企业官网建设流程全解析

一、原问题与场景：OpenAI on AWS 餐饮补货 Demo 卡在 Key 和 Base URL

这篇要解决的是一个很具体的接入问题：你照着「Agentic AI 全流程实战：用 OpenAI on AWS 搭一个餐饮补货智能体」的教程往下做，步骤 1 里那三个环境变量——AI_BASE_URL、AI_API_KEY、MODEL_NAME——原文只写了「你的 OpenAI 兼容接口地址」和「你的密钥」，于是你卡住了：这个地址到底填什么？Key 从哪来？填官网落地页行不行？带不带/v1？

先把结论放前面：这条 Demo 链路里，模型调用可以走TaoToken的 OpenAI 兼容通道。你只需要打开官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 完成注册、创建一把 Key，然后把AI_API_KEY填成这把 Key，把AI_BASE_URL填成https://taotoken.net/api（注意：不带/v1，也不要把带 UTM 的落地页地址填进去）。餐饮补货智能体的/reorder接口、uvicorn app:app --host 0.0.0.0 --port 8000启动方式、以及容器化时docker run的-e传参，全部保持原文不变。

需要提前说清楚边界：TaoToken 在这里只负责提供 Key 和 Base URL，它不替代 FastAPI、不替代 Docker、也不替代你的补货逻辑。你的 Agent 还是那个「只给建议、不直接下单」的 Agent，只是它背后调用的模型通道换成了一个可用的兼容入口。

原文的步骤 2 里，app.py用requests.post把AI_BASE_URL和/chat/completions拼在一起，这个写法本身没问题，问题只在于变量来源没交代。本文就把这个缺口补上：从注册拿 Key，到填变量，到curl验证返回need_reorder、items、reason、next_action的结构化 JSON，走一遍完整可复制的流程。

二、TaoToken 前置：注册、创建 Key、确认 Base URL

在动app.py之前，先把两个值拿到手，这是整条链路的前置条件。

第一步，打开官网完成注册。地址是 https://taotoken.net/?utm_source=taotoken_aicg_blog_end ，按页面提示注册账号。这一步只是拿到一个可以创建 Key 的账号环境，不涉及任何代码改动。

第二步，创建 API Key。登录后进入控制台的 API Keys 页面（deep link：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite ），新建一把 Key。创建后立刻复制保存，页面通常只完整展示一次。这把 Key 就是你后面要填进AI_API_KEY的值，形如YOUR_API_KEY的位置就换成它。

第三步，确认 Base URL。这是最容易填错的地方，单独强调：

• 正确值：https://taotoken.net/api
• 不要填：官网落地页https://taotoken.net/?utm_source=...（那是给人看的页面，不是接口地址）
• 不要填：带 UTM 参数的地址
• 不要自己加/v1：原文app.py里已经拼了/chat/completions，你再加/v1会变成/v1/chat/completions之外的重复路径，容易 404

也就是说，AI_BASE_URL的职责是「协议 + 域名 + 兼容前缀」，/chat/completions由代码拼接。两者分工明确，别混。

如果你还想先确认模型通道是否正常，可以到模型对话页面（deep link：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite ）做一次简单对话验证，确认 Key 可用后再回到代码。接入相关的完整说明在接入文档（deep link：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ）。

三、可复制配置：环境变量、app.py 与 Docker 传参

前置拿到 Key 和 Base URL 后，回到原文的工程结构，只改「值」，不改「结构」。

3.1 环境变量

原文步骤 1 的三个变量，现在可以填实了：

export AI_BASE_URL="https://taotoken.net/api" export AI_API_KEY="YOUR_API_KEY" export MODEL_NAME="gpt-4.1-mini"

三点说明：

1. AI_BASE_URL就是https://taotoken.net/api，结尾没有斜杠，没有/v1，没有 UTM。
2. AI_API_KEY换成你在控制台创建的那把 Key，不要留YOUR_API_KEY占位符。
3. MODEL_NAME按你实际可用的模型 ID 填，原文示例是gpt-4.1-mini，以你所选服务文档为准。

3.2 app.py 保持不变

原文的app.py不需要为了换通道而重写。核心拼接逻辑是：

resp = requests.post( f"{AI_BASE_URL}/chat/completions", headers={"Authorization": f"Bearer {AI_API_KEY}"}, json=payload, timeout=60, )

因为AI_BASE_URL已经是https://taotoken.net/api，拼出来就是https://taotoken.net/api/chat/completions，这正是兼容接口期望的路径。SYSTEM_PROMPT、ReorderReq、response_format这些都不动，Agent 依然只输出 JSON、默认manual_review。

3.3 启动服务

uvicorn app:app --host 0.0.0.0 --port 8000

和原文一致，端口、host 都不变。

3.4 容器化传参

原文 Dockerfile 不变，docker run时把两个变量传进去：

docker run -p 8000:8000 \ -e AI_BASE_URL="https://taotoken.net/api" \ -e AI_API_KEY="YOUR_API_KEY" \ -e MODEL_NAME="gpt-4.1-mini" \ reorder-agent

关键点：-e AI_BASE_URL传的仍然是https://taotoken.net/api，不是落地页、不是带 UTM 的地址。容器里没有你本地的 shell 环境，变量必须在docker run时显式传入，否则os.getenv拿到的是None，请求会直接失败。

四、验证请求与成功结果

配置填好后，用原文的curl打一次/reorder，确认整条链路通。

curl -X POST "http://127.0.0.1:8000/reorder" \ -H "Content-Type: application/json" \ -d '{ "inventory": {"鸡胸肉": 1, "番茄": 8, "生菜": 2}, "sales_note": "明天门店有团餐活动，预计午高峰增加", "supplier_rule": "鸡胸肉按整箱订购，生鲜优先当天补" }'

期望的成功结果：返回体里能看到模型产出的结构化 JSON，字段包括：

• need_reorder：布尔值，是否需要补货
• items：数组，每项含sku、qty、unit
• reason：补货原因，例如「周末活动预计需求上升」
• next_action：默认manual_review，表示只给建议、不自动下单

如果返回的是这个结构，说明AI_BASE_URL和AI_API_KEY都填对了，模型调用已经走通 TaoToken 兼容通道，FastAPI 的/reorder也正常工作。

注意返回层级：app.py里return resp.json()直接把上游响应返回，所以你在curl结果里看到的可能是 OpenAI 兼容格式，模型生成的 JSON 在choices[0].message.content里，是一段字符串。如果你的业务代码要直接拿need_reorder，需要再解析一层。这一点原文没展开，但排查时很容易误判成「字段没返回」。

五、本篇常见错排查

这一节按「报错现象 → 原因 → 处理」来，都是换通道时高频踩的坑。

1. 401 Unauthorized / invalid api key原因：AI_API_KEY没填、填了占位符YOUR_API_KEY、或者复制时带了空格。 处理：重新到 API Keys 页面复制，确认export后echo $AI_API_KEY有值，容器场景确认-e传了。

2. 404 Not Found原因：AI_BASE_URL填成了官网落地页或带 UTM 的地址，或者自己多加了/v1，拼出来路径不对。 处理：改回https://taotoken.net/api，结尾不加斜杠，不加/v1。

3. 连接超时 / Connection refused原因：AI_BASE_URL写成了http://或域名拼错；或者容器内网络不通。 处理：确认是https://taotoken.net/api；容器场景检查网络策略。

4. 返回不是 JSON / 解析失败原因：temperature偏高，或response_format没生效，模型输出了自然语言。 处理：按原文把temperature降到 0.2，保留response_format: {"type": "json_object"}，并在SYSTEM_PROMPT里强调「只输出 JSON」。

5. 容器里变量为 None原因：docker run忘了-e，或-e的值带了引号嵌套错误。 处理：显式传-e AI_BASE_URL="https://taotoken.net/api"和-e AI_API_KEY="YOUR_API_KEY"，启动后进容器env | grep AI_确认。

6. SKU 名称乱飞原因：模型编造了不存在的商品。 处理：把允许商品白名单传给模型，要求只能从白名单选，这是原文调试清单里也提到的点。

7. 重复提交采购原因：动作没有幂等控制。 处理：给每次动作加幂等 ID，默认manual_review，审批通过才允许 action。

排障时如果确认是 Key 或接入配置问题，回到 API Keys 页面（deep link：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite ）重新创建，或对照接入文档（deep link：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ）核对路径。

六、语义一致 CTA

回到标题那个问题：OpenAI on AWS 餐饮补货智能体，Base URL 改到 TaoToken 通道行不行？答案是行，前提是你把两个值填对——AI_BASE_URL用https://taotoken.net/api，AI_API_KEY用你在控制台创建的 Key，其余 FastAPI、Docker、补货逻辑一律不动。

如果你正在做接入和排障，建议先把 Key 和接入文档这两件事办完：

• 创建 Key：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite
• 接入文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite

如果你只是想先验证模型通道是否正常，去模型对话页面发一条消息即可：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite

如果你打算把这个补货 Agent 长期跑下去、做多门店多供应商的持续编码和 Agent 迭代，那更适合走 Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite

整条链路的分工再复述一遍：TaoToken 供 Key 和 Base URL，FastAPI 负责/reorder，Docker 负责容器化，补货逻辑和「人工确认刹车」由你自己掌控。先把curl跑出need_reorder、items、reason、next_action这组结构化 JSON，再谈上线 AWS。