企业官网建设流程全解析

1. Codex CLI 报 401 之后，我才发现 agent-memory 和模型入口是两件事

在 Codex CLI 里配好 agent-memory 之后，如果config.toml里没有把模型供应商指向 TaoToken（https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=codex_agentmemory_intro），终端大概率会先给你一个 401。很多人第一反应是“记忆库没装好”，其实 agent-memory 从头到尾都不负责模型调用：它管的是记忆怎么存、怎么检索、怎么在会话边界写入；真正把 prompt 发出去、把 token 账单打出来的，是 Codex CLI 自己。

这个区分非常关键。agent-memory 的设计是 local-first，Markdown 作为唯一事实来源，SQLite 只做索引缓存，整个项目本身零 API key，不需要第三方服务。也就是说，你可以把记忆库完整跑在本地，但 Codex CLI 仍然需要一个模型入口，否则它只能对着记忆文件发呆。本文面向中文 Codex CLI 用户，把“中文版 README 阅读路径”和“Codex CLI 模型入口配置”对在一起，给出一份能直接复现的接入方案。

如果你现在正在用 Codex CLI 做项目，又希望它记住上次踩过的坑、确认过的接口约定、项目里的命名习惯，那么建议先按本文顺序读：先拿到 TaoToken 的 Key，再把 Base URL 设成https://taotoken.net/api，最后回到 agent-memory 中文版 README 里配置会话边界。这样做的原因很简单：先保证模型入口通，再验证记忆检索，否则排障时会分不清是模型 401 还是记忆未命中。

2. 中文版 README 的阅读顺序：从 source of truth 到会话边界

agent-memory 中文版仓库已经发布，README 和核心文档做了完整中文化。对中文开发者来说，最大的价值不是“翻译了一遍”，而是可以按一条明确的阅读路径快速建立心智模型。我建议不要从安装命令开始读，而是先读设计原则，再读目录结构，最后读会话边界集成。因为 agent-memory 的核心不是某个花哨的 API，而是“Markdown 是事实来源，SQLite 只是缓存”这一条。

第一遍阅读，重点看它如何定义记忆的生命周期。它把记忆写成普通 Markdown 文件，你可以用肉眼查看、用任何编辑器修改、用 git 做版本管理。旁边的 SQLite 索引随时可以删掉重建，因为真相不在数据库里。这个设计带来的直接好处是：Claude Code、Codex CLI 以及其他能跑 shell 命令的 agent，可以共享同一个记忆库。你在 Claude 会话里积累的经验，切到 Codex CLI 仍然在；反过来也一样。

第二遍阅读，重点看“检索返回路径而不是粘贴全文”这一条。很多记忆方案喜欢把检索结果整段塞进上下文，token 消耗很快，而且模型容易被无关内容干扰。agent-memory 的思路是返回相关 Markdown 文件的路径，让 agent 按需打开，用到多深读多深。对 Codex CLI 用户来说，这意味着你需要在 Codex 侧有读取本地文件的能力，或者至少能把路径作为上下文传给模型。

第三遍阅读，重点看写入时机。agent-memory 不要求 agent “记得”主动写记忆，而是在会话边界自动触发写入，再通过一个类似睡眠期的整合过程，按价值去芜存菁。中文 README 对这一段的描述比较细，建议对照自己的使用习惯，确认会话结束钩子是否生效。

第四遍阅读，看边界与限制。它还很新，版本号处在早期阶段，定位偏开发者工具，不是开箱即用的消费级产品。中文版 README 保留了这些边界说明，这一点很重要：不要指望它现在就能替代完整的知识库系统，但它代表的方向值得早期跟进。

如果你想边读边配，可以先到 TaoToken 官网（https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=codex_agentmemory_readme）拿一个 Key，把模型入口准备好。这样读到“会话边界集成”时，可以直接在 Codex CLI 里验证整条链路，而不是读完再回头补配置。

3. Codex CLI 接入 TaoToken：config.toml 最小配置与验证

Codex CLI 的模型入口配置在~/.codex/config.toml。这里要特别注意：Codex CLI 不读ANTHROPIC_*环境变量，所以不要把 Claude Code 的配置套过来。Codex CLI 使用自己的model_provider、base_url、env_key和wire_api字段。

先到 TaoToken 官网（https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=codex_agentmemory_config）创建 API Key，拿到YOUR_API_KEY。然后编辑配置文件：

# ~/.codex/config.toml model = "gpt-5-codex" # 替换为 TaoToken 控制台实际可用的模型 ID model_provider = "taotoken" model_reasoning_effort = "medium" approval_policy = "on-request" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY" wire_api = "responses" # 若返回 404 或流式不兼容，可改为 "chat" 再测

接着导出环境变量。不要把 Key 写进config.toml，env_key只声明变量名，真正的值放在 shell 环境里：

# ~/.zshrc 或 ~/.bashrc export TAOTOKEN_API_KEY="YOUR_API_KEY"

重新加载 shell 后，验证 Codex CLI 能否读到配置：

source ~/.zshrc codex --version codex "用一句话说明当前目录的项目结构"

如果返回 401，按这个顺序查：第一，TAOTOKEN_API_KEY是否真的导出到了当前 shell；第二，config.toml里的env_key是否写成了TAOTOKEN_API_KEY；第三，Key 是否在 TaoToken 控制台被禁用或删除。如果返回 404 或模型不存在，优先检查model字段。Codex CLI 的模型名必须和 TaoToken 实际提供的模型 ID 一致，不能把 OpenAI 官方模型名直接假设为可用。如果流式输出中断，尝试把wire_api从responses改成chat，或者反过来。

这里再强调一次：Codex CLI 的配置和 Claude Code 完全隔离。Claude Code 用ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN、ANTHROPIC_MODEL这套；Codex CLI 用config.toml里的model_providers。两者可以共享同一个 agent-memory 记忆库，但模型入口各配各的，不要混用环境变量。

4. 中文 README 阅读路径 × Codex CLI 模型入口对照

把中文版 README 的阅读路径和 Codex CLI 的实际操作对在一起，可以更清楚地看到每一步谁在消耗 Token。下面这张表建议收藏，排障时直接对照。

这张表里最容易误解的是“检索”和“注入”两列。agent-memory 的检索本身是本地行为，不消耗模型 token；它返回路径之后，Codex CLI 决定要不要打开文件、打开多少、把哪些片段放进上下文，这一步才消耗 Token。所以“谁消耗 Token”这个问题的答案是：agent-memory 不消耗，Codex CLI 调用模型时消耗。如果你的账单异常，不要先怀疑记忆库，先去看 Codex CLI 的上下文里塞了多少 Markdown 内容。

可复现的产出可以这样定义：你读完中文 README 后，应该能画出两条线。第一条线是记忆线：会话开始 → 本地检索 → 返回路径 → Codex CLI 按需读取 → 会话结束 → 自动写入 → 睡眠期整合。第二条线是模型线：Codex CLI →https://taotoken.net/api→ 模型返回 → 工具调用 → 继续对话。两条线在“把路径注入上下文”这一步相交。把这两条线画清楚，后续排障就不会乱。

5. Claude Code 共用记忆库时的配置：settings.json 与 CC Switch 三件套

agent-memory 的一个亮点是 Claude Code 和 Codex CLI 可以共享同一个记忆库。如果你两个工具都用，建议把 Claude Code 的模型入口也配到 TaoToken，这样两边的模型调用和记忆读写都能分开管理。

Claude Code 的配置通常放在~/.claude/settings.json，核心是三个环境变量，也就是常说的 CC Switch 三件套：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "claude-sonnet-4-5" } }

这三个变量的分工是：ANTHROPIC_BASE_URL决定请求发到哪里，ANTHROPIC_AUTH_TOKEN决定身份认证，ANTHROPIC_MODEL决定默认模型。如果你用 CC Switch 之类的配置切换工具，也是围绕这三件套做预设。注意ANTHROPIC_BASE_URL同样写https://taotoken.net/api，不要额外加/v1，除非 TaoToken 文档明确要求。

配置完成后，可以在 Claude Code 里发一句简单对话验证。如果 401，检查ANTHROPIC_AUTH_TOKEN是否被其他配置覆盖；如果 404，检查ANTHROPIC_MODEL是否是 TaoToken 当前可用的模型 ID；如果连接超时，检查ANTHROPIC_BASE_URL是否被写成了带路径的地址。

这里再次提醒：Claude Code 的ANTHROPIC_*三件套只适用于 Claude Code，不要套到 Codex CLI。Codex CLI 读的是~/.codex/config.toml，两者互不影响。你可以在同一台机器上同时配好，让 Claude Code 和 Codex CLI 共享 agent-memory 的 Markdown 记忆库，但各自走各自的模型入口。如果你还没有 Key，可以先到 TaoToken 官网（https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=codex_agentmemory_claude）创建一个，再分别填入两套配置。

6. 常见排障：401、404、记忆不落盘、检索不命中

配置阶段最常见的问题是 401。Codex CLI 返回 401 时，按这个命令链检查：

echo "$TAOTOKEN_API_KEY" grep -n "env_key" ~/.codex/config.toml grep -n "base_url" ~/.codex/config.toml

如果echo输出为空，说明环境变量没生效；如果env_key写的是别的名字，Codex CLI 就找不到 Key；如果base_url不是https://taotoken.net/api，请求会发到错误地址。

第二类问题是 404 或“模型不存在”。这通常不是 Key 的问题，而是model字段和 TaoToken 实际可用模型不一致。解决方式是到 TaoToken 模型对话或控制台确认模型 ID，再回填config.toml。如果模型 ID 正确但仍然 404，检查wire_api。Codex CLI 默认使用responses，部分兼容层只支持chat，把wire_api改成chat往往能解决。

第三类问题是记忆不落盘。表现是会话结束后，记忆目录里没有新增 Markdown 文件。检查顺序是：会话边界钩子是否配置；记忆目录是否可写；Codex CLI 是否有权限执行本地命令；睡眠期整合是否被手动跳过。可以先用一个最小会话测试，只让 Codex CLI 执行一条本地写入命令，确认权限链路通畅，再回到 agent-memory 的完整流程。

第四类问题是检索不命中。表现是 agent-memory 返回空路径，或者返回了不相关的旧记忆。前者先确认记忆目录里是否真的有对应主题的 Markdown 文件，关键词是否被正确分词；后者通常是 SQLite 索引与 Markdown 不同步导致，可以删除索引缓存后重建。因为事实来源是 Markdown，只要文件还在，重建索引不会丢数据。

第五类问题是上下文 token 暴涨。表现是模型对话正常，但账单明显高于预期。这时要检查 Codex CLI 是否把整个 Markdown 文件塞进了上下文，而不是只传路径。agent-memory 的设计是让 agent 按需打开，如果 Codex CLI 侧做了全文注入，就绕过了这个优化。建议在 Codex CLI 的提示词或钩子里明确“先拿路径，再按需读取”，并在日志里观察每次实际注入的字符数。

如果你在排障过程中需要确认 Key 状态、模型列表或 Base URL 示例，可以到 TaoToken 官网（https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=codex_agentmemory_troubleshoot）查看控制台和文档。不要在生产项目里直接暴露 Key，也不要把 Key 提交到 git。

7. 把 agent-memory 用成日常：建议的工作流与 Token 账本

当模型入口和记忆库都跑通后，可以把它固化成一个日常开发流。建议这样设计：

早上打开 Codex CLI 时，第一件事不是直接问业务问题，而是让 Codex CLI 调用 agent-memory 的本地检索入口，拿到今天相关项目的记忆路径。比如你昨天在改支付回调，今天继续，就先检索“支付回调”相关的 Markdown 路径。Codex CLI 按需读取其中一小部分，而不是把整个记忆库塞进去。

开始模型对话后，所有推理和代码生成仍然走 Codex CLI →https://taotoken.net/api。这一步是 Token 消耗的主要来源。为了让账单可控，建议在 Codex CLI 的配置里限制上下文长度，或者把model_reasoning_effort调到适合当前任务的档位。简单问答不需要最高推理强度，复杂重构再提高。

会话结束时，让 agent-memory 的会话边界钩子自动写入本次新增经验。写入的是 Markdown，不消耗模型 token。随后睡眠期整合按价值去芜存菁，把重复的、低价值的内容合并或删除，保留可复用的结论。这个阶段同样不消耗模型 token。

每周做一次 Token 账本复盘：看看 Codex CLI 的调用次数、平均上下文长度、哪些任务消耗最多。如果发现某类任务反复把大段 Markdown 注入上下文，就回到 agent-memory 的检索策略，把“返回路径”做得更细。如果发现某些记忆从未被检索到，就检查关键词和目录结构是否合理。

这套工作流的核心原则是：让本地做本地的事，让模型做模型的事。agent-memory 负责记忆的持久化、检索和整合，Codex CLI 负责模型调用和工具执行。两者通过“路径”相交，而不是通过“全文注入”相交。谁消耗 Token？只有 Codex CLI 在调用模型时消耗。把这一点记牢，配置和排障都会清晰很多。

8. 从模型对话到 Coding Plan：把入口固定下来

如果你还没有可用的模型入口，建议按这个顺序走一遍：

第一步，先到模型对话页面确认模型可用性和对话效果：
https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=codex_agentmemory_chat

第二步，如果你准备把 Codex CLI 作为日常编码工具，可以查看 Coding Plan 是否匹配你的使用频率：
https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=codex_agentmemory_plan

第三步，创建 API Key，填入TAOTOKEN_API_KEY，并确认config.toml的base_url为https://taotoken.net/api：
https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=codex_agentmemory_keys

第四步，如果你同时也用 Claude Code，可以对照 Claude Code 文档配置settings.json和 CC Switch 三件套：
https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=codex_agentmemory_claudecode

最后回到 agent-memory 中文版 README，把会话边界钩子和记忆目录配好。中文版的价值在于降低阅读门槛，但真正让 agent “不会忘”的，是你把记忆写入、检索、整合这条链路跑通。Codex CLI 负责模型调用，agent-memory 负责长期记忆，两者配合起来，才能让每次新会话不再从零开始。