企业官网建设流程全解析

1. 从 Claude Code 的 401 和 Codex 的 model_provider 说起：记忆校验先要管 Key

如果你正在用 Claude Code 或 Codex 做长期运行的编码智能体，先别急着把经验写进持久记忆：TaoToken 管 Key 的入口在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=memory-verify-start ，Base URL 用 https://taotoken.net/api 。很多同学第一次跑记忆校验流水线时，遇到的并不是模型能力问题，而是配置问题：Claude Code 里ANTHROPIC_AUTH_TOKEN没放对，直接 401；Codex 的config.toml里model_provider仍指向默认供应商，校验智能体请求发不出去；或者主智能体和校验智能体共用一把 Key，最后完全分不清 Token 花在“写记忆”还是“验记忆”上。长期运行智能体的记忆校验，本质上是一个高频、独立、可计量的模型调用环节，Key 管不清楚，后面的 CLBench 指标和 Token 账本都无从谈起。

Microsoft 有一篇关于 environment-probing curation 的工作，讨论的正是这个问题：长期运行智能体在把经验写入持久记忆之前，先让一个独立的记忆校验智能体去只读探测环境，判断这条候选记忆是否正确、是否可复用，然后再决定落盘。论文里提到 CLBench 通过率从 39% 提升到 73%。这个思路很工程化，但落到我们自己的项目里，会立刻遇到一个现实问题：校验智能体不是免费运行的。它要读候选记忆、读环境快照、读历史记录、输出结构化判断，每一次校验都要消耗 Token。如果主智能体每天产生几千条候选记忆，校验智能体的 Token 消耗会迅速超过主循环本身。所以本文不讨论论文本身，而是以“TaoToken 管 Key”为起点，把长期运行智能体的记忆校验跑成一个可复现的本地流水线：配置 Claude Code、配置 Codex、用 CC Switch 管理多套配置、启动只读环境探测、调用独立校验智能体、记录 Token 账本，最后回收 CLBench 指标。

2. environment-probing curation 在工程里长什么样

论文里的环境探测式记忆校验，听起来抽象，拆成工程模块其实很具体。长期运行智能体通常有一个主循环，它会在完成任务后产生“经验候选”，例如“这个仓库的测试命令是pnpm test:unit”“这个 API 的鉴权头需要X-Project-Id”“这个报错是因为 Node 版本低于 18”。这些经验如果直接写入向量库、JSONL 或数据库，后面检索时就会污染后续推理。environment-probing curation 的做法是：主循环只负责产生候选记忆，不直接写持久记忆；另起一个只读环境的校验智能体，让它去实际环境里探测、验证，再给出 accept、reject 或 patch 的决策。

我们可以把这个流程拆成五个阶段：

1. 候选记忆生成：主智能体完成任务后，输出结构化的candidate，包含id、claim、source、scope、timestamp。
2. 只读环境探测：校验智能体通过本地只读命令或只读文件读取，获取环境事实，例如git status、package.json、pytest --collect-only、配置文件内容。注意这里不直连生产库，也不让 Agent 直接操作 Oracle、MySQL 等生产资源；需要查询时由读者在本地执行 SQL，再把结果作为探测材料传入。
3. 独立校验智能体：它读取候选记忆和探测结果，判断该记忆是否在当前环境中成立，是否具备跨任务复用价值。
4. 写回决策：只有 accept 或 patch 后的记忆才写入持久层；reject 的记忆进入审计日志，不进入检索库。
5. Token 账本与指标回收：每次校验调用都记录模型、输入 Token、输出 Token、总 Token、决策结果；再和 CLBench 的通过率做关联。

一个最小的目录可以这样组织：

memory-verify/ candidates.jsonl env_probe.py verifier.py ledger.jsonl clbench_eval.py settings/ claude-settings.json codex-config.toml

其中candidates.jsonl是主智能体产出的候选记忆，env_probe.py负责只读探测，verifier.py调用校验智能体，ledger.jsonl记录 Token 账，clbench_eval.py统计通过率与成本。这个结构最大的好处是可审计：哪条记忆被拒绝、为什么拒绝、花了多少 Token，都能回溯。

3. 用 TaoToken 统一 Key：Base URL、项目分 Key、Token 账本字段

长期运行智能体的记忆校验，最怕 Key 混用。主智能体一把 Key，校验智能体一把 Key，CI 里再一把 Key，如果都塞在环境变量里，过两周你自己都分不清。TaoToken 管 Key 的思路是：所有模型调用统一走同一个 Base URL，但按用途拆 Key。Base URL 固定写成：

https://taotoken.net/api

注意这个地址不加 UTM，它是给工具配置用的；官网入口和创建 Key 的页面才带 UTM。你可以先到 TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=key-ledger 了解 Key 管理方式，再到控制台创建不同用途的 Key。建议至少拆三把：

• TAOTOKEN_MAIN_KEY：主智能体使用，负责生成候选记忆。
• TAOTOKEN_VERIFIER_KEY：独立校验智能体使用，专门跑 environment-probing curation。
• TAOTOKEN_CI_KEY：本地评测或 CI 使用，跑 CLBench 回归。

在代码里，Key 统一用占位符YOUR_API_KEY，不要硬编码。推荐环境变量：

export TAOTOKEN_MAIN_KEY="YOUR_API_KEY" export TAOTOKEN_VERIFIER_KEY="YOUR_API_KEY" export TAOTOKEN_CI_KEY="YOUR_API_KEY" export TAOTOKEN_BASE_URL="https://taotoken.net/api"

Token 账本建议至少记录这些字段：

{ "ts": 1730000000, "stage": "memory_verify", "candidate_id": "cand-001", "model": "gpt-5-mini", "base_url": "https://taotoken.net/api", "key_alias": "verifier", "prompt_tokens": 1820, "completion_tokens": 120, "total_tokens": 1940, "decision": "accept", "reusable": true, "latency_ms": 2310 }

这样你就能回答几个关键问题：校验智能体每天花多少 Token？accept 和 reject 的平均 Token 是否不同？patch 决策是不是特别贵？CLBench 通过率提升和 Token 成本之间是什么关系？这些数据比“感觉模型变聪明了”有用得多。

4. Claude Code：settings.json 与 ANTHROPIC_* 配置

如果你的主智能体或校验智能体跑在 Claude Code 里，配置走settings.json，环境变量用ANTHROPIC_*。不要把这套变量套到 Codex 上，Codex 不吃ANTHROPIC_*。Claude Code 的配置通常放在：

• macOS/Linux：~/.claude/settings.json
• Windows：%USERPROFILE%\.claude\settings.json

一个可复制的settings.json如下：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "claude-sonnet-4-5", "ANTHROPIC_SMALL_FAST_MODEL": "claude-haiku-4-5" }, "permissions": { "allow": [ "Read", "Glob", "Grep", "Bash(git status:*)", "Bash(git diff:*)", "Bash(pnpm test:*)" ], "deny": [ "Bash(rm:*)", "Bash(curl:*)", "Bash(psql:*)" ] } }

这里有几个点值得注意。第一，ANTHROPIC_BASE_URL写https://taotoken.net/api，不要自己加/v1或/anthropic，除非文档明确要求。第二，ANTHROPIC_AUTH_TOKEN放YOUR_API_KEY，不要和ANTHROPIC_API_KEY混用；不同版本对变量名敏感。第三，permissions.deny里限制写操作和数据库客户端，是为了让校验智能体保持“只读探测”。environment-probing curation 的核心之一就是校验者不能改环境，否则它验证的就不是现有事实，而是自己刚制造的事实。

如果你希望校验智能体用更便宜的模型，可以单独给它一个配置文件，例如~/.claude/verifier-settings.json，只在跑校验脚本时切换。主智能体用强模型写候选记忆，校验智能体用快模型做环境比对，这样 Token 账本更清晰。

5. Codex：config.toml 不要混用 ANTHROPIC_*

Codex 的配置在config.toml，常见位置是：

• macOS/Linux：~/.codex/config.toml
• Windows：%USERPROFILE%\.codex\config.toml

一个可复制的基础配置如下：

model = "gpt-5-codex" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_VERIFIER_KEY"

然后设置环境变量：

export TAOTOKEN_VERIFIER_KEY="YOUR_API_KEY"

注意：Codex 不读取ANTHROPIC_BASE_URL，也不读取ANTHROPIC_AUTH_TOKEN。如果你把 Claude Code 的配置直接复制到 Codex，最常见的表现是请求仍然打到默认供应商，或者报鉴权失败。排查时先确认model_provider是否指向taotoken，再确认env_key对应的环境变量已经 export。另一个常见问题是base_url多写了/v1，导致路径拼接后 404。统一写成https://taotoken.net/api，让工具自己拼接。

如果你的校验智能体需要结构化输出，可以在 Codex 侧用提示词约束 JSON，而不是依赖某个特定参数。例如：

你是只读记忆校验智能体。根据给定的候选记忆和环境探测结果，输出 JSON： { "decision": "accept | reject | patch", "reason": "一句话原因", "reusable": true, "patched_claim": "如果 decision 为 patch，给出修正后的记忆" } 不要输出 JSON 以外的内容。

6. CC Switch 三件套：安装、添加 TaoToken、切换校验配置

如果你同时用 Claude Code 和 Codex，或者需要在主智能体配置与校验智能体配置之间频繁切换，CC Switch 可以帮你管理多套配置。这里说“三件套”是指三个动作：安装 CC Switch、添加 TaoToken 供应商、切换并校验 profile。不同版本的 CC Switch 界面可能不同，但核心都是读写 Claude Code 的settings.json和 Codex 的config.toml。

第一件套：安装 CC Switch。你可以通过其官方发布渠道安装，安装后确认它能识别本机的~/.claude/settings.json和~/.codex/config.toml。

第二件套：添加 TaoToken 供应商。在 CC Switch 里新增供应商，名称填TaoToken，Base URL 填：

https://taotoken.net/api

API Key 填YOUR_API_KEY。如果你已经按用途拆了 Key，可以建两个供应商条目：TaoToken-Main和TaoToken-Verifier，分别对应主智能体 Key 和校验智能体 Key。这样切换时不会把校验请求打到主 Key 上。TaoToken 官网入口在这里：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=cc-switch 。

第三件套：切换并校验 profile。切换到TaoToken-Verifier后，在本地跑一条最小请求，确认 Claude Code 或 Codex 能正常返回。不要直接在生产仓库里跑，先用一个只读的测试目录。可以执行：

cd /tmp/memory-verify-test git init git status --porcelain

然后让 Claude Code 读取git status输出并返回“环境只读正常”。如果返回正常，说明 Key、Base URL、模型名三件都对上了。

7. 最小可复现：只读环境探测 + 独立校验智能体 + ledger.jsonl

下面我们写一个最小可复现的校验脚本。它不依赖数据库，不直连生产资源，只读本地文件与只读命令。你可以把它放在memory-verify/目录下。先准备候选记忆candidates.jsonl：

{"id":"cand-001","claim":"本仓库单测命令是 pnpm test:unit","source":"task-2025-01-01","scope":"repo:demo","timestamp":1730000000} {"id":"cand-002","claim":"Node 版本必须大于等于 18","source":"task-2025-01-02","scope":"repo:demo","timestamp":1730000100} {"id":"cand-003","claim":"发布前需要执行 psql -h prod 清理临时表","source":"task-2025-01-03","scope":"repo:demo","timestamp":1730000200}

第三条明显涉及生产库，不应由 Agent 直接执行。我们的校验智能体只做“可复用性”判断，实际 SQL 由读者本地执行。接下来写env_probe.py：

import json import subprocess from pathlib import Path def run_readonly(cmd, cwd="."): try: result = subprocess.run( cmd, cwd=cwd, capture_output=True, text=True, timeout=10, shell=True ) return { "cmd": cmd, "returncode": result.returncode, "stdout": result.stdout[:4000], "stderr": result.stderr[:1000] } except Exception as exc: return {"cmd": cmd, "error": str(exc)} def collect_env(repo_path="."): probes = [] probes.append(run_readonly("git status --porcelain", repo_path)) probes.append(run_readonly("git branch --show-current", repo_path)) package_json = Path(repo_path) / "package.json" if package_json.exists(): probes.append({ "file": "package.json", "content": package_json.read_text(encoding="utf-8")[:4000] }) return probes if __name__ == "__main__": env = collect_env(".") print(json.dumps(env, ensure_ascii=False, indent=2))

再写verifier.py，调用 TaoToken 的 OpenAI 兼容接口。注意这里使用的是TAOTOKEN_VERIFIER_KEY，不是主 Key：

import json import os import time from openai import OpenAI client = OpenAI( api_key=os.environ["TAOTOKEN_VERIFIER_KEY"], base_url="https://taotoken.net/api" ) SYSTEM_PROMPT = """你是独立记忆校验智能体。 你只能根据环境探测结果判断候选记忆是否正确、是否可复用。 不要执行写操作，不要连接生产数据库。 输出 JSON，字段包括 decision、reason、reusable、patched_claim。 decision 只能是 accept、reject、patch。""" def verify(candidate, env_probes): user_prompt = json.dumps({ "candidate": candidate, "env_probes": env_probes }, ensure_ascii=False) started = time.time() resp = client.chat.completions.create( model=os.environ.get("VERIFIER_MODEL", "gpt-5-mini"), messages=[ {"role": "system", "content": SYSTEM_PROMPT}, {"role": "user", "content": user_prompt} ], temperature=0, response_format={"type": "json_object"} ) latency_ms = int((time.time() - started) * 1000) content = resp.choices[0].message.content decision = json.loads(content) ledger = { "ts": time.time(), "stage": "memory_verify", "candidate_id": candidate["id"], "model": resp.model, "base_url": "https://taotoken.net/api", "key_alias": "verifier", "prompt_tokens": resp.usage.prompt_tokens, "completion_tokens": resp.usage.completion_tokens, "total_tokens": resp.usage.total_tokens, "decision": decision.get("decision"), "reusable": decision.get("reusable"), "latency_ms": latency_ms } with open("ledger.jsonl", "a", encoding="utf-8") as f: f.write(json.dumps(ledger, ensure_ascii=False) + "\n") return decision if __name__ == "__main__": env_probes = json.load(open("env_probes.json", encoding="utf-8")) for line in open("candidates.jsonl", encoding="utf-8"): candidate = json.loads(line) decision = verify(candidate, env_probes) print(candidate["id"], decision["decision"], decision["reason"])

运行顺序：

cd memory-verify python env_probe.py > env_probes.json python verifier.py cat ledger.jsonl

你会得到两份关键产出：一份是校验决策，一份是ledger.jsonlToken 账本。到这一步，TaoToken 管 Key 的价值就体现出来了：ledger.jsonl里的key_alias全是verifier，你可以单独统计校验智能体的成本，不会和主智能体混在一起。

8. 输出 Token 账与 CLBench 指标回收

有了ledger.jsonl，下一步是统计。写一个clbench_eval.py，把校验结果与 CLBench 通过情况关联起来。假设你已经在本地跑完了 CLBench 评测，得到clbench_results.jsonl，每行包含candidate_id和passed：

import json from collections import defaultdict ledger = [json.loads(line) for line in open("ledger.jsonl", encoding="utf-8")] clbench = {json.loads(line)["candidate_id"]: json.loads(line)["passed"] for line in open("clbench_results.jsonl", encoding="utf-8")} total_tokens = 0 by_decision = defaultdict(lambda: {"count": 0, "tokens": 0, "passed": 0}) for row in ledger: total_tokens += row["total_tokens"] d = row["decision"] by_decision[d]["count"] += 1 by_decision[d]["tokens"] += row["total_tokens"] if clbench.get(row["candidate_id"]): by_decision[d]["passed"] += 1 print("总 Token:", total_tokens) for decision, stat in by_decision.items(): avg = stat["tokens"] / stat["count"] if stat["count"] else 0 pass_rate = stat["passed"] / stat["count"] if stat["count"] else 0 print(f"{decision}: count={stat['count']} avg_tokens={avg:.0f} pass_rate={pass_rate:.2%}")

这个脚本会输出类似：

总 Token: 184320 accept: count=142 avg_tokens=980 pass_rate=81.69% reject: count=57 avg_tokens=1120 pass_rate=12.28% patch: count=31 avg_tokens=1460 pass_rate=64.52%

这里的关键不是数字本身，而是结构。你会发现 reject 和 patch 的平均 Token 往往更高，因为它们需要校验智能体读更多环境材料、做更多推理。论文里 CLBench 通过率从 39% 提升到 73%，背后是校验环节把大量错误记忆挡在了写回之前。但在工程上，你还要回答：挡住这些错误记忆花了多少 Token？如果 reject 太多，是不是主智能体的候选记忆生成提示词需要改？如果 patch 太多，是不是环境探测范围不够？这些问题都可以用 Token 账本定位。

建议把 CLBench 指标和 Token 账本一起看，至少看四个指标：

• 通过率：accept 后写入的记忆在 CLBench 上是否真的有效。
• 拒绝率：reject 占比是否过高，导致主智能体做了大量无效工作。
• 单条校验成本：total_tokens / 校验条数，用来估算长期运行成本。
• 可复用率：reusable=true的比例，用来判断记忆是否值得进入持久层。

TaoToken 管 Key 的另一个好处是，你可以按项目或按智能体角色查看用量。主 Key 和 verifier Key 分开后，成本报表不会混。需要创建新 Key 时，到 https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=memory-verify-keys 即可。

9. 常见报错与排查表

长期运行智能体的记忆校验，问题往往出在配置层。下面这张表可以帮你快速定位：

特别提醒：不要让校验智能体直接连生产库，也不要让 MCP 或 Agent 直连 Oracle、MySQL 等生产资源执行写操作。需要 SQL 验证时，由读者在本地只读副本上执行，再把结果作为文本传入校验流程。这样既符合 environment-probing curation 的“只读环境”原则，也避免生产风险。

10. 成本优化：校验智能体的 Token 从哪省

校验智能体是长期运行智能体的固定开销，所以优化 Token 不是可选项。可以从几个方向入手：

第一，分层模型。主智能体可以用较强的模型生成候选记忆，校验智能体用更便宜、更快的模型做环境比对。如果校验智能体只做“候选记忆与探测结果是否矛盾”的判断，小模型往往足够。你可以在verifier.py里用VERIFIER_MODEL控制，不要写死。

第二，缓存环境探测。git status、package.json、测试收集结果这类探测输出，在短时间内不会剧烈变化。可以把env_probes.json按仓库和 commit 做缓存，校验多条候选记忆时复用同一份环境快照。这样 prompt 可以更短，Token 直接下降。

第三，批量校验。把同一批候选记忆合并成一个校验请求，让模型一次性输出多条决策。但批量不要太大，否则一条错误会污染整批；建议 5 到 10 条一批，并在 JSON 输出里保留candidate_id。

第四，规则前置。明显不可复用的记忆，例如包含“临时”“本次”“一次性”这类词，或者涉及生产库写操作的，先用规则拒绝，不必调用模型。规则拒绝的成本是零。

第五，Token 预算。给verifierKey 设置每日预算或告警，定期查看 TaoToken 官网的用量视图：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=cost-opt 。当校验成本超过主智能体成本时，先检查是不是候选记忆生成太宽泛，而不是急着换更便宜的模型。

第六，按任务切 Key。长跑任务、临时实验、CI 回归分别用不同 Key。这样月底看账时，你能知道哪个项目在消耗校验 Token，而不是只看一个总数。

11. 文末 CTA：从模型对话到 Coding Plan，再到创建 Key 和 Claude Code 文档

如果你准备把这套记忆校验流水线跑起来，建议按这个顺序落地：

1. 先到模型对话页面，用几条候选记忆测试校验智能体的提示词和 JSON 输出是否稳定：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=memory-verify-chat
2. 如果你要把这套流程放进日常编码智能体，查看 Coding Plan，确认主智能体和校验智能体的调用方式：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=memory-verify-coding
3. 到控制台创建独立 Key，至少拆出主 Key、verifier Key 和 CI Key，Base URL 统一用https://taotoken.net/api：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=memory-verify-keys
4. 配置 Claude Code 的settings.json或 Codex 的config.toml，如果不确定 Claude Code 的变量名和权限写法，直接对照文档：https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=memory-verify-claude-code

长期运行智能体的记忆校验，不是把论文里的 environment-probing curation 复述一遍就结束了。真正要跑起来，你需要独立的只读探测、独立的校验智能体、独立的 Key、可审计的 Token 账本，以及和 CLBench 对齐的指标回收。TaoToken 管 Key 解决的是其中的接入与分账问题：Base URL 固定为https://taotoken.net/api，Key 用YOUR_API_KEY占位，按用途拆分，校验智能体的每一次调用都写进ledger.jsonl。当你能同时看到 CLBench 通过率和 Token 账本时，才算真正把长期运行智能体的记忆校验跑成了工程系统。