企业官网建设流程全解析

1. DeepSeek Harness 连 Obsidian 的 Base URL 替换点

TaoToken（https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_intro）最近在 CSDN 上被反复提及，尤其有人用“真猛”来形容 DeepSeek Harness 连上 Obsidian 的体验。但真到本地配置时，最容易卡住的不是 Obsidian 插件能不能装，而是 DeepSeek Harness 到底把模型请求发到了哪个 endpoint。你选中一段笔记，让 Harness 做总结、抽标签、生成双链建议，表面上动作发生在 Obsidian 里，实际 Token 消耗方是 DeepSeek Harness 调模型处理笔记内容时发出的请求。只要 Base URL 没换对，就会看到 401、404、模型不存在、超时或“请求成功但没有任何输出”。所以本文不先讲插件花活，而是按模型调用观察视角，把 Base URL 替换点、调用日志、Token 消耗观察拆成可复现步骤。核心动作只有两个：把 Harness 的模型供应商 Base URL 改成https://taotoken.net/api，把 API Key 换成你在 TaoToken 控制台创建的YOUR_API_KEY。Key 不要写死在公开笔记里，后面会给出环境变量和配置文件两种方式。

很多人第一次配置 DeepSeek Harness 时，会直接沿用旧 endpoint，或者在 Base URL 后面手动拼/v1、/chat/completions。这会让 Harness 的请求路径和供应商预期不一致，日志里常见的就是404 Not Found或model not found。正确的替换点是 Harness 的“模型供应商”配置区块，而不是 Obsidian 插件的设置页。Obsidian 只负责触发命令、读取当前笔记、组装上下文；真正发 HTTP 请求的是 Harness 运行时。只要你把 Harness 的 Base URL 指向 TaoToken，再配合正确的 Key 和模型名，Obsidian 里的笔记处理链路才会重新通。下面从配置分层开始，逐步落到日志和 Token 统计。

2. DeepSeek Harness 里与模型请求有关的三个配置层

要把 DeepSeek Harness 和 Obsidian 串起来，先分清三个层，否则你会在一堆设置项里来回改。

第一层是 Obsidian 层。它负责交互：你选中文本、执行命令、打开侧边栏、触发总结。它可能把当前笔记、选中的段落、标签、双链、模板变量组装成一个 prompt，然后交给 Harness。它本身通常不直接持有模型供应商的 Base URL，除非你用的插件内置了独立请求逻辑。排查时先确认 Obsidian 插件调用的是本地 Harness，而不是自己偷偷发请求。

第二层是 DeepSeek Harness 运行时。它是模型调用的实际发起方，负责鉴权、路由、重试、超时、日志、Token 统计。你需要重点看这些字段：base_url、api_key、model、timeout、max_tokens、stream、log_requests。不同版本的 Harness 可能用 JSON、TOML、YAML 或环境变量，但语义基本一致。只要base_url不是https://taotoken.net/api，Obsidian 里的请求就会打到旧地址。

第三层是 TaoToken 供应商层。你需要在 TaoToken 官网创建 Key，然后把 Harness 的 Base URL 指向https://taotoken.net/api。官网入口：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_config 。创建 Key 后，不要把 Key 提交到 Git，也不要把 Key 写进 Obsidian 笔记正文。推荐用环境变量或本地配置文件。

假设你的 Harness 使用 JSON 配置，可以按下面这种结构改。字段名请以你本地版本为准，但 Base URL 和 Key 的替换点是固定的：

{ "provider": "openai-compatible", "base_url": "https://taotoken.net/api", "api_key": "YOUR_API_KEY", "model": "deepseek-chat", "timeout_ms": 120000, "max_tokens": 4096, "stream": true, "log_requests": true }

如果 Harness 使用 TOML，则改成类似这样：

[model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key = "YOUR_API_KEY" model = "deepseek-chat" timeout_ms = 120000 max_tokens = 4096 stream = true log_requests = true

如果 Harness 支持环境变量覆盖，可以用：

export DEEPSEEK_HARNESS_BASE_URL="https://taotoken.net/api" export DEEPSEEK_HARNESS_API_KEY="YOUR_API_KEY" export DEEPSEEK_HARNESS_MODEL="deepseek-chat"

如果你的 Harness 走 OpenAI 兼容变量，也可以这样临时验证：

export OPENAI_BASE_URL="https://taotoken.net/api" export OPENAI_API_KEY="YOUR_API_KEY"

注意：环境变量只对当前终端会话生效。如果你从桌面图标启动 Obsidian，它可能读不到你终端里的 export。更稳的方式是写进 Harness 的配置文件，或者用系统级环境变量。改完后重启 Harness 和 Obsidian，避免旧进程继续使用旧 Base URL。

3. 在 Obsidian 笔记工作流中定位 Base URL 替换点

不同发行版的 DeepSeek Harness 可能把配置放在用户目录、项目目录或应用支持目录。与其猜路径，不如先用搜索命令把候选配置找出来。下面命令只在你本地执行，不会上传任何笔记内容：

rg -n "base_url|baseUrl|api_base|endpoint|OPENAI_BASE_URL|DEEPSEEK_HARNESS_BASE_URL" \ ~/.config ~/Library/Application\ Support . \ -g '!node_modules' -g '!*.log' -g '!*.md'

搜索结果里重点看三类文件：

1. 用户级配置：例如~/.config/deepseek-harness/或~/Library/Application Support/下的配置文件。
2. 项目级配置：例如当前仓库根目录的.deepseek-harness.*、harness.*或.env。
3. 环境变量文件：例如.env、.env.local，里面可能写着OPENAI_BASE_URL或DEEPSEEK_HARNESS_BASE_URL。

找到后，把旧 Base URL 整行替换为：

https://taotoken.net/api

不要保留旧域名，也不要在后面拼/v1。除非 TaoToken 控制台或 Harness 文档明确要求你加版本路径，否则统一先用https://taotoken.net/api。然后是 API Key：把旧 Key 替换为YOUR_API_KEY占位，实际值去 TaoToken 控制台创建。创建入口：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_keys 。创建后建议先复制到密码管理器，再填入 Harness 配置。

如果你在 Obsidian 里使用多个 vault，建议每个 vault 只保留一份 Harness 配置，不要在每个 vault 里复制不同 Key。否则你很难判断某次 Token 消耗来自哪个 vault。更稳的做法是：用户级配置只放 Base URL 和 Key，项目级配置只放模型名和max_tokens。这样切换 vault 时，供应商入口不会变。

替换完成后，做一次最小验证：在 Obsidian 里新建一条测试笔记，内容只写“请用一句话总结：今天测试 DeepSeek Harness 连接 Obsidian”。然后触发 Harness 命令。如果返回正常，说明 Base URL、Key、模型名至少有一个组合是对的。如果仍然报错，进入下一节日志排查。

4. 调用日志：确认 Obsidian 笔记请求真的走了 TaoToken

模型调用观察视角下，日志比感觉可靠。你需要确认三件事：请求 URL 是不是https://taotoken.net/api，HTTP 状态码是不是 2xx，返回体里有没有usage字段。先在 Harness 配置里打开请求日志，例如log_requests: true或启动时加--log-level debug。不同工具参数不同，常见做法是：

deepseek-harness --log-level debug

或者在配置中写：

{ "log_requests": true, "log_level": "debug", "log_dir": "./logs" }

然后去 Obsidian 触发一次笔记总结，再看日志文件。日志里应该出现类似内容：

[harness] provider=openai-compatible [harness] base_url=https://taotoken.net/api [harness] model=deepseek-chat [harness] stream=true [harness] request_id=req_xxx [harness] status=200 [harness] prompt_tokens=812 [harness] completion_tokens=143 [harness] total_tokens=955

如果看到status=401，优先检查 Key 是否过期、是否多了空格、是否把Bearer写进了 Key 字段。如果看到status=404，优先检查 Base URL 是否多了/v1，或者 Harness 是否在 Base URL 后自动拼接了错误路径。如果看到model not found，去 TaoToken 的模型对话页面确认模型名。模型对话入口：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_chat 。

如果你想把日志里的 Token 消耗汇总出来，可以用jq处理 JSONL 日志。假设日志路径是~/.deepseek-harness/logs/requests.jsonl：

jq -r 'select(.usage != null) | [.timestamp, .model, .usage.prompt_tokens, .usage.completion_tokens, .usage.total_tokens] | @tsv' \ ~/.deepseek-harness/logs/requests.jsonl

也可以写一个 Python 脚本做累计统计：

import json from pathlib import Path log_path = Path.home() / ".deepseek-harness" / "logs" / "requests.jsonl" total = {"prompt": 0, "completion": 0, "total": 0, "requests": 0} for line in log_path.read_text(encoding="utf-8").splitlines(): try: rec = json.loads(line) except json.JSONDecodeError: continue usage = rec.get("usage") or {} total["prompt"] += usage.get("prompt_tokens", 0) total["completion"] += usage.get("completion_tokens", 0) total["total"] += usage.get("total_tokens", 0) total["requests"] += 1 print(total)

这段脚本只读本地日志。如果你发现requests数量远大于你在 Obsidian 里实际触发的次数，说明 Harness 可能在重试，或者 Obsidian 插件在重复调用。重试会重复消耗 Token，需要在 Harness 里检查retry、max_retries、timeout配置。

5. Token 消耗观察：Obsidian 笔记处理请求的四个变量

同样一段笔记，为什么有时消耗几百 Token，有时消耗几千？从模型调用观察视角看，至少有四个变量。

第一，笔记长度和分块策略。长笔记会被 Harness 切成多个 chunk，每个 chunk 都可能触发一次独立请求。如果笔记有 8000 字，而单次上下文限制较小，拆成 5 块就是 5 次调用。每次调用都会带系统提示、模板、历史上下文，所以总消耗不是线性放大，而是叠加放大。

第二，上下文注入范围。你在 Obsidian 里选中的是当前段落，还是整个笔记？是否把双链、反向链接、标签、属性、模板变量都塞进了 prompt？这些内容都会计入prompt_tokens。如果你只想总结一段，就不要把整个 vault 的上下文带进去。

第三，输出长度。max_tokens设得太大，模型可能生成很长内容；设得太小，又可能截断。建议为不同任务设置不同上限：摘要类 512 到 1024，标签类 128 到 256，长文改写类 2048 到 4096。实际消耗看completion_tokens。

第四，重试和超时。网络抖动、Base URL 错误、Key 无效都会触发重试。如果重试策略是 3 次，而每次都在超时后才失败，Token 可能已经计费。因此配置完 TaoToken Base URL 后，先用小笔记验证，再处理长笔记。可以在日志里统计失败请求：

jq -r 'select(.status >= 400) | [.timestamp, .status, .error, .request_id] | @tsv' \ ~/.deepseek-harness/logs/requests.jsonl

如果失败请求很多，先修配置，不要急着跑全量笔记。TaoToken 官网：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_token ，可以在控制台查看 Key 和用量。对于 Obsidian 这种笔记场景，建议开启流式输出，这样你能更早看到结果，也更容易判断请求是否真的通。

6. 多工具配置对照：Claude Code、Codex、CC Switch 不要混用协议

DeepSeek Harness 只是模型调用方之一。你很可能同时用 Claude Code、Codex、CC Switch。这里最容易犯的错，是把 Claude Code 的ANTHROPIC_*变量套到 Codex 上，或者把 Codex 的config.toml写法抄到 Claude Code。两者协议不同，必须分开写。

Claude Code 用settings.json和ANTHROPIC_*。示例：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "claude-sonnet-4-20250514" } }

Codex 用config.toml，不要写ANTHROPIC_*。示例：

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

然后在环境变量里提供 Key：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

CC Switch 可以理解为多配置切换器，核心是三件套：供应商名称、Base URL、API Key。你可以为 DeepSeek Harness、Claude Code、Codex 分别建 profile，但不要共用一个 Key 文件。概念示例如下：

profiles: - name: taotoken-harness base_url: https://taotoken.net/api api_key: YOUR_API_KEY model: deepseek-chat - name: taotoken-claude-code base_url: https://taotoken.net/api api_key: YOUR_API_KEY model: claude-sonnet-4-20250514 - name: taotoken-codex base_url: https://taotoken.net/api api_key: YOUR_API_KEY model: gpt-5

注意：上面只是配置结构示意，字段名以你本地 CC Switch 版本为准。重点是协议分开：Claude Code 走ANTHROPIC_*，Codex 走config.toml，DeepSeek Harness 走它自己的模型供应商字段。三者可以共用https://taotoken.net/api作为 Base URL，但 Key 和模型名要按工具分别确认。

7. 排障清单：401、404、超时、Token 不计数

配置完成后，如果 Obsidian 里仍然没有结果，按下面清单逐项排查。

第一，401 Unauthorized。检查 Key 是否填成YOUR_API_KEY但没有替换，检查 Key 前后是否有空格，检查 Harness 是否要求Bearer前缀。大多数工具只需要在 Key 字段填原始 Key，不要手写Bearer YOUR_API_KEY。如果环境变量和配置文件同时存在，确认哪个优先级更高。

第二，404 Not Found。最常见原因是 Base URL 拼错，例如写成https://taotoken.net/api/v1或漏掉/api。统一先改成https://taotoken.net/api，再重启 Harness。如果 Harness 自动追加/v1，查看日志里的完整请求 URL，确认最终地址是否符合 TaoToken 文档。

第三，超时。长笔记、大上下文、慢网络都会超时。先把timeout_ms调大，例如 120000，再把测试笔记缩短到 200 字以内。如果短笔记也超时，检查 Base URL 是否能从当前机器访问。

第四，模型不存在。模型名必须和 TaoToken 支持的模型名一致。去模型对话页面确认：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_chat 。不要凭记忆写模型名。

第五，Token 不计数。检查log_requests是否开启，检查日志文件是否写到另一个目录，检查请求是否被 Obsidian 插件缓存。如果请求走的是本地缓存，可能没有真实调用模型，自然没有 Token 消耗。

第六，重复计费。检查 Harness 的重试次数和 Obsidian 插件的自动触发设置。有些插件会在文件保存时自动调用，每次保存都触发一次请求。建议先用手动命令验证，再开自动触发。

可以用 curl 做最小连通性检查，命令由你本地执行：

curl -sS https://taotoken.net/api/models \ -H "Authorization: Bearer YOUR_API_KEY" | jq .

如果该端点返回模型列表，说明 Base URL 和 Key 基本可用。如果返回 404，说明该路径可能不适用，请以 TaoToken 控制台文档为准。重点不是 curl 本身，而是通过它确认网络层和鉴权层。

8. 文末 CTA：从模型对话到 Claude Code 文档

如果你已经按上面的步骤把 DeepSeek Harness 的 Base URL 改成https://taotoken.net/api，并且能在日志里看到status=200和usage字段，那么 Obsidian 笔记处理链路就算打通了。接下来建议按这个顺序继续：

1. 先去模型对话页面验证模型名和响应效果：
   https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_chat

2. 如果你要把这套调用用在长期笔记工作流里，查看 Coding Plan：
   https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_plan

3. 去控制台创建和轮换 API Key，把YOUR_API_KEY替换成真实 Key：
   https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_keys

4. 如果你同时使用 Claude Code，按官方文档配置settings.json和ANTHROPIC_*：
   https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_claudecode

5. 更多工具接入和 Base URL 说明，回到 TaoToken 官网：
   https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=deepseek_harness_obsidian_cta

最后记住三个可复现产出：第一，Base URL 替换点是https://taotoken.net/api；第二，调用日志里要能看到status=200和usage；第三，Token 消耗观察要落到prompt_tokens、completion_tokens、total_tokens三个字段。只要这三点成立，DeepSeek Harness 连 Obsidian 的模型调用链路就是可验证、可统计、可排障的。