层。
• 是不是把带 UTM 的落地页链接填进了配置。落地页是给人看的，工具里只填https://taotoken.net/api。
• Codex 那边是不是把 Anthropic 的变量名套了上去，导致 provider 配置根本没被读到。

这两类错误分开查，比笼统地“重新配一遍”效率高得多。

6.2 长会话中途“忘记”进度，多半是外部文件没维护

如果通道是通的，但 Agent 跑着跑着开始重复劳动、或者漏掉之前的决策，问题通常在 Harness 结构而不是模型通道。对应检查：

• progress.md是不是实时更新，还是写完就没再动过。
• feature list 的验收标准是不是太模糊，比如写成“实现导入功能”而不是“上传 1000 行 CSV，非法行被拒且返回行号”。
• 会话重新开始时，有没有把progress.md和 feature list 一起喂给 Planner。

模型通道换到 TaoToken 不会自动帮你维护这些文件。它是通道，不是 Harness 本身。这两件事分开管，出问题时才不会互相甩锅。

6.3 过早宣布完成，用独立 Evaluator 兜住

Agent 说“全部完成”但实际没完成，这是长任务的经典问题。解法不是频繁质问它，而是让 Evaluator 用独立会话按 feature list 逐条验收。每条验收标准要能机器化执行，或者至少能由你手动复现成明确的通过/失败。

Evaluator 的会话里不要带 Generator 的自我评价，只给它 feature list、代码和运行结果。让它只回答“通过”或“不通过，原因是什么”。这个隔离很重要，一旦 Evaluator 看到了 Generator 的“我很确定已完成”之类的话，它的判断也会被带偏。

7. 跑通之后：对账、看用量、决定要不要换套餐

通道配通、Harness 跑起来之后，建议做一次对账：回控制台看这次长任务的调用记录和用量，确认消耗符合预期，没有异常重试或空转。这一步对应原文“打开控制台看用量”的动作，现在统一在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 完成。

如果你打算把 Codex 或 Claude Code 的长任务当日常开发方式用，Token 消耗会比短对话高不少，长会话、多工具、任务编排这些场景尤其明显。可以先在模型对话里用同一把 Key 发几条测试消息，确认模型 ID 和 Base URL 没填错；然后看 Coding Plan 的套餐是否够你这种长任务节奏；Key 统一在 控制台 API Keys 管理。Claude Code 的环境变量对照可以直接看 接入文档。

回到最初那个问题：Codex 长任务 Harness 改到 TaoToken 行不行？答案是——只要你在 Key、Base URL、模型通道这三处配对，Harness 本身完全跑得起来。AGENTS.md的短地图、docs/的外部知识、progress.md的进度记录、feature list 的验收标准、Planner/Generator/Evaluator 的三权分立，这些结构和模型通道无关，换通道不影响它们工作。

真正要盯住的，是别让通道问题伪装成 Harness 问题。401 和 404 是通道问题，进度丢失是 Harness 问题，两者排查路径完全不同。把通道先验通，再搭结构，长任务才有机会稳定跑下去。