企业官网建设流程全解析

1. Linux 下 chromedriver 多 case 并发为什么会句柄错乱

在 Linux 服务器上跑 chromedriver 做多 case 并发，最容易踩的坑不是元素定位写错，而是窗口句柄（window handle）和会话（session）对不上号。你明明在 case A 里switch_to.window切到了新标签页，结果操作却打到了 case B 的页面上；或者两个 case 同时启动，driver 端口撞在一起，直接抛Connection refused。这类问题在单机串行时几乎不出现，一旦并发数上去就集中爆发。

核心原因有三个。第一，chromedriver 默认监听9515端口，多个实例不加区分就会抢占同一个端口，后启动的要么失败要么复用别人的会话。第二，Chrome 的 window handle 是进程级唯一的字符串，但如果你用同一个 driver 实例跑多个 case，句柄列表会互相污染，window_handles[-1]拿到的可能是另一个 case 刚开的标签。第三，会话串号往往来自 driver 复用——为了省启动开销，有人把 driver 做成全局单例，结果 case 之间共享了 cookie、localStorage 和当前窗口上下文。

我试过在一台 4 核 8G 的 CentOS 上跑 8 个并发 case，最初就是全局单例 driver，日志里频繁出现no such window: target window already closed，排查半天才发现是句柄被别的 case 关掉了。后来改成每个 case 独立 driver + 独立端口 + 独立 user-data-dir，问题才消失。

这一篇聚焦的就是 Linux 环境下这套隔离怎么做扎实，并且把请求 endpoint 统一改到 TaoToken，用一把 Key 验证请求归属、做失败重试。适合已经在用 Selenium + chromedriver 做自动化、但并发一上来就各种诡异报错的同学。下面从依赖、启动参数、句柄映射、并发隔离到 endpoint 配置，一步步给可复制的命令和配置。

先明确一个检索词方便你对照：Linux chromedriver 多 case 并发句柄隔离配置。你搜到的多数文章只讲单实例启动，不讲端口和句柄映射，这篇补上这块。

依赖库缺失是第一个拦路虎。缺libX11.so.6这类报错在无桌面环境的服务器上极常见，先补齐：

# CentOS / RHEL 系 yum install -y pango.x86_64 libXcomposite.x86_64 libXcursor.x86_64 \ libXdamage.x86_64 libXext.x86_64 libXi.x86_64 libXtst.x86_64 \ cups-libs.x86_64 libXScrnSaver.x86_64 libXrandr.x86_64 \ GConf2.x86_64 alsa-lib.x86_64 atk.x86_64 gtk3.x86_64 # 字体，缺了会导致页面渲染异常、截图空白 yum install -y ipa-gothic-fonts xorg-x11-fonts-100dpi xorg-x11-fonts-75dpi \ xorg-x11-utils xorg-x11-fonts-cyrillic xorg-x11-fonts-Type1 xorg-x11-fonts-misc

装完 Chrome 本体。如果报Cannot find Chrome binary，说明只有 chromedriver 没有 Chrome：

sudo yum install -y https://dl.google.com/linux/direct/google-chrome-stable_current_x86_64.rpm google-chrome --version chromedriver --version

两个版本要匹配，大版本号一致即可。版本对不上会直接抛session not created: This version of ChromeDriver only supports Chrome version XX。这一步做完，单实例能跑起来，才谈得上并发。

2. 把 endpoint 改到 TaoToken 的前置准备

并发跑起来之后，很多 case 需要调用大模型接口做内容生成、断言或数据补全。默认直连各家官方 endpoint 时，每个 case 要维护不同的 Key、不同的限流策略，失败重试也各写各的，维护成本很高。把 endpoint 统一改到 TaoToken，可以用一把 Key 覆盖多个模型，请求归属清晰，重试逻辑也能收敛到一处。

TaoToken 在这里扮演的是统一接入层：你不需要在每个 case 里硬编码不同厂商的地址和密钥，而是把 Base URL 指向https://taotoken.net/api，用同一个 Key 发请求。这样并发时日志里每条请求都能对应到同一个 Key，排查「这个失败请求是谁发的」会快很多。

前置准备分三步。第一步，拿到 Key。登录后在控制台创建：

# 控制台入口（创建和管理 Key） https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=console

第二步，确认你要用的模型 ID。不同模型 ID 不一样，写错会返回model not found。可以在模型对话页先手动发一条验证：

# 模型对话页，用来确认模型 ID 和 Key 是否可用 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=model_chat

第三步，把 Key 写进环境变量，不要硬编码进代码。并发场景下多个 case 读同一个环境变量，既安全又统一：

export TAOTOKEN_API_KEY="sk-你的Key" export TAOTOKEN_BASE_URL="https://taotoken.net/api"

如果你用的是 Claude Code 这类编码工具，或者 Cline 的 MCP 配置，需要写全三件套：Base URL、Key、Model ID。缺任何一个都会连不上。下面给一份可直接复制的配置片段，路径按你实际工具放。

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "sk-你的Key", "ANTHROPIC_MODEL": "claude-sonnet-4-5" } }

注意 Base URL 用https://taotoken.net/api，不要带多余路径。Key 从控制台复制，Model ID 从模型对话页确认。这三件套在后面的 curl 验证和 Python 调用里会反复用到。

前置做完，你手里应该有：可用的 Key、确认过的 Model ID、写好的环境变量。接下来进入 chromedriver 的启动参数和句柄映射配置。

3. 可复制的 chromedriver 启动参数与并发隔离配置

并发隔离的关键是「一个 case 一套资源」：独立端口、独立 user-data-dir、独立 driver 实例。先看启动参数。

chromedriver 启动时指定端口：

chromedriver --port=9515 --verbose --log-path=/var/log/chromedriver-9515.log

并发时每个实例换端口，比如 9515、9516、9517……端口分配建议用脚本按 case 序号算，避免手写冲突。Chrome 侧的启动参数通过 Selenium 的ChromeOptions传入，重点是--user-data-dir和--remote-debugging-port也要隔离：

from selenium import webdriver from selenium.webdriver.chrome.options import Options from selenium.webdriver.chrome.service import Service def build_driver(case_id: int, base_port: int = 9515): port = base_port + case_id opts = Options() opts.add_argument("--headless=new") opts.add_argument("--no-sandbox") opts.add_argument("--disable-dev-shm-usage") opts.add_argument(f"--user-data-dir=/tmp/chrome-profile-{case_id}") opts.add_argument(f"--remote-debugging-port={port + 1000}") opts.add_argument("--disable-gpu") service = Service( executable_path="/usr/local/bin/chromedriver", port=port, service_args=["--verbose", f"--log-path=/var/log/chromedriver-{port}.log"], ) return webdriver.Chrome(service=service, options=opts)

--disable-dev-shm-usage在容器里必加，否则/dev/shm太小会导致 Chrome 崩溃。--user-data-dir每个 case 独立，cookie 和缓存就不会串。--remote-debugging-port也要错开，否则调试端口冲突。

句柄映射表是解决窗口错乱的核心。不要用window_handles[-1]这种位置索引，而是维护一张case_id -> handle的映射：

class HandleRegistry: def __init__(self): self._map = {} # case_id -> current handle def bind(self, case_id: int, driver): handles = driver.window_handles self._map[case_id] = handles[0] return handles[0] def switch(self, case_id: int, driver, handle: str): driver.switch_to.window(handle) self._map[case_id] = handle def current(self, case_id: int): return self._map.get(case_id)

每个 case 开新标签后，立刻把新 handle 登记到映射表，后续所有切换都从表里取，不依赖顺序。这样即使两个 case 同时开标签，也不会互相拿错。

并发隔离配置建议用进程池，每个进程一个 driver：

from concurrent.futures import ProcessPoolExecutor def run_case(case_id: int): driver = build_driver(case_id) registry = HandleRegistry() registry.bind(case_id, driver) try: driver.get("https://example.com") # 你的 case 逻辑 return f"case {case_id} ok" finally: driver.quit() if __name__ == "__main__": with ProcessPoolExecutor(max_workers=4) as pool: results = list(pool.map(run_case, range(4))) print(results)

用进程池而不是线程池，是因为 chromedriver 和 Chrome 都是独立进程，线程共享 GIL 反而容易在句柄操作上出竞态。进程隔离最干净。

到这里，chromedriver 的端口、profile、句柄映射、并发模型都配好了。接下来把 endpoint 接进 case 逻辑，用统一 Key 发请求并验证归属。

4. 验证请求与成功结果：curl 与日志核对

配置写完必须验证，否则你不知道请求到底发到哪去了。先用 curl 直接打 TaoToken 的 endpoint，确认 Key 和 Model ID 可用：

curl -s https://taotoken.net/api/v1/messages \ -H "x-api-key: ${TAOTOKEN_API_KEY}" \ -H "anthropic-version: 2023-06-01" \ -H "content-type: application/json" \ -d '{ "model": "claude-sonnet-4-5", "max_tokens": 64, "messages": [{"role": "user", "content": "reply with ok"}] }'

成功时返回 JSON，content里有模型回复。如果返回 401，说明 Key 不对或没带上；返回model not found，说明 Model ID 写错。这一步过了，再进 Python。

在 case 里调用时，把 Base URL 指向 TaoToken，用同一个 Key：

import os, requests def call_llm(prompt: str, retries: int = 3): url = f"{os.environ['TAOTOKEN_BASE_URL']}/v1/messages" headers = { "x-api-key": os.environ["TAOTOKEN_API_KEY"], "anthropic-version": "2023-06-01", "content-type": "application/json", } payload = { "model": "claude-sonnet-4-5", "max_tokens": 256, "messages": [{"role": "user", "content": prompt}], } for i in range(retries): try: resp = requests.post(url, headers=headers, json=payload, timeout=30) if resp.status_code == 200: return resp.json() print(f"attempt {i} status {resp.status_code}: {resp.text[:200]}") except requests.RequestException as e: print(f"attempt {i} error: {e}") raise RuntimeError("llm call failed after retries")

请求归属怎么验证？看日志。TaoToken 侧每条请求都带 Key 标识，你可以在控制台的用量页核对调用次数和模型分布：

# API Keys 管理页，核对 Key 和用量 https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=api_keys

本地侧，chromedriver 日志和 Python 日志要能对上。chromedriver 日志里看session和window操作，Python 日志里打 case_id 和请求耗时：

import logging logging.basicConfig( filename="/var/log/case-run.log", level=logging.INFO, format="%(asctime)s case=%(case_id)s %(message)s", )

成功结果长这样：4 个并发 case 全部返回ok，chromedriver 日志里 4 个端口各自独立，没有Connection refused，TaoToken 用量页显示 4 次调用对应同一个 Key。如果某个 case 失败，重试逻辑会打 3 次日志，最终抛错，你能从 case_id 定位到具体是哪个。

失败重试要注意幂等。如果 case 逻辑是「生成内容后写库」，重试前要确认没写重复。简单做法是重试只包住 LLM 调用，不包住写库。

验证通过后，你就有了一套可复制的并发 + 统一 endpoint 方案。下面把常见报错集中排一遍。

5. 本篇常见错排查：401、local proxy failed、reading choices、OAuth

并发场景报错多，按出现频率排。

401 Unauthorized。最常见。原因：Key 没带、Key 写错、环境变量没 export 到子进程。进程池里子进程不会自动继承你 shell 里临时 export 的变量，要在代码里显式传或写进.env再加载。核对动作：

echo $TAOTOKEN_API_KEY | head -c 8 curl -s -o /dev/null -w "%{http_code}\n" https://taotoken.net/api/v1/messages \ -H "x-api-key: ${TAOTOKEN_API_KEY}" -H "anthropic-version: 2023-06-01" \ -H "content-type: application/json" \ -d '{"model":"claude-sonnet-4-5","max_tokens":8,"messages":[{"role":"user","content":"hi"}]}'

返回 200 说明 Key 没问题，问题在代码传参。

local proxy failed。这个报错通常出现在请求走了本地代理但代理没起来，或者环境变量HTTP_PROXY/HTTPS_PROXY指向了不存在的地址。并发时多个 case 抢同一个代理端口也会触发。核对：

env | grep -i proxy

如果有残留代理变量，unset 掉再跑。注意不要配置任何绕过网络合规要求的工具，直接连 TaoToken 的 endpoint 即可。

reading choices 相关报错。这类多半是响应体解析失败，比如返回的不是预期 JSON，或者choices字段不存在。原因可能是 Model ID 写成了 OpenAI 格式的模型名，但 endpoint 是 Anthropic 格式。核对 Model ID 是否和模型对话页一致，请求体字段是否匹配（Anthropic 用messages+max_tokens，不是prompt）。

OAuth 相关报错。如果你用 Claude Code 或 Codex 这类工具，配置里混了 OAuth 登录态和 API Key，会冲突。统一用 API Key 方式，配置三件套写全：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "sk-你的Key", "ANTHROPIC_MODEL": "claude-sonnet-4-5" } }

Codex 的auth.json同理，Base URL、Key、Model ID 三件套缺一不可。Cline 的 MCP 配置也是这三样。CC Switch 切换配置时，确认切过去的那份三件套完整。

句柄相关报错：no such window、target window already closed。回到第 3 节的 HandleRegistry，确认每次开新标签都登记了 handle，关闭标签后从映射表移除。不要用位置索引。

端口冲突：Connection refused或address already in use。核对端口分配脚本，确保base_port + case_id不重复。用ss -tlnp | grep 951看端口占用。

排障时优先看 chromedriver 日志和 Python 日志的时间戳对齐，能快速定位是 driver 层还是请求层的问题。接入文档里有更细的字段说明：

# 接入文档 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=doc

6. 长期跑并发 case 的接入选择

如果你只是偶尔跑几个 case，上面的进程池 + 独立端口就够了。但如果要长期跑、case 数量多、还要接编码 Agent 做持续生成，建议把接入方式固定下来，用 Coding Plan 管理额度和 Key，避免每次手动配。

# Coding Plan，适合长期编码和 Agent 场景 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=coding_plan

Key 的创建和管理统一在 API Keys 页：

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

实际跑下来，几个能省时间的点：把端口分配、profile 目录、日志路径都写成按 case_id 生成的函数，别手写；句柄映射表用类封装，别散落在各处；LLM 调用统一走一个带重试的函数，Base URL 和 Key 从环境变量读。这样并发数从 4 加到 16，你只需要改max_workers，其他不用动。

最后提醒一句：--user-data-dir的目录要定期清理，跑久了/tmp会堆满 profile，磁盘满了 Chrome 会静默崩溃，日志里只看到session not created，很难查。加个定时清理：

find /tmp -maxdepth 1 -name "chrome-profile-*" -mtime +1 -exec rm -rf {} \;

这套配置在 CentOS 和 Ubuntu 上都验证过，chromedriver 版本 120+ 和 Chrome 120+ 匹配。你按自己的版本调整 executable_path 和 Model ID 即可。