企业官网建设流程全解析

GitHub 工程师 Stephen Toub 复盘的这组数字，值得每个做成本运营的人把它拆成账单看：Copilot 智能体在约 14.5 周内，把 agent runtime 从 TypeScript/Node.js 全量改写成了 832,378 行生产级 Rust，128 个 PR 增量合入 main 并持续发布。代码行数、PR 数量、周数都是能核对的，但真正驱动这一切的推理调用次数、每轮上下文长度、缓存命中比例，没有任何一张现成的发票。我这次要补的就是这张票：先到 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=ledger_open 取一把 TaoToken Key，把 Base URL 固定成 https://taotoken.net/api ，然后把 Claude Code、Codex、CC Switch 三条链路各自打上埋点，最后落成一张能按 PR、按任务、按 Key 别名回查的消耗表。

这篇不是热点评论，而是一套可跟做的账本工程：怎么接 Key、怎么在配置文件里写死 Base URL、怎么把每个 PR 的 Token 归集到同一张表、怎么用 SQL 反推单位成本口径。整个流程在你本机跑，数据库也建在本地，不涉及任何远程资源直连。

1. 14.5 周与 832,378 行：账本该怎么切分才不糊

先把这组数字翻译成成本运营语言。

14.5 周是时间窗口，128 个 PR 是交付节奏，832,378 行是产出规模。三者对应的其实是三种完全不同的计费维度：

• 按时间窗口看：平均每周约 8.8 个 PR 合入。如果 agent 会话是跨天连续的，那账本的时间戳必须精确到秒，不能只记日期，否则周末和凌晨的用量会被压进同一个桶里，做趋势图时会失真。
• 按 PR 看：这是最实用的归集单元。每个 PR 就是一次「任务边界」，把 PR 编号写进每条调用记录，就能算出「单个 PR 平均烧掉多少 Token」。128 个样本足够做出稳定的均值与分位数。
• 按产出看：832,378 行是一个天然的除数。Token / 千行代码、Token / 单 PR，这两个指标才是复盘时能拿去和下一轮迁移做对比的锚点。

问题在于，真实的重写过程里，agent 不是一次调用产出全部代码。它会读文件、跑测试、改配置、回溯修复，每一次工具调用背后的模型推理都可能计费。所以账本必须记录到「调用」粒度，而不是「会话」粒度。

我见过最多的失败方式，是把整段任务的 Token 汇总成一个总数，然后除以周数。这样做出来的曲线很平滑，但完全没有诊断能力——你无法回答「是缓存没命中导致成本上升，还是上下文在某个阶段爆炸了」。

所以第一章的核心结论只有一句：账本的记录粒度 = 调用粒度，归集维度 = 任务标签（PR 号）+ Key 别名 + 工具来源。

这三个维度缺一不可。工具来源区分 Claude Code 和 Codex，Key 别名区分不同项目或不同人，任务标签把调用挂回具体的 PR。没有了任何一个，后面做聚合都只能靠猜。

拿 Key 这一步建议一次性做掉，后面配置里直接引用。入口在 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=ledger_intro ，拿到之后不要立刻写进任何仓库里的文件。

2. Key、Base URL 与最小可用验证

账本要跑起来，第一件事是确认链路通。不要一上来就配 Claude Code，先用最笨的 curl 打一发，确认 Key 和 Base URL 组合是对的。

Key 从控制台创建，占位符统一用YOUR_API_KEY。Base URL 固定：

https://taotoken.net/api

最小验证命令（本地终端执行，不要写进任何自动化脚本）：

export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_BASE_URL="https://taotoken.net/api" curl -sS "${TAOTOKEN_BASE_URL}/v1/models" \ -H "Authorization: Bearer ${TAOTOKEN_API_KEY}" \ -H "Content-Type: application/json" \ | head -c 800 echo

返回里能看到模型列表，说明鉴权和路由都没问题。这一步失败的话，按下面的顺序排查：

1. 401 / 403：Key 复制时带了空格或换行，用printf '%s' "$TAOTOKEN_API_KEY" | wc -c核对长度。
2. 404：Base URL 写成了带尾斜杠的https://taotoken.net/api/，或者路径重复拼接了/v1。Base URL 只保留到/api。
3. 超时：本机代理环境变量干扰，用env | grep -i proxy看一眼，临时清掉再试。

验证通过之后，立刻在账本里补一条「联通性测试」记录，标签固定为smoke-test。以后每次换 Key 都追加一条，这样对照成本曲线时，能一眼区分出「测试流量」和「生产流量」，避免把几次探活调用算进单位成本里。

3. Claude Code：settings.json 与 ANTHROPIC_* 的埋点写法

Claude Code 走的是ANTHROPIC_*系列环境变量。配置写在settings.json里，落到用户级目录，不要提交到仓库。

{ "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", "CLAUDE_CODE_ENABLE_TELEMETRY": "1" } }

几个必须说清楚的点：

第一，ANTHROPIC_AUTH_TOKEN和ANTHROPIC_API_KEY不要同时设。同时存在时行为不确定，容易在换 Key 之后出现「明明改了配置但用量还记在旧 Key 上」的情况，这是账本对不上账的常见根因。

第二，ANTHROPIC_BASE_URL只写到/api。不要在末尾加/v1，Claude Code 会自己拼路径。多写一层就会 404。

第三，不要把上面这套变量名搬去 Codex。这是两套完全独立的协议，混用只会得到一堆 400。Codex 的配置在下一章。

配置完成后，用一次真实任务跑通，然后在本地记录一条账本项。为了让每次调用都能被归集，建议给不同项目用不同的 Key 别名：在控制台创建多个 Key，分别命名成rewrite-rust-01、rewrite-rust-02，配置文件里只引用其中一个。

Key 的创建与轮换入口：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=ledger_keys 。建议一轮迁移任务最多用 2 到 3 把 Key，多到 5 把以上，账本聚合时的人工对账成本会快速上升。

4. Codex：config.toml 是另一套写法，别套 ANTHROPIC_*

Codex 用config.toml，provider 段落要单独定义。下面这份配置可以直接用，把 Key 通过环境变量注入，不要硬编码进文件。

model = "gpt-5-codex" model_provider = "taotoken" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY" wire_api = "responses" [profiles.ledger] model = "gpt-5-codex" model_provider = "taotoken" model_reasoning_effort = "medium"

配套的环境变量：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

Codex 侧最容易出问题的地方有三个：

一是env_key拼写。这里写的是环境变量名，不是 Key 本身。写成了 Key 值，会出现鉴权失败但日志不明确的情况。

二是base_url重复带路径。同样只到/api，后面的/v1由客户端拼接。

三是wire_api与模型不匹配。有些模型只支持responses，有些只支持chat。切换模型时要同步检查这一项，否则会看到「请求格式不被接受」这类模糊报错。

Codex 侧的账本埋点建议按 profile 区分。上面配了一个ledgerprofile，专门用于迁移类任务，这样在账本里用 profile 名做辅助标签，就能把「探索性调用」和「正式产出调用」分开统计。

要提醒一点：Claude Code 与 Codex 同时在用的时候，两边如果共用同一把 Key，用量会混在一起。真要分工具核算，就至少准备两把 Key，一把给ANTHROPIC_*链路，一把给TAOTOKEN_API_KEY链路。

5. CC Switch 三件套：多 Key 轮换下的对账方案

CC Switch 这类工具的价值，是把「切换供应商 / 切换 Key」这件事从手工改文件变成一次命令。但它同时也把账本搅浑了——因为切换前后的用量会落到不同 Key 上。

我建议的「三件套」是这三个文件，各自负责一件事：

配置源文件（一份模板，多个实例）

# profiles/claude-a.toml [env] ANTHROPIC_BASE_URL = "https://taotoken.net/api" ANTHROPIC_AUTH_TOKEN = "YOUR_API_KEY_A" ANTHROPIC_MODEL = "claude-sonnet-4-5"

# profiles/claude-b.toml [env] ANTHROPIC_BASE_URL = "https://taotoken.net/api" ANTHROPIC_AUTH_TOKEN = "YOUR_API_KEY_B" ANTHROPIC_MODEL = "claude-sonnet-4-5"

切换脚本（决定当前生效实例）

#!/usr/bin/env bash set -euo pipefail PROFILE="${1:?usage: switch.sh <profile-name>}" SRC="profiles/${PROFILE}.toml" DST="${HOME}/.claude/settings.json" if [[ ! -f "$SRC" ]]; then echo "profile not found: $SRC" >&2 exit 1 fi python3 - "$SRC" "$DST" <<'PY' import json, sys, tomllib src, dst = sys.argv[1], sys.argv[2] with open(src, "rb") as f: data = tomllib.load(f) payload = {"env": data.get("env", {})} with open(dst, "w", encoding="utf-8") as f: json.dump(payload, f, ensure_ascii=False, indent=2) print(f"switched -> {dst}") PY echo "current profile: ${PROFILE}"

账本标签文件（记录何时切到了哪把 Key）

switched_at,profile,key_alias,operator,task_tag 2025-01-06T09:12:00Z,claude-a,rewrite-rust-01,me,rewrite-rust-agent-runtime 2025-01-13T10:03:00Z,claude-b,rewrite-rust-02,me,rewrite-rust-agent-runtime

这份 CSV 是账本能对上的关键。因为 Token 用量通常只能从服务端按 Key 聚合看到，而「哪个时间段用的哪把 Key」只有你自己的切换记录知道。两边一 join，就能把用量切回正确的时间窗口。

三件套的落地顺序建议是：先建两个 profile 文件 → 跑一次切换脚本确认settings.json被正确覆盖 → 再补上 CSV 记录。切换脚本一定要带set -euo pipefail，否则模板文件缺失时会静默生成一个空配置，导致后续所有调用走默认端点，账本直接断档。

6. 14.5 周重写项目的账本表结构

到这一步，链路和埋点都有了，缺的是「落在哪里」。下面这张表结构可以直接建在本地 PostgreSQL 里，覆盖调用粒度记录和任务维度归集。

CREATE TABLE token_ledger ( id BIGSERIAL PRIMARY KEY, occurred_at TIMESTAMPTZ NOT NULL DEFAULT now(), tool TEXT NOT NULL, provider TEXT NOT NULL DEFAULT 'taotoken', model TEXT NOT NULL, key_alias TEXT NOT NULL, task_tag TEXT NOT NULL, pr_number INTEGER, input_tokens BIGINT NOT NULL DEFAULT 0, output_tokens BIGINT NOT NULL DEFAULT 0, cache_read BIGINT NOT NULL DEFAULT 0, cache_write BIGINT NOT NULL DEFAULT 0, latency_ms INTEGER, http_status SMALLINT, notes TEXT ); CREATE INDEX idx_ledger_task_time ON token_ledger (task_tag, occurred_at DESC); CREATE INDEX idx_ledger_key_alias ON token_ledger (key_alias, occurred_at DESC); CREATE INDEX idx_ledger_pr ON token_ledger (task_tag, pr_number);

字段设计上有几处是刻意为之：

• key_alias而不是原始 Key。原始 Key 是凭证，不应该出现在任何数据表里。
• cache_read/cache_write单独列。这是成本优化的主战场，混在input_tokens里就看不到优化空间。
• pr_number允许为空。探索性调用、探活调用没有对应 PR，允许为空比强行填 0 更干净。
• http_status保留。失败请求有时也计费，不记录就会产生无法解释的差额。

写入侧给一个批量插入的示例：

INSERT INTO token_ledger (occurred_at, tool, model, key_alias, task_tag, pr_number, input_tokens, output_tokens, cache_read, cache_write, latency_ms, http_status) VALUES (now(), 'claude-code', 'claude-sonnet-4-5', 'rewrite-rust-01', 'rewrite-rust-agent-runtime', 37, 18240, 3120, 12000, 2100, 1840, 200), (now(), 'codex', 'gpt-5-codex', 'rewrite-rust-02', 'rewrite-rust-agent-runtime', 38, 9610, 2480, 0, 0, 2310, 200);

7. 从表到账本：三个能直接拿去复盘的查询

表建好只是开始，能回答问题才算账本。下面三个查询是我在复盘这类大规模重写任务时最常跑的。

查询一：按 PR 看消耗分布，找出异常 PR

SELECT pr_number, COUNT(*) AS calls, SUM(input_tokens + output_tokens) AS total_tokens, ROUND(AVG(latency_ms)) AS avg_latency_ms, SUM(CASE WHEN http_status >= 400 THEN 1 ELSE 0 END) AS failed_calls FROM token_ledger WHERE task_tag = 'rewrite-rust-agent-runtime' AND pr_number IS NOT NULL GROUP BY pr_number ORDER BY total_tokens DESC LIMIT 20;

跑完通常会出现一个明显的长尾：少数几个 PR 消耗了不成比例的 Token。这些 PR 往往对应「agent 反复试探、多次回滚」的阶段。它们是下一轮迁移最值得优化的目标。

查询二：按 Key 别名看缓存命中效率

SELECT key_alias, SUM(input_tokens) AS input_tokens, SUM(cache_read) AS cache_read, ROUND( 100.0 * SUM(cache_read) / NULLIF(SUM(input_tokens + cache_read), 0), 2 ) AS cache_hit_pct FROM token_ledger WHERE task_tag = 'rewrite-rust-agent-runtime' GROUP BY key_alias ORDER BY cache_hit_pct DESC;

缓存命中率低的 Key，说明该链路的上下文复用做得不好。可能是每次调用都重新塞完整文件，也可能是 prompt 前缀不稳定导致缓存失效。

查询三：单位产出的 Token 成本口径

WITH totals AS ( SELECT SUM(input_tokens + output_tokens) AS total_tokens, COUNT(DISTINCT pr_number) AS prs FROM token_ledger WHERE task_tag = 'rewrite-rust-agent-runtime' AND pr_number IS NOT NULL ) SELECT total_tokens, prs, ROUND(total_tokens::numeric / NULLIF(prs, 0), 0) AS tokens_per_pr, ROUND(total_tokens::numeric / NULLIF(prs, 0) / 1000, 2) AS k_tokens_per_pr FROM totals;

有了tokens_per_pr，再把 832,378 行除以 PR 数，就能得到「每 PR 平均产出多少行」。这两个数放在一起，就是这套账本最核心的北向指标。

要强调一点：这些语句在你本地数据库执行，账本数据自己持有，不要把它接到任何外部系统上做实时同步。

8. 成本运营视角下的四条经验

跑通整套流程之后，有几条经验比配置本身更值得记下来。

第一，账本要在大任务开始前就建好，不能事后补。事后补出来的数据只有总数，没有时间分布，也没有 PR 归属，做不出分位数，也就回答不了「下一轮要优化哪里」。

第二，Key 的数量要克制。每多一把 Key，就多一条需要单独对账的线。14.5 周这样的长周期任务，2 到 3 把 Key 轮换足够覆盖配额与故障切换需求。

第三，缓存指标必须单独跟踪。上下文复用做得好不好，直接决定成本曲线的斜率。把cache_read和input_tokens分开看，是识别优化机会最快的方法。

第四，失败调用也要入账。4xx、5xx 的请求有时也会产生计费，而且它们往往集中在配置错误的时段。不入账的话，这段时间的用量会变成一个永远解释不清的缺口。

如果你准备把下一轮迁移的账本提前搭起来，可以先到 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=ledger_plan 看一眼 Coding Plan 的规格，再把上一节的三条 SQL 跑在你自己的数据上做一次基线测量。

9. 落地顺序：四条 deep link 该按什么顺序点

整套流程的落地路径其实很线性，按下面这个顺序走一遍，基本不会绕路：

1. 先验证模型可用性—— 到模型对话页发一条最短请求，确认 Base URL 与鉴权组合正确：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=ledger_chat
2. 确认配额规格—— 长周期迁移任务对配额的要求和日常对话完全不同，先看清楚再动手：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=ledger_plan
3. 创建并命名 Key—— 按「一任务一别名」的原则建 Key，别用默认名，否则账本聚合时无从区分：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=ledger_keys
4. 按文档写配置—— Claude Code 侧的环境变量与settings.json写法以官方文档为准：https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=ledger_ccdoc

四步走完，你的账本就具备了采集能力。接下来唯一需要坚持的事情，是让每一次调用都落进token_ledger—— 包括那些看起来无关紧要的探活请求。

832,378 行代码是别人交出的结果，你能交出的是一张能解释这 832,378 行成本来源的表。这两件事的价值不一样，但后者可以复用很多次。