企业官网建设流程全解析

1. 把「工程复利」翻译成对照组：先固定供应商层

Elvis Saravia 转评 NousResearch 子代理重构案例时抛出两个反问：换个 harness 还成立吗、子代理少一些会不会更省。我想把这两个问题落到本地可跑的对照实验上，工具链选 TaoToken（官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=hermes_agent_subagent_ab ）。

外部讨论里最容易被记住的是一串规模和耗时数字，但对一线工程师来说，那些数字既不可验证也不可迁移：换一个客户端、换一套工具调用协议、换一种上下文裁剪策略，结果可能完全反过来。真正值得复现的不是「多少个子代理」，而是边际收益曲线——每增加一档并发，通过验收的补丁数涨了多少，token 花掉了多少，返工了几次。要让这条曲线可信，实验里必须有一个变量被彻底固定住：模型的调用入口。如果供应商层是浮动的，你测出来的差异到底是并发数带来的，还是某个渠道悄悄换了模型版本带来的，就永远说不清。

所以这篇的路径是：先把 Key 与 Base URL 放到一个可计量、可切换、可回滚的位置，再设计对照组。客户端侧统一把 Base URL 写成https://taotoken.net/api，两套常用 harness（Claude Code 与 Codex）分别用原生配置格式接入，不混用前缀，不互相套用环境变量。

对照组的最小设计如下，先看结构，具体参数在后面第 6 节展开：

三组共用同一批任务切片、同一份验收脚本、同一档模型，唯一变化的是并发与任务粒度。只有 A/B/C 的差异才有解释力，绝对值不重要，重要的是 A→B 与 B→C 这两段的斜率。

2. TaoToken 侧准备：Key、模型清单与 Base URL 的落地顺序

这一步不要跳，顺序错了后面排障会翻倍。

第一步，拿到可用凭证。打开官网入口 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=hermes_agent_subagent_ab ，完成账号流程后进入控制台的密钥页面 https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=hermes_agent_subagent_ab 。这里生成的 Key 就是后文所有配置里的YOUR_API_KEY占位符替代品。建议一次生成两把：一把给 Claude Code，一把给 Codex，方便按 harness 分别统计用量，也方便某一把泄露时单独吊销。

第二步，确认模型标识怎么写。不同客户端的模型字段格式不一样，直接抄别人的字符串很容易踩空。在模型对话页 https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=hermes_agent_subagent_ab 里找到你要用于实验的那一档，把它的标识原样复制下来，后面填进settings.json和config.toml。子代理实验里建议同时定好一个「小模型」——用于低风险的文件摘要、目录扫描这类任务，能显著压低 B/C 两组的前期开销。

第三步，记住 Base URL。工具配置里的地址统一为：

https://taotoken.net/api

注意，这个地址是给客户端填的，不要在后面手拼多余的路径段。如果你的客户端在界面上要求「带版本号」的写法，以官方页面上的说明为准，不要凭经验猜。

第四步，评估预算档位。子代理实验的特点是「请求数远超人类手动操作」。一次几十上百个子任务的并发，会把调用量抬得很高。如果只是短期做对照，按量计费就够；如果打算把这类流程固化成日常开发的一部分，先看一眼 Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=hermes_agent_subagent_ab ，把预算上限锚定下来再开跑，比跑完再看账单理智得多。

完成这四步之后，先做一次最小连通性验证，别急着上并发：

# 只验证地址可达，不校验凭证，看状态码即可 curl -sS -o /dev/null -w "http_code=%{http_code}\n" https://taotoken.net/api # 真正的最小可用性验证交给客户端本体，避免手搓请求带来的路径误判 export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_AUTH_TOKEN="YOUR_API_KEY" claude -p "只回复 pong，不要调用任何工具"

只要最后一步能稳定返回，说明 Key、地址、模型三段链路是通的，可以进入配置固化阶段。

3. Claude Code：settings.json 里的 ANTHROPIC_* 与权限白名单

Claude Code 走的是ANTHROPIC_*前缀，配置文件是settings.json。实验场景下我建议直接写进项目级配置，而不是只在终端里 export——因为子代理是并行拉起的，任何一个子进程没继承到环境变量，你看到的失败原因都会指向别处。

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "your-main-model-id", "ANTHROPIC_SMALL_FAST_MODEL": "your-small-model-id" }, "permissions": { "allow": [ "Bash(pytest:*)", "Bash(python -m pytest:*)", "Bash(git diff:*)", "Bash(rg:*)" ], "deny": [ "Bash(git push:*)", "Bash(git reset --hard:*)", "Bash(rm -rf:*)", "Read(./.env)" ] } }

几个必须注意的点：

ANTHROPIC_AUTH_TOKEN与ANTHROPIC_API_KEY是两个不同的变量名，客户端版本不同时识别的那个可能不一样。如果配置后仍然报鉴权失败，先把两个都试一遍，确认哪一个生效，再删掉多余的那个，不要长期双写。

ANTHROPIC_MODEL与ANTHROPIC_SMALL_FAST_MODEL建议都显式指定。多子代理场景下，目录遍历、文件摘要这类任务如果落到主模型上，成本会明显偏离预期，导致 C 组的对照结果被预算而不是被架构影响。

权限白名单要提前收敛。子代理并发跑起来之后，每个进程都会独立申请工具权限；如果白名单太宽，一次误操作会同时被放大到十几个进程里。deny 列表里放git push、rm -rf这类不可逆命令，是保底做法。

如果你更习惯用终端环境变量（例如想快速切档对比），可以这样临时覆盖：

export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_AUTH_TOKEN="YOUR_API_KEY" export ANTHROPIC_MODEL="your-main-model-id" export ANTHROPIC_SMALL_FAST_MODEL="your-small-model-id" # 确认当前 shell 里生效的是哪一套 env | grep -E '^ANTHROPIC_'

关键提醒：ANTHROPIC_*只属于 Claude Code 这一侧，不要把它套到 Codex 上。两套 harness 的配置体系完全不同，混用会得到一堆看不懂的报错。

4. Codex：config.toml 里另起一个 model_provider，别复用 ANTHROPIC_*

Codex 走 TOML 配置，核心是声明一个自定义 provider，然后把 profile 指过去。它不读ANTHROPIC_*，所以第 3 节的变量在 Codex 这里一个都不要写。

# ~/.codex/config.toml model = "your-main-model-id" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY" wire_api = "chat" [profiles.taotoken] model_provider = "taotoken" model = "your-main-model-id"

凭证通过环境变量注入，变量名要和env_key保持一致：

export TAOTOKEN_API_KEY="YOUR_API_KEY" # 校验 Codex 读到的 provider 配置 grep -n -A 6 "model_providers" ~/.codex/config.toml

排障时按这个顺序看：

先看model_provider有没有指到taotoken，默认值不对是最常见的问题；再看base_url是不是被手写成了带额外路径的形式；最后确认env_key指定的变量在当前 shell 里真的存在。wire_api这一项如果和平台提供的接口规格不匹配，表现通常是请求发出去了但响应解析失败，而不是明确的 4xx，容易被误判成网络问题。

Codex 侧不需要为子代理单独建 profile——实验里并发由外层脚本控制，客户端只负责单次调用是否正确。这一点和 Claude Code 不同：Claude Code 自己有子任务派发能力，Codex 这侧的把控点主要在外层调度脚本上。

5. CC Switch 三件套：两套 harness 的 Key 与 Base URL 分帐管理

一旦同时跑 Claude Code 和 Codex，配置就会分散在至少两个文件加两组环境变量里。切换时手工改，出错概率极高。用 CC Switch 这类切换工具时，把关注点收拢成三块，检查完这三块基本不会出问题：

对应的落地动作：

# 切换前先备份，回滚成本最低 cp ~/.claude/settings.json ~/.claude/settings.json.bak cp ~/.codex/config.toml ~/.codex/config.toml.bak # 切换后强制重启终端与编辑器，再验证实际生效值 env | grep -E 'ANTHROPIC_(BASE_URL|AUTH_TOKEN)' env | grep -E 'TAOTOKEN_API_KEY' grep -n "base_url" ~/.codex/config.toml

最容易踩的坑是「激活项已经切了，但当前终端里的旧变量还在」。子代理并发启动的是一批新进程，它们继承的是父进程的环境，父进程如果还挂着上一套凭证，整批子任务都会打到错误的配置上。切换动作之后，一定要重新开一个终端再验证一次。

第二容易踩的坑是凭证串用：把 Claude Code 的 Key 填进 Codex 的env_key变量。两把 Key 都指向同一个账号时，这个问题不会立刻报错，但会把用量统计搅在一起，后面填成本汇总表时无法按 harness 拆分。给两把 Key 起可区分的名字，是最省事的预防措施。

6. 对照实验参数表与成本汇总表怎么填

实验能不能复现，取决于参数有没有被写死。下面这张表建议直接抄进你的实验记录里，跑之前先填满，跑完只补右边两列。

三条纪律：

超时和重试次数必须在三组之间保持一致的「单次任务」口径，否则 C 组的失败率会被超时设置掩盖掉。重试设为 0 是有意为之——多并发下自动重试会让成本失控，失败就让外层脚本记录并跳过。

验收脚本必须锁定版本。中途改一次验收标准，前面所有数据作废。

任务切片要提前固定，并且三组使用完全相同的切片集合。切片粒度不同（函数级 vs 文件级）是比较维度之一，不能同时又当变量又当噪声。

跑完之后，成本汇总表这样填：

示例格式（数值需替换为你自己的实测结果，不要直接引用）：A | 42 | 210000 | 18000 | 0.031 | 76% | 5。

汇总不要手工做。让每次调用的 usage 落成 JSONL，一行一条，本地跑脚本聚合：

# aggregate_cost.py # 用法: python aggregate_cost.py usage.jsonl <输入单价/百万token> <输出单价/百万token> import json import sys from collections import defaultdict def iter_records(path): with open(path, "r", encoding="utf-8") as handle: for line in handle: line = line.strip() if line: yield json.loads(line) def main(path, price_in, price_out): agg = defaultdict(lambda: {"in": 0, "out": 0, "calls": 0}) for rec in iter_records(path): group = rec["group"] agg[group]["in"] += rec["usage"]["prompt_tokens"] agg[group]["out"] += rec["usage"]["completion_tokens"] agg[group]["calls"] += 1 for group in sorted(agg): item = agg[group] cost = item["in"] / 1e6 * price_in + item["out"] / 1e6 * price_out avg = cost / item["calls"] if item["calls"] else 0 print( f"{group}\tcalls={item['calls']}\t" f"in={item['in']}\tout={item['out']}\t" f"cost={cost:.4f}\tavg={avg:.4f}" ) if __name__ == "__main__": main(sys.argv[1], float(sys.argv[2]), float(sys.argv[3]))

注意group字段是在外层调度脚本里写进去的，不是客户端返回的。如果你不显式打标，聚合结果就只能按天汇总，无法区分 A/B/C。这个字段是整个成本分析的地基，别省。

7. 子代理并发常见的五类报错与定位顺序

按出现频率从高到低：

401 / 403。先确认 Key 是否和 harness 匹配，再确认是否被环境变量覆盖。执行env | grep -E 'ANTHROPIC_|TAOTOKEN_'看实际生效值，比翻配置文件快。如果只有部分子进程失败，通常是父进程的环境清理逻辑导致的，检查调度脚本里有没有重置环境的语句。

404 或路径类错误。九成是把 Base URL 写成了自定义拼接的形式。回到https://taotoken.net/api这个原始值，删掉所有手工追加的路径段再试。

429 限流。多并发场景几乎必然遇到。正确做法是把并发上限当作变量来调，而不是把重试次数调大——重试会把限流变成雪崩。把 C 组的并发从 16 降到 8 再跑一次，观察通过率是否反而上升，这本身就是有价值的数据点。

上下文超限。表现为请求被拒或响应被截断。子代理天然吃上下文：每个子任务都要带一份文件内容加指令。控制手段是缩小任务切片和减少工具返回体积，而不是单纯提高上限——上限调高会让单位成本涨得更快。

工具调用参数被截断。多步骤任务里比较隐蔽的问题：模型输出的参数不完整，工具调用失败，子代理转而用错误的参数继续执行。定位方法是把每个子任务的完整请求与响应落到本地文件，出现异常时逐个比对，而不是只看最终结果。这一步的日志量会很大，建议按组别分目录存放，跑完即归档。

排障顺序建议固定为：凭证 → 地址 → 限流 → 上下文 → 工具调用。从外到内，绝大多数问题在前两步就能收敛。

8. 什么情况下复利不成立：三条止损线

回到最初那两个反问。子代理数量少一些是否更省，取决于任务本身的可切分程度。如果任务切片之间高度耦合，并行度越高，冲突和返工越多，成本曲线会在某个点之后上翘。三条止损线可以帮助你尽早停手：

第一，当单任务平均成本下降但验收通过率同步下降时，说明省下来的钱是从质量里扣的，实验到此为止。第二，当返工次数超过请求数的两成时，说明任务切片粒度定错了，先修切片再谈并发。第三，当同一批任务在 A 组用串行方式也能在可接受时间内完成时，多并发只是把等待时间换成了协调成本，账面上不划算。

至于换一个 harness 是否成立：从上面的配置可以看出，两套客户端的接入层完全不同，但实验结论依赖的是调用层的行为——模型档位、上下文预算、验收口径。只要这三项在切换前后保持一致，结论大概率是可迁移的；一旦其中一项被迫改动，就要把它当成新实验重新记录参数，而不是沿用旧结论。

如果你准备把这套对照实验真正跑一遍，建议按这个顺序走：先在模型对话页确认要用的模型标识，再评估预算档位，然后创建两把独立的 Key，最后照 Claude Code 的文档把settings.json配好，先串行跑通一个任务，再放开并发。链路：模型对话 https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=hermes_agent_subagent_ab → Coding Plan https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=hermes_agent_subagent_ab → 创建 Key https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=hermes_agent_subagent_ab → Claude Code 文档 https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=hermes_agent_subagent_ab 。配置入口统一从 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=hermes_agent_subagent_ab 进，客户端 Base URL 认准https://taotoken.net/api，实验数据才有可比性。