企业官网建设流程全解析

1. Workers AI 的模型 ID 与 API Token 到底卡在哪

Cloudflare Workers AI 是 Cloudflare 在边缘节点上搭的一套模型推理服务，你不需要自己买显卡、不需要部署容器，只要拿到 Account ID 和 API Token，就能通过 REST 接口调用它托管的八十多个模型。它适合谁？适合已经在用 Workers 或 Pages 建站、想让站点内直接跑 AI 能力的开发者，也适合想低成本试玩各家开源模型的折腾党。但很多人第一次接入就会撞上两个坑：模型 ID 写错导致 404，或者 Token 权限不对导致 401。

我自己第一次配的时候，把模型 ID 写成了@cf/meta/llama-3.1-8b-instruct，结果接口返回model not found。后来翻文档才发现，Workers AI 的模型 ID 必须带@cf/前缀，而且部分模型还有-fast之类的后缀变体，写错一个字符都不行。另一个高频问题是 API Token：Cloudflare 控制台里能创建好几种 Token，你必须选「Workers AI」专用的那个，用普通的 API Tokens 页面创建的全局 Token 去调，大概率吃 401。

更麻烦的是 OpenAI 兼容接口。Workers AI 确实提供了一个/ai/v1/chat/completions的兼容端点，但它的 Base URL 结构比较特殊，是https://api.cloudflare.com/client/v4/accounts/{你的Account ID}/ai/v1。很多客户端（比如 Cherry Studio、Cline、Continue）在填 Base URL 时习惯性只填到/v1，结果请求发出去就报local proxy failed或者连接超时。这个报错其实不是网络问题，而是路径拼接错了——客户端会在你填的 Base URL 后面再拼/chat/completions，如果你少填了 accounts 那段，拼出来的地址根本不存在。

还有一个容易被忽略的点：免费额度。官方说每天给 10,000 神经元，听起来不少，但实际跑一个 8B 模型的多轮对话，几轮下来就烧掉一大半。如果你拿它当日常主力，大概率上午就用完了，下午全部请求返回额度耗尽。这时候你分不清到底是 Token 失效还是额度没了，因为报错信息都长得差不多。

所以这篇的思路是：先把 Workers AI 原生的模型 ID 和 Token 拿法讲清楚，再用 curl 验证一次请求，确认你的鉴权配置没问题。然后重点演示当 OpenAI 兼容接口调不通时，怎么把 endpoint 和 Base URL 改到 TaoToken 的统一通道上——用同一套 Key 和 API 格式，绕开 Cloudflare 那套特殊的路径拼接和额度限制。这样你既能保留 Workers AI 的模型目录做参考，又能在本地客户端里稳定跑起来。

2. 先拿 Workers AI 的 Token 和模型 ID，再决定要不要换通道

在动手改配置之前，你得先把 Cloudflare 这边的「原材料」准备好：Account ID、API Token、以及你想调的模型 ID。这三样东西缺一不可，而且每一个都有坑。

先说 Account ID。登录 Cloudflare 控制台后，左侧菜单找到「构建」→「AI」→「Workers AI」，点进去后右侧有个「REST API」区域，里面会显示你的 Account ID。注意这个 ID 是一串 32 位十六进制字符，不是你的邮箱也不是域名。很多人把 Zone ID 和 Account ID 搞混，结果请求发出去返回authentication error。

再说 API Token。在同一个 REST API 页面，点「创建 Workers AI API 令牌」。这里有个关键点：生成的 Token 只显示一次，关掉页面就再也看不到了。我建议你复制后先粘到记事本里，顺便把 Account ID 也抄下来。这个 Token 的权限范围是 Workers AI 专用的，不能拿去调 Cloudflare 的其他 API，反过来也一样。

模型 ID 是最容易出错的地方。Workers AI 的模型目录在https://developers.cloudflare.com/workers-ai/models/，你可以按任务类型筛选：文本生成、语音识别、图像分类等等。每个模型都有一个唯一 ID，格式是@cf/{厂商}/{模型名}。比如：

• @cf/meta/llama-3.1-8b-instruct—— Meta 的 Llama 3.1 8B 指令版
• @cf/moonshotai/kimi-k2.6—— 月之暗面的 Kimi，支持超长上下文
• @cf/deepseek-ai/deepseek-r1-distill-qwen-32b—— DeepSeek 蒸馏版
• @cf/openai/gpt-oss-120b—— OpenAI 开源的 120B 模型

注意@cf/前缀绝对不能漏，漏了直接报model not found。另外有些模型有-fast后缀，比如@cf/meta/llama-3.1-8b-instruct-fast，这是优化过的低延迟版本，输出质量可能略有差异，选的时候看清楚。

拿到这三样之后，先用 curl 验证一次。这是最原始的请求方式，能帮你排除客户端配置的干扰：

curl https://api.cloudflare.com/client/v4/accounts/{你的Account ID}/ai/run/@cf/meta/llama-3.1-8b-instruct \ -H "Authorization: Bearer 你的Token" \ -H "Content-Type: application/json" \ -d '{ "messages": [ {"role": "system", "content": "你是一个简洁的助手"}, {"role": "user", "content": "用一句话解释什么是边缘计算"} ] }'

如果返回的 JSON 里有"success": true和"result"字段，说明你的 Token 和模型 ID 都没问题。如果返回"success": false，看errors数组里的code：10000一般是鉴权失败，7003是模型 ID 找不到，4006是额度耗尽。这三个错误码能帮你快速定位问题。

但 curl 通了不代表客户端能通。因为很多客户端走的是 OpenAI 兼容协议，请求路径和请求体格式都不一样。Workers AI 的兼容端点是https://api.cloudflare.com/client/v4/accounts/{Account ID}/ai/v1，你需要在客户端里把 Base URL 填成这个完整地址，而不是只填https://api.cloudflare.com/client/v4。少填一段，客户端拼出来的/chat/completions路径就是错的，报错通常是local proxy failed或者connection refused。

如果你发现 Workers AI 的免费额度不够用，或者兼容接口怎么配都报错，那就可以考虑把请求转到 TaoToken 的统一通道上。TaoToken 提供的是标准 OpenAI 兼容接口，Base URL 是https://taotoken.net/api，你只需要一个 Key 就能调多家模型，不用再折腾 Cloudflare 那套特殊的路径拼接。下面我会先讲怎么在客户端里正确配置 Workers AI，再讲怎么切到 TaoToken。

3. 可复制配置：从 Cherry Studio 到 Cline 的完整片段

这一节给你可以直接抄的配置片段。我会分两个场景：先配 Workers AI 原生兼容接口，再配 TaoToken 统一通道。你可以根据自己用的客户端选对应的部分。

3.1 Cherry Studio 配 Workers AI

打开 Cherry Studio，左下角「设置」→「模型服务」→「自定义服务商」→「添加服务商」，类型选「OpenAI 兼容」。然后填三样东西：

• API 地址：https://api.cloudflare.com/client/v4/accounts/{你的Account ID}/ai/v1
• API Key：你刚才复制的 Workers AI Token
• 模型 ID：比如@cf/meta/llama-3.1-8b-instruct

保存后新建对话测试。如果报local proxy failed，先检查 API 地址有没有少写accounts/{Account ID}这一段。Cherry Studio 会在你填的地址后面自动拼/chat/completions，所以你的 Base URL 必须精确到/ai/v1。

3.2 Cline 配 TaoToken

Cline 是 VS Code 里的编码助手插件，配置方式稍微不同。打开 Cline 设置，API Provider 选「OpenAI Compatible」，然后填：

• Base URL：https://taotoken.net/api
• API Key：你的 TaoToken Key（在https://taotoken.net/api-keys创建）
• Model ID：比如gpt-4o或claude-sonnet-4-20250514

这里注意 Base URL 不要加/v1，TaoToken 的接口路径已经内置了版本处理。如果你填成https://taotoken.net/api/v1，请求会 404。

3.3 Claude Code 配 TaoToken

Claude Code 是 Anthropic 官方的命令行编码工具，它默认走 Anthropic 的 API。如果你想把它接到 TaoToken 上，需要改环境变量。在终端里执行：

export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_API_KEY="你的TaoToken Key"

然后运行claude命令。如果报 OAuth 相关错误，说明 Claude Code 在尝试走 Anthropic 的登录流程，你需要确认环境变量有没有生效。可以用echo $ANTHROPIC_BASE_URL检查一下。

3.4 通用 JSON 配置片段

如果你用的是 Continue 或者其他支持 JSON 配置的客户端，可以直接抄这段：

{ "models": [ { "title": "TaoToken GPT-4o", "provider": "openai", "model": "gpt-4o", "apiBase": "https://taotoken.net/api", "apiKey": "你的TaoToken Key" }, { "title": "Workers AI Llama", "provider": "openai", "model": "@cf/meta/llama-3.1-8b-instruct", "apiBase": "https://api.cloudflare.com/client/v4/accounts/{你的Account ID}/ai/v1", "apiKey": "你的Workers AI Token" } ] }

这段配置里两个模型可以共存，你可以在客户端里随时切换。注意 Workers AI 那条的apiBase必须带 Account ID，TaoToken 那条不需要。

3.5 Codex 的 auth.json 配置

如果你用 Codex CLI，配置文件在~/.codex/auth.json。内容大概长这样：

{ "openai": { "apiKey": "你的TaoToken Key", "baseURL": "https://taotoken.net/api" } }

改完之后重启 Codex 终端。如果报reading choices错误，说明返回的 JSON 结构不对，通常是 Base URL 填错了或者 Key 无效。

4. 验证请求：一次 curl 确认通道是否打通

配置改完之后，别急着在客户端里点来点去，先用 curl 做一次最小验证。这样能排除客户端本身的 bug，直接看服务端返回什么。

4.1 验证 TaoToken 通道

curl https://taotoken.net/api/chat/completions \ -H "Authorization: Bearer 你的TaoToken Key" \ -H "Content-Type: application/json" \ -d '{ "model": "gpt-4o", "messages": [ {"role": "user", "content": "回复一个字：好"} ], "max_tokens": 10 }'

如果返回的 JSON 里有"choices"数组，并且message.content是「好」，说明通道完全打通。如果返回 401，检查 Key 有没有复制完整；如果返回 404，检查 URL 是不是写成了https://taotoken.net/api/v1/chat/completions（多了/v1）。

4.2 验证 Workers AI 通道

curl https://api.cloudflare.com/client/v4/accounts/{你的Account ID}/ai/v1/chat/completions \ -H "Authorization: Bearer 你的Workers AI Token" \ -H "Content-Type: application/json" \ -d '{ "model": "@cf/meta/llama-3.1-8b-instruct", "messages": [ {"role": "user", "content": "回复一个字：好"} ] }'

注意这里的路径是/ai/v1/chat/completions，和原生 REST 接口的/ai/run/{model}不一样。兼容接口的模型 ID 放在请求体里，而不是 URL 里。如果你把模型 ID 写在 URL 里，会报 404。

4.3 成功结果的判断标准

不管走哪个通道，成功的返回都包含这几个字段：

• choices[0].message.content—— 模型的实际输出
• usage.prompt_tokens和usage.completion_tokens—— 消耗的 token 数
• model—— 实际调用的模型 ID

如果choices是空数组，或者content是空字符串，说明请求发出去了但模型没返回内容。这种情况通常是max_tokens设得太小，或者模型 ID 写错了但服务端没报错。

4.4 在客户端里做最终验证

curl 通了之后，回到你的客户端（Cherry Studio / Cline / Claude Code），新建一个对话，发一句「你好，请用一句话介绍你自己」。如果客户端能正常显示回复，说明配置全部正确。如果客户端报错但 curl 能通，那问题就在客户端的路径拼接逻辑上——这时候你可以试试把 Base URL 末尾的/v1去掉或者加上，看哪个能通。

5. 常见报错排查：401、local proxy failed、reading choices

这一节把最常见的几个报错和对应的解法列出来。你遇到问题时可以直接对照。

5.1 401 Unauthorized

这是鉴权失败。可能的原因有三个：

第一，Token 复制不完整。Cloudflare 的 Token 只显示一次，如果你当时没复制全，只能重新创建一个。TaoToken 的 Key 可以在控制台随时查看和重新生成。

第二，Token 类型不对。Cloudflare 有好几种 Token，你必须用「Workers AI API 令牌」，不能用「API Tokens」页面创建的全局 Token。TaoToken 的 Key 是统一的，不存在类型问题。

第三，请求头格式不对。必须是Authorization: Bearer {Token}，注意 Bearer 和 Token 之间有一个空格。有些客户端会自动加，有些需要你手动填。

5.2 local proxy failed

这个报错通常出现在 Cherry Studio 或类似客户端里，意思是客户端尝试连接你填的 Base URL 但失败了。原因一般不是网络问题，而是 URL 路径拼接错误。

比如你填的 Base URL 是https://api.cloudflare.com/client/v4/accounts/{Account ID}/ai/v1，客户端会在后面拼/chat/completions，最终请求地址是.../ai/v1/chat/completions，这是对的。但如果你只填了https://api.cloudflare.com/client/v4，拼出来就是.../v1/chat/completions，这个地址在 Cloudflare 那边不存在，所以连接失败。

解法：把 Base URL 填完整，精确到/ai/v1。如果你用的是 TaoToken，Base URL 填https://taotoken.net/api，不要加/v1。

5.3 reading choices 错误

这个报错说明客户端收到了响应，但响应 JSON 里没有choices字段。可能的原因：

第一，Base URL 指向了一个不兼容 OpenAI 格式的端点。比如你填了 Workers AI 的原生 REST 地址/ai/run/{model}，那个端点返回的 JSON 结构是{"result": {...}}，没有choices。解法是改用兼容端点/ai/v1/chat/completions。

第二，模型 ID 写错导致服务端返回了错误信息而不是正常响应。检查模型 ID 有没有漏掉@cf/前缀。

第三，TaoToken 的 Key 无效或额度耗尽，服务端返回了错误 JSON。用 curl 单独验证一下。

5.4 OAuth 相关错误（Claude Code）

Claude Code 默认会尝试走 Anthropic 的 OAuth 登录流程。如果你改了ANTHROPIC_BASE_URL但没改ANTHROPIC_API_KEY，它会报 OAuth 错误。解法是确保两个环境变量都设置了，并且ANTHROPIC_API_KEY填的是 TaoToken 的 Key。

如果还是报错，检查~/.claude/settings.json里有没有硬编码的 Anthropic 配置。有的话删掉或者改成 TaoToken 的地址。

5.5 额度耗尽 vs 鉴权失败的区分

这两个问题的报错信息有时候很像，但解法完全不同。区分方法：

• 如果 curl 返回"success": false且errors[0].code是10000，是鉴权失败。
• 如果errors[0].code是4006，是额度耗尽。
• 如果返回 401 但没有具体错误码，先检查 Token 格式。
• 如果返回 200 但choices为空，可能是模型 ID 写错但服务端没报错。

TaoToken 的额度查询在控制台里能看到，Workers AI 的用量在/ai/workers-ai/usage页面查。两边分开看，别混在一起。

6. 把 Key 和 Base URL 管好，比反复重配更省事

折腾完这一圈，我最大的感受是：Workers AI 的模型目录确实香，但它的鉴权体系和路径规则跟标准 OpenAI 协议有差异，每次换客户端都要重新对一遍 Base URL 和模型 ID 格式。如果你只是偶尔跑个 Demo，那按上面的步骤配一次就行。但如果你要在多个客户端之间切换，或者想让编码助手长期稳定跑，建议把 TaoToken 作为统一入口。

具体做法很简单：在 TaoToken 控制台创建一个 Key，然后在所有客户端里都填同一个 Base URLhttps://taotoken.net/api和同一个 Key。模型 ID 用标准的gpt-4o、claude-sonnet-4-20250514这种，不用再记@cf/前缀。这样你换客户端的时候只需要改一处配置，不用每个都重新对路径。

如果你需要长期跑编码任务或者 Agent 工作流，可以看一下 TaoToken 的 Coding Plan，它针对高频调用做了额度优化。创建 Key 的地址是https://taotoken.net/api-keys，接入文档在https://taotoken.net/doc。想先试试模型效果的话，可以直接在https://taotoken.net/chat里对话验证。

最后提醒一句：不管用哪个通道，Key 都不要硬编码在代码里提交到 Git。用环境变量或者本地配置文件，并且把配置文件加到.gitignore里。我见过太多人因为把 Key 推到公开仓库被刷爆额度的案例了。