企业官网建设流程全解析

1. 为什么我决定把生图从 OpenAI 搬到本地显卡

写文章最痛苦的不是写字，是配图。文章写得行云流水，一到配图就卡壳：找免费图库风格太土，自己画没那手艺，用 AI 生图提示词调半天不说，月底一看 API 账单心都在滴血。尤其是用 Claude Code 配合 baoyu-skills 这类内容插件之后，封面图、文章插图、小红书卡片一键生成确实爽，但它默认走的是 OpenAI 的 gpt-image-1.5 或 Gemini 的图像接口，一张图几毛钱，一篇文章配下来两顿早饭钱就没了。

我试过把生图环节整个换成本地显卡跑，思路其实不复杂：Claude Code 负责理解文章、拆解配图需求，TaoToken 统一 Key/API 通道负责把模型调用稳定接进来，真正画图那一步交给本地显卡上的开源模型。这样既保留了 baoyu-skills 的“设计思维”，又把最烧钱的环节变成电费成本。这篇就把 settings.json 配置骨架、baoyu-skills 和 wwg-image-gen 的调用示例、以及怎么验证本地出图和通道连通，一步步写清楚。适合有一张 8G 显存以上显卡、已经在用 Claude Code 写内容、想摆脱按张计费的人。

2. TaoToken 前置：统一 Key 与 API 通道怎么接

本地生图解决的是“画”的问题，但 Claude Code 本身要调用大模型来理解文章、生成提示词、调度 skill，这部分仍然需要一个稳定的 API 通道。TaoToken 在这里的角色就是统一入口：一个 Key 走通模型对话、coding-plan、console 管理，不用在多个平台之间来回切。

先到官网注册并拿到 Key：

https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=

拿到 Key 之后，进控制台创建 API Key，建议单独建一个给 Claude Code 用，方便后面排查问题时区分调用来源：

https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite

API Key 管理页在这里，可以随时新建、禁用、查看用量：

https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite

如果你后面要跑长期编码任务或者 Agent 流程，可以看下 Coding Plan，额度模型和按量调用不太一样：

https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite

接入文档在这里，settings.json 里各个字段的含义、base_url 怎么写、模型名怎么填，都以文档为准：

https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

API 基础地址统一用：

https://taotoken.net/api

注意这个地址后面不加 UTM 参数，直接作为 base_url 填进配置即可。Claude Code 走 Anthropic 协议接入时，参考这个入口：

https://taotoken.net/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=ClaudeCodeAnthropic&utm_campaign=rewrite

3. 可复制配置：settings.json 骨架与本地生图插件

Claude Code 的配置文件一般在用户目录下的.claude/settings.json，Windows 是C:\Users\你的用户名\.claude\settings.json，macOS/Linux 是~/.claude/settings.json。下面这份骨架可以直接抄，把sk-开头的 Key 换成你自己的：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "sk-你的TaoToken密钥", "ANTHROPIC_MODEL": "claude-sonnet-4-5-20250929", "ANTHROPIC_SMALL_FAST_MODEL": "claude-haiku-4-5-20251001" }, "permissions": { "allow": [ "Bash(node:*)", "Bash(python:*)", "Read", "Write", "Edit" ] } }

几个字段说明一下。ANTHROPIC_BASE_URL固定填https://taotoken.net/api，不要带斜杠结尾。ANTHROPIC_AUTH_TOKEN就是刚才在 api-keys 页面拿到的 Key。ANTHROPIC_MODEL是主模型，负责理解文章和生成提示词；ANTHROPIC_SMALL_FAST_MODEL是轻量模型，处理一些快速判断，能省一点额度。模型名以接入文档里列出的为准，别自己拼。

配置好之后，把 baoyu-skills 装到 Claude Code 的 skills 目录。先确认本机有 Node.js：

node -v npm -v

然后按 baoyu-skills 的说明安装，装完检查目录结构，应该能看到skills/baoyu-cover-image、skills/baoyu-article-illustrator、skills/baoyu-xhs-images这几个文件夹。

接下来是本地生图插件 wwg-image-gen。把它复制到同一个 skills 目录下，然后改script/providers/local.ts里的 baseUrl，指向你本地启动的生图服务地址，一般是：

const baseUrl = "http://127.0.0.1:8000";

本地服务用一键包启动，双击启动api.bat，终端会加载 Zimage 模型并监听端口。看到类似Uvicorn running on http://127.0.0.1:8000的输出就说明服务起来了。显存建议 8G 及以上，6G 也能跑但出图慢，核显就别折腾了。

4. 验证请求：本地出图与通道连通怎么测

配置写完别急着跑整篇文章，先做两个最小验证。

第一个验证：TaoToken 通道是否通。在 Claude Code 里随便问一句，看它能不能正常回：

claude -p "用一句话说明什么是本地生图"

如果返回正常文本，说明ANTHROPIC_BASE_URL和 Key 都没问题。如果报 401，回去检查 Key 有没有复制全、有没有多余空格；如果报连接超时，检查 base_url 是不是写成了带斜杠或者带了别的路径。

第二个验证：本地生图服务是否通。直接用 curl 打一下本地接口：

curl -X POST http://127.0.0.1:8000/generate \ -H "Content-Type: application/json" \ -d '{"prompt":"一只赛博朋克风格的猫，霓虹灯背景","steps":20,"width":512,"height":512}'

返回里如果有图片路径或者 base64 字段，说明本地服务正常。这一步能过，再进 Claude Code 跑 skill。

第三个验证：baoyu-skills 调用本地插件。准备一个测试 markdown 文件test.md，内容随便写几段，然后执行：

/baoyu-cover-image test.md

正常流程是：Claude Code 读文章 → 生成封面提示词 → 调用 wwg-image-gen → wwg-image-gen 转发到本地 8000 端口 → 本地显卡出图 → 图片写回文章目录。终端里会看到进度条，跑完后目录下多出一张cover.png。打开看一眼，如果画风和提示词对得上，整条链路就通了。

想单独测模型对话能力，可以走模型对话入口：

https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=model-chat&utm_campaign=rewrite

5. 本篇常见错排查

报错一：ANTHROPIC_AUTH_TOKENinvalid。最常见的原因是 Key 复制时带了换行或者前后空格。把 Key 重新粘一遍，确认没有多余字符。另外确认用的是 api-keys 页面新建的 Key，不是控制台登录密码。

报错二：本地服务启动后端口被占用。启动api.bat闪退或者提示Address already in use，说明 8000 端口被别的程序占了。改local.ts里的 baseUrl 端口，同时改启动脚本里的监听端口，两边保持一致。

报错三：出图是黑图或者纯色。一般是显存不够或者模型没加载完。等终端出现模型加载完成的提示再发请求。如果显存 8G 以下，把出图分辨率降到 512x512，steps 降到 15 试试。

报错四：skill 找不到。Claude Code 提示skill not found，检查 skills 目录层级。正确结构是.claude/skills/wwg-image-gen/SKILL.md，不是.claude/skills/wwg-image-gen/wwg-image-gen/SKILL.md，多套一层就找不到。

报错五：通道通了但生图超时。本地出图本身比云端慢，尤其是第一次加载模型。把 skill 里的超时时间调大，或者先在终端手动跑一次 curl 预热模型，再走 Claude Code。

排障过程中如果怀疑是 Key 或通道问题，直接去 api-keys 页面看调用记录，有没有请求打进来、返回码是多少，一目了然：

https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite

6. 长期用下去的几个建议

如果你只是偶尔配几张图，按上面的配置跑就够了。但如果打算长期用 Claude Code 写内容、跑 Agent 流程，建议把模型调用和生图分开管理：模型调用走 TaoToken 统一通道，生图走本地显卡，两边互不影响。长期编码或者 Agent 任务多的话，可以看下 Coding Plan 的额度模式，比纯按量调用更可控：

https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite

本地生图这块，Zimage 对中文提示词的理解确实比国外模型顺，像“赛博朋克风的肉夹馍”这种描述它能直接画出来，不用反复调英文 prompt。出图质量稳定之后，可以把常用风格固化成几个提示词模板，放在 skill 里复用，省得每次重新描述。

最后提醒一句：本地生图唯一的成本是电费，但显卡长时间满载要注意散热。跑批量配图的时候，中间留点间隔，别让显卡一直满负荷。整条链路跑通之后，你会发现配图这件事从“花钱买图”变成了“顺手出图”，写作节奏完全不一样了。