企业官网建设流程全解析

1. WorkBuddy Skill 调用模型失败的典型字段链路

WorkBuddy 的 Skill 一多，最先出问题的通常不是脚本逻辑，而是模型凭据：Skill 能触发、能读文件，但一到摘要、分类、翻译就返回 401、403 或 model not found。我的处理是把 WorkBuddy 的 Skill 模型设置统一指向 TaoToken，先去 TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_skill_intro 取 Key，再把 Base URL 填为https://taotoken.net/api，最后把 Key 填入 Skill 的模型凭据。这样 10 个 Skill 不用各自复制一套历史配置，排查也只查一条链路。

如果你也装了多个 Skill，建议先别急着改 Skill 的业务代码。真正要确认的是四个字段：模型供应商、Base URL、API Key、模型名。很多“Skill 不工作”的现场，日志里其实是401 invalid api key、404 not found、model does not exist，而不是 Skill 的 Python、Node 或 Shell 逻辑坏了。WorkBuddy 的不同版本里，这些字段可能叫“模型服务”“API 供应商”“接口地址”“密钥”“模型 ID”，但本质相同：它需要知道请求发到哪里、用什么身份、调用哪个模型。

一个典型错误链路是这样的：

1. Skill 在 WorkBuddy 里能打开，点击运行后 UI 显示“正在处理”。
2. 日志里出现POST /v1/chat/completions，但状态码是 401。
3. 你以为 Skill 权限不够，去改文件读写权限，仍然失败。
4. 实际原因是 Key 填的是旧平台，或者 Key 前后多了空格。
5. 另一个 Skill 填了正确的 Key，但 Base URL 多写了/v1，客户端又自动补一次，变成/v1/v1/chat/completions，于是 404。

因此，给 WorkBuddy Skill 加模型能力，最好按“凭据统一、字段对照、日志验证、批量回滚”的顺序做。本文按这个顺序展开，并给出可复制的 Claude Code、Codex、CC Switch 配置，避免把不同工具的配置项混在一起。

2. 从 TaoToken 取 Key：控制台路径与 WorkBuddy 凭据落点

先把 Key 获取路径固定下来。不要在每个 Skill 里单独找 Key，也不要把 Key 写进 Skill 的业务脚本。正确做法是：在 TaoToken 控制台创建一个专用于 WorkBuddy Skill 的 Key，再把它填入 WorkBuddy 的模型凭据设置。

路径如下：

1. 打开 TaoToken 官网：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_skill_key_path
2. 登录后进入控制台。
3. 找到 API Keys 页面。
4. 创建一个新 Key，命名建议带上用途，例如workbuddy-skill-prod或workbuddy-skill-test。
5. 复制 Key 后先保存在本地密码管理器或临时安全位置。不要发到聊天群，也不要写进 Git。
6. 回到 WorkBuddy 的 Skill 模型设置页，把 Base URL 填为https://taotoken.net/api。
7. 把刚创建的 Key 填入 API Key / Token 字段。
8. 模型名填你在 TaoToken 控制台中确认可用的模型 ID，不要凭记忆乱填。

这里的关键点是：Base URL 不加 UTM 参数。营销链接可以带utm_source和utm_content，但配置到工具里的 Base URL 必须是干净的：

https://taotoken.net/api

Key 统一用占位符表示就是：

YOUR_API_KEY

WorkBuddy 的 Skill 模型设置里，常见字段和推荐值如下：

如果你在 WorkBuddy 里看到的是“凭据管理”而不是“模型设置”，也可以把 Key 放进全局凭据，再让每个 Skill 引用同一个凭据名。这样后续换 Key 只改一处。对于 10 个 Skill 的场景，这一步比逐个填 Key 更稳。

3. WorkBuddy Skill 模型字段对照：provider、base_url、api_key、model

不同版本的 WorkBuddy 对 Skill 配置的暴露方式不同：有的在图形界面里填，有的通过skill.yaml、skill.json或环境变量注入。下面给出一份“能力扩展字段对照”，你可以按本地实际字段名做等价替换。注意，这不是某个特定版本的官方 schema，而是为了让你看清映射关系。

一个用于说明字段结构的 WorkBuddy Skill 配置示例可以写成这样：

skill: name: summarize_markdown description: 读取本地 Markdown 并生成摘要 model: provider: openai_compatible base_url: https://taotoken.net/api api_key: YOUR_API_KEY model: YOUR_MODEL timeout: 120 max_retries: 2 permissions: filesystem: read_only network: api_only

如果你的 WorkBuddy 不支持在 Skill 内写模型配置，而是用全局模型设置，那么把同样的值填到全局即可：

model_provider: name: TaoToken type: openai_compatible base_url: https://taotoken.net/api api_key: YOUR_API_KEY default_model: YOUR_MODEL

重点检查三件事：

1. base_url是否精确为https://taotoken.net/api。
2. api_key是否来自 TaoToken，而不是其他平台的旧 Key。
3. model是否与 TaoToken 控制台里可用的模型 ID 一致。

如果 Skill 运行时报model not found，优先查模型名；报401，优先查 Key；报404，优先查 Base URL 和实际请求路径；报429，优先查并发和重试策略。

4. Claude Code、Codex、CC Switch 三件套的可复制配置

WorkBuddy 只是调用模型的一端。很多开发者同时还会用 Claude Code、Codex、CC Switch 做编码辅助或配置切换。这里必须强调：不同工具的配置格式不同，不要把 Claude Code 的ANTHROPIC_*变量套到 Codex 里。下面分别给出可复制示例。

4.1 Claude Code：settings.json 与 ANTHROPIC_* 变量

Claude Code 使用settings.json或环境变量管理接入信息。示例配置如下：

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

如果你用 shell 临时验证，也可以这样：

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

注意：ANTHROPIC_*只用于 Claude Code 这类工具。不要把它写到 Codex 的配置里。

4.2 Codex：config.toml 独立配置

Codex 使用config.toml，接入字段与 Claude Code 不同。示例：

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

Key 通过环境变量传入：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

这里再次强调：Codex 用TAOTOKEN_API_KEY和base_url，不要写ANTHROPIC_AUTH_TOKEN。把 Claude Code 的变量复制到 Codex，通常不会生效，还可能让你误判为 Key 错误。

4.3 CC Switch：三件套结构

CC Switch 常用于在不同供应商之间切换。它的“三件套”可以理解为：供应商配置、API Key、默认模型映射。示例结构如下：

{ "providers": [ { "name": "TaoToken", "baseUrl": "https://taotoken.net/api", "apiKey": "YOUR_API_KEY", "defaultModel": "YOUR_MODEL" } ] }

实际字段名以你本地 CC Switch 版本为准。核心是这三项：baseUrl填https://taotoken.net/api，apiKey填从 TaoToken 控制台创建的 Key，默认模型填你在控制台中确认可用的模型 ID。WorkBuddy 的 Skill 模型设置也遵循同样逻辑，只是字段入口不同。

5. 运行命令、日志与排障：从 401 到 200 的验证顺序

配置完成后，不要直接在 10 个 Skill 上同时开跑。先用一个最小请求验证 Key 和 Base URL 是否通，再让 WorkBuddy 执行单个 Skill。

5.1 先用 curl 验证 TaoToken 凭据

在本地终端执行：

export TAOTOKEN_BASE_URL="https://taotoken.net/api" export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_MODEL="YOUR_MODEL" curl -sS "$TAOTOKEN_BASE_URL/v1/chat/completions" \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "'"$TAOTOKEN_MODEL"'", "messages": [ { "role": "user", "content": "ping" } ], "max_tokens": 16 }'

如果返回内容中包含正常回复或合法错误信息，而不是invalid api key，说明 Key 至少已经被识别。接下来再验证 WorkBuddy 的 Skill 执行链路。

5.2 运行单个 WorkBuddy Skill 并保存日志

不同版本的 WorkBuddy CLI 名称可能不同，下面以workbuddy为例。如果你的工具是 GUI 为主，可以在 Skill 调试面板执行同等操作，并把调试日志导出。

workbuddy skill run summarize_markdown \ --input ./demo/input.md \ --verbose 2>&1 | tee workbuddy-skill.log

如果 CLI 子命令不同，换成你本地实际命令即可，核心是把--verbose或调试模式打开，保存完整日志。

5.3 用 grep 快速定位错误

grep -E "401|403|404|429|500|base_url|api_key|model" workbuddy-skill.log

一个正常日志片段大致应包含：

[skill:summarize_markdown] provider=openai_compatible [skill:summarize_markdown] base_url=https://taotoken.net/api [skill:summarize_markdown] model=YOUR_MODEL [http] POST /v1/chat/completions status=200 latency=1832ms [skill:summarize_markdown] result=ok tokens=...

一个 Key 错误日志可能是：

[http] POST /v1/chat/completions status=401 reason=invalid_api_key [skill:summarize_markdown] error: authentication failed

排障顺序建议如下：

6. 批量给 10 个 Skill 接入模型：共享凭据、限流与回滚

10 个 Skill 一起跑时，最容易出现的问题不是单个 Skill 配错，而是所有 Skill 同时打满并发。建议把模型配置集中管理，不要在每个 Skill 里硬编码 Key。

可以先定义一个共享环境文件，例如.env.taotoken：

export TAOTOKEN_BASE_URL="https://taotoken.net/api" export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_MODEL="YOUR_MODEL" export TAOTOKEN_TIMEOUT="120" export TAOTOKEN_MAX_RETRIES="2" export TAOTOKEN_CONCURRENCY="3"

如果 WorkBuddy 支持环境变量引用，Skill 配置里可以写成：

skill: name: classify_inbox model: provider: openai_compatible base_url: ${TAOTOKEN_BASE_URL} api_key: ${TAOTOKEN_API_KEY} model: ${TAOTOKEN_MODEL} timeout: ${TAOTOKEN_TIMEOUT} max_retries: ${TAOTOKEN_MAX_RETRIES} runtime: concurrency: ${TAOTOKEN_CONCURRENCY}

如果 WorkBuddy 不支持变量插值，就使用全局凭据引用，只在一个位置保存 Key。批量接入时建议按下面步骤：

1. 先选一个低风险 Skill，例如“日志摘要”或“Markdown 目录生成”。
2. 填入 Base URLhttps://taotoken.net/api和YOUR_API_KEY。
3. 运行一次，确认日志出现status=200。
4. 再把同一个凭据引用复制到其他 9 个 Skill。
5. 每接一个 Skill，记录它的用途、模型名、并发和超时。
6. 全部接完后，再逐步提高并发，不要一上来就 10 个同时跑。

如果你还没有创建专用 Key，可以再次从 TaoToken 官网进入控制台：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_skill_batch 。建议为 WorkBuddy 单独建一个 Key，不要和 Claude Code、Codex 共用同一个 Key。原因不是技术上一定不行，而是排障时无法区分是哪个工具触发了限流或错误。

回滚也要提前准备。最稳的方式是保留旧供应商配置，只把 WorkBuddy 的当前模型设置切换到 TaoToken。出现连续失败时，先切回旧配置，保留日志，再检查是 Key、模型名、并发还是 Base URL 问题。不要在没有日志的情况下反复改 10 个 Skill。

对于 Skill 权限，建议保持最小化：

permissions: filesystem: read_only network: api_only shell: false

只有当某个 Skill 确实需要写文件时，再单独放开写权限。网络权限建议只允许访问模型 API，不要让 Skill 任意访问未知地址。涉及数据库或生产系统的操作，应由你在本地或受控环境执行，不要让 Skill 直接连接生产库。

7. 高转化收尾：按模型对话 → Coding Plan → API Keys → Claude Code 文档走一遍

到这里，WorkBuddy Skill 加模型能力的最小闭环已经完成：从 TaoToken 获取 Key，把 Base URL 填为https://taotoken.net/api，再把 Key 填入 WorkBuddy 的 Skill 模型设置，最后用单 Skill 日志验证status=200。如果你还没有确定用哪个模型，或者想先验证对话效果，可以按下面顺序走：

1. 先体验模型对话，确认回复质量和模型选择：
   https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_skill_chat

2. 如果你准备让 10 个 Skill 长期自动干活，查看 Coding Plan 是否适合你的并发和用量：
   https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_skill_plan

3. 需要正式创建 WorkBuddy 专用 Key 时，进入 API Keys 页面：
   https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_skill_keys

4. 如果你同时配置 Claude Code，参考 Claude Code 文档，注意使用settings.json和ANTHROPIC_*，不要和 Codex 的config.toml混用：
   https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_skill_claude_code

最后再检查一遍 WorkBuddy Skill 模型设置里的四个值：Base URL 是https://taotoken.net/api，API Key 是YOUR_API_KEY，模型名来自 TaoToken 控制台，并发和超时适合你的机器。确认后先跑一个 Skill，观察日志出现status=200，再批量开启其余 Skill。这样扩展 Skill 能力时，你排查的是配置和日志，而不是靠猜。