企业官网建设流程全解析

1. 从 .env 那一行 Key 说起：IP 头像设计 Skill 的第一道门槛

很多人第一次跑 IP 头像设计 Skill，卡住的地方根本不是提示词写得不够好，而是.env里那行 Key 不知道该填什么。Skill 目录建好了、模板也抄了，一执行就报 401，翻半天文档才发现是 Base URL 指向了默认地址、或者 Key 在一个客户端里能用、换个客户端就失效。所以这篇不讲玄学，先把 Key 这件事讲透：在动手写.env之前，先去 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=env_before_key 拿一把 Key，然后把 Base URL 统一填成https://taotoken.net/api，后面 Claude Code、Codex、CC Switch 的配置才有共同的地基。

为什么强调"统一"？因为 IP 头像设计 Skill 这类工具，本质是「一份提示词模板 + 一段调用模型的脚本 + 一套输出规范」。模板可以复制，脚本可以照抄，唯独 Key 和入口地址是每家环境都不一样的部分。TaoToken 的价值就在这里：把 Key 收在一处管理，Base URL 固定一个地址，同一个 Key 能在不同客户端里复用，不用为了一个头像 Skill 去维护三四套凭证。下面按「拿 Key → 填 Base URL → 写 Skill → 跑出图 → 排错」的顺序走一遍，每一步都能直接复制粘贴复现。

2. 三分钟拿到第一把 Key：控制台最小路径

第一步永远是拿到凭证。打开 TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=console_entry ，注册并登录后进控制台，找到 API Keys 页面。整个流程只有三个动作：创建一个 Key、给它起一个能看懂用途的名字、复制出来立刻保存。

关于命名，给一个实际能用的建议：不要叫test、key1这种名字。IP 头像设计 Skill 至少会涉及「调试期」和「批量出图期」两种使用强度，建议直接按用途和日期命名，例如：

avatar-skill-dev-20250101 avatar-skill-batch-20250101

这样做的好处是，等你在 CC Switch 里同时挂了几个供应商配置、又想在 Claude Code 里跑别的任务时，出问题能一眼定位是哪把 Key 在报错。Key 只在创建时完整展示一次，复制后建议先粘到一个临时文本里，再写入.env。控制台入口再放一次：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=create_first_key

拿到 Key 之后，先不要急着写脚本，先建一个最小可用的环境文件。放在项目根目录，文件名.env：

# .env —— IP 头像设计 Skill 的最小凭证配置 TAOTOKEN_API_KEY=YOUR_API_KEY TAOTOKEN_BASE_URL=https://taotoken.net/api TAOTOKEN_MODEL=claude-sonnet-4-5

三行的分工要说清楚：TAOTOKEN_API_KEY是刚复制的那串；TAOTOKEN_BASE_URL固定写https://taotoken.net/api，注意不要自己在后面加/v1或者斜杠，除非控制台文档明确要求；TAOTOKEN_MODEL写你要用的模型 ID，具体可用的 ID 以控制台模型列表为准，本文示例只是占位。

同时把.env加进.gitignore：

# .gitignore .env .env.local *.key output/

这里多提一句output/。头像设计 Skill 会产生大量图片和中间文件，如果仓库里混进了几十张 PNG，后面想回滚配置都找不到自己改了哪一行。

3. Base URL 只有一个：https://taotoken.net/api 在三种客户端里的写法

这一节是本篇最核心的部分，也是最容易出错的部分。结论先给：Base URL 是https://taotoken.net/api，但不同客户端读取它的字段名完全不同，绝不能把ANTHROPIC_*那一套硬塞给 Codex。

3.1 Claude Code：settings.json 与 ANTHROPIC_*

Claude Code 读的是环境变量，推荐写进用户级或项目级的settings.json，而不是每次开终端都 export 一遍。项目级配置放在.claude/settings.json：

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

三个字段一一对应：ANTHROPIC_BASE_URL是入口地址，ANTHROPIC_AUTH_TOKEN是那把 Key，ANTHROPIC_MODEL是模型 ID。如果你更习惯用 shell 环境变量，等价写法是：

export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_AUTH_TOKEN="YOUR_API_KEY" export ANTHROPIC_MODEL="claude-sonnet-4-5"

注意settings.json里的 env 优先级通常高于 shell，两边同时配且值不一致时，以文件里的为准。这就是很多人"明明 export 了却还是 401"的原因——改错了地方。写完配置后，重启一次 Claude Code 会话再验证。

3.2 Codex：config.toml 里另起一套 provider

Codex 用的是 TOML，字段名和 Claude Code 完全不同。它通过自定义 provider 的方式接入，配置放在~/.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 = "chat"

再配合环境变量：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

这里有两个新手必踩的坑。第一，env_key写的是「环境变量的名字」，不是 Key 本身，所以值是TAOTOKEN_API_KEY而不是YOUR_API_KEY的内容。第二，绝对不要把ANTHROPIC_AUTH_TOKEN写到 Codex 的配置里，Codex 不认识这个字段，它只认env_key指向的那个变量。wire_api的取值按官方文档选，改错会导致请求格式不匹配、返回 400 而不是 401，报错信息看着像模型问题，其实是协议问题。

3.3 CC Switch：三件套逐项填

如果你同时要在多个供应商之间切换，用 CC Switch 这类切换工具最省事。它需要填的就是三件套：

再加一个模型字段，填你要用的模型 ID。三件套填完，切换供应商就是点一下的事，不用去改settings.json也不用重开终端。判断是否填对的最简单办法：切换后随便发一句对话，如果返回正常文本，说明 Base URL 和 Key 都通了；如果报 401 就是 Key 贴错了，报 404 就是地址多了或少了路径段。

官网首页再放一次，方便你对照控制台里的说明：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=baseurl_check

4. IP 头像设计 Skill 的最小目录：SKILL.md + 模板 + 出图脚本

Key 通了之后再来看 Skill 本身。所谓「开箱即用」，指的是结构足够简单，复制目录就能跑。一个能落地的最小结构长这样：

avatar-skill/ ├── SKILL.md ├── .env ├── prompts/ │ └── avatar.md ├── scripts/ │ └── render.py └── output/

SKILL.md是给模型看的说明书，写清楚这个 Skill 干什么、输入是什么、输出规范是什么。不用写长，重点是约束：

# IP 头像设计 Skill ## 用途 根据用户提供的人设关键词，生成可直接使用的 IP 头像设计方案。 ## 输入 - 人设关键词（必填，3-8 个） - 风格偏好（可选：扁平 / 描边 / 拟物 / 像素） - 主色调（可选，十六进制） ## 输出规范 1. 先输出 300 字以内的设计说明（构图、配色、识别特征） 2. 再输出一段可直接渲染的 SVG 代码，尺寸 512x512 3. SVG 必须包含 viewBox="0 0 512 512"，不得依赖外部字体 4. 不要输出 base64 图片，不要输出多余解释

prompts/avatar.md是提示词模板，把变量位置留出来：

请为以下人设设计一个 IP 头像： 人设关键词：{{keywords}} 风格偏好：{{style}} 主色调：{{color}} 要求： - 图形元素控制在 3 个以内，保证小尺寸下仍可辨认 - 主体占比不低于画面 60% - 输出设计说明 + SVG 代码，不要输出其他内容

关键点在于「输出 SVG」。相比直接生成位图，SVG 有两个巨大优势：一是纯文本，模型一次性输出即可，不需要额外的图片存储链路；二是可编辑，配色不满意直接改fill值，不用重新跑一遍。对于零基础的人来说，"能拿到东西、能改、能立刻看到效果"比什么都重要。

5. 启动命令与可复现产出：从一张 SVG 头像到六宫格风格矩阵

有了目录结构，接下来写调用脚本。用 OpenAI 兼容的 SDK 最省事，因为大多数客户端和聚合入口都兼容这套调用方式：

# scripts/render.py import os import re import pathlib from openai import OpenAI from dotenv import load_dotenv load_dotenv() client = OpenAI( api_key=os.environ["TAOTOKEN_API_KEY"], base_url=os.environ["TAOTOKEN_BASE_URL"], ) TEMPLATE = pathlib.Path("prompts/avatar.md").read_text(encoding="utf-8") def build_prompt(keywords, style="扁平", color="#3B82F6"): return ( TEMPLATE .replace("{{keywords}}", keywords) .replace("{{style}}", style) .replace("{{color}}", color) ) def extract_svg(text): match = re.search(r"<svg[\s\S]*?</svg>", text) return match.group(0) if match else None def generate(keywords, style, color, out_dir="output"): resp = client.chat.completions.create( model=os.environ["TAOTOKEN_MODEL"], messages=[{"role": "user", "content": build_prompt(keywords, style, color)}], temperature=0.8, ) content = resp.choices[0].message.content svg = extract_svg(content) if not svg: raise RuntimeError("模型没有返回合法 SVG，检查 SKILL.md 的输出约束") pathlib.Path(out_dir).mkdir(exist_ok=True) name = keywords.replace(" ", "_")[:20] + ".svg" out = pathlib.Path(out_dir) / name out.write_text(svg, encoding="utf-8") print(f"saved -> {out}") return out if __name__ == "__main__": generate("戴眼镜的橘猫 程序员", "扁平", "#F97316")

依赖装两条就够：

pip install openai python-dotenv

启动命令：

python scripts/render.py

预期产出是一行日志加一个文件：

saved -> output/戴眼镜的橘猫_程序员.svg

用浏览器直接打开这个 SVG，就能看到头像。如果你装了 VS Code，预览插件也能直接渲染。这一步的意义在于：它把「设计」变成了「可版本管理的文件」，你可以拿两张 SVG 做 diff，看看到底是配色变了还是构图变了。

想一次出一组风格矩阵，把主函数换成循环即可：

STYLES = ["扁平", "描边", "像素"] COLORS = ["#F97316", "#3B82F6"] for s in STYLES: for c in COLORS: generate("戴眼镜的橘猫 程序员", s, c)

跑完output/里就是 6 张 SVG，对应 3 种风格 × 2 种配色。这一步跑通，就说明整条链路——Key、Base URL、模型、提示词、文件落盘——全部是通的。

6. 报错排查：401 / 404 / 429 / 超时分别改哪里

配置阶段最常见的四类报错，按下面这个顺序排查，基本能覆盖九成问题。

401 未授权。三种可能：Key 复制时带了空格或换行；.env里有引号但引号是中文全角；或者客户端根本没读到.env。先在终端里验证变量确实被加载了：

python -c "import os; from dotenv import load_dotenv; load_dotenv(); print(os.environ.get('TAOTOKEN_API_KEY', 'NOT_FOUND')[:8])"

只打印前 8 位，避免把完整 Key 输出到日志。如果显示NOT_FOUND，说明.env不在当前工作目录，或者变量名拼错了。

404 找不到路径。绝大多数是 Base URL 写错。正确值是https://taotoken.net/api。常见错误包括：写成https://taotoken.net/api/v1、末尾多了斜杠、或者把 deep link 里的?utm_source=...一起复制进去了。带查询参数的地址是给浏览器用的，SDK 里必须填干净的接口地址。

429 请求过于频繁。批量出图时最容易撞上。解决办法不是换 Key，而是把并发降下来、加退避重试：

import time, random def generate_with_retry(*args, retries=3, **kwargs): for i in range(retries): try: return generate(*args, **kwargs) except Exception as e: if "429" not in str(e) or i == retries - 1: raise wait = (2 ** i) + random.random() print(f"rate limited, retry in {wait:.1f}s") time.sleep(wait)

同时把批量循环改成串行，或者手工控制并发数，别一上来就开 20 个线程。

连接超时。先确认你的网络能正常访问官网页面，排除本地网络因素；再确认 Base URL 没有手滑打错域名。如果是大文件请求超时，可以在客户端里单独调大超时时间，而不是反复重试。

排错时还有一个通用手段：把请求的完整 URL 打印出来。很多 SDK 报的错信息很抽象，看到真实请求地址，问题往往一眼就暴露了。

配置相关的说明文档建议对照着看：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=troubleshoot_doc

7. 把 Skill 变成流水线：命名规范、批量与版本留档

单张头像跑通之后，真正提升效率的是流程规范。三个建议。

命名规范统一。输出文件名里带上日期和风格，例如20250101_扁平_橘猫.svg。这样output/目录按名称排序就是按时间排序，找历史版本不用翻文件夹。

提示词模板版本化。在prompts/下用avatar_v1.md、avatar_v2.md这样的命名，脚本里通过参数指定用哪个版本。当你发现 v2 的配色更好但构图变差时，能立刻切回 v1 对比，而不是靠记忆。

批量任务写清单文件。不要直接把关键词写死在 Python 里，用一个tasks.yaml：

- keywords: 戴眼镜的橘猫 程序员 style: 扁平 color: "#F97316" - keywords: 短发女生 插画师 style: 描边 color: "#8B5CF6"

脚本读清单循环执行，想加任务就改 YAML，不用动代码。这套做法在头像数量上到几十张的时候优势非常明显。

还有一个容易被忽略的点：把每次生成的请求参数记一份日志。不用复杂，一行 JSON 就够：

import json, datetime with open("output/run.log", "a", encoding="utf-8") as f: f.write(json.dumps({ "ts": datetime.datetime.now().isoformat(), "keywords": keywords, "style": style, "color": color, "model": os.environ["TAOTOKEN_MODEL"], }, ensure_ascii=False) + "\n")

日后想复现某张图，看日志就够了，不用去猜当时用的什么模型。

8. 下一步：Key 管好了，Skill 才算真的开箱即用

回头看，IP 头像设计 Skill 本身并不复杂：一份提示词模板、一个约束清楚的SKILL.md、一段几十行的调用脚本。真正消耗时间的，是 Key 该放哪、Base URL 该填什么、换了客户端怎么迁移。把这三件事一次性理顺——Key 统一在 TaoToken 控制台管理、Base URL 统一为https://taotoken.net/api、不同客户端用各自正确的字段名——后面再遇到任何新的 Skill，接入成本都接近于零。

如果你现在还没动手，建议按这个顺序走一遍：先去模型对话页面直接体验一下效果，确认能正常返回；再考虑订阅方案，看是否满足日常出图频率；然后在控制台创建一把专门给这个 Skill 用的 Key；最后把 Claude Code 的接入文档过一遍，确保settings.json里的字段没有写漏。

• 先试试效果：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=cta_chat_try
• 看方案是否合适：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=cta_plan
• 创建专属 Key：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=cta_new_key
• 对照客户端配置文档：https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=cta_cc_doc

最后提醒一句：.env永远不要提交到仓库，Key 泄露比配置写错麻烦得多。把凭证和代码分开管理，Skill 才能长期稳定地用下去，而不是每次换环境都从排错开始。