企业官网建设流程全解析

1. 从“Agent 能力放大器”到多模态标注：先把 Key 和 Base URL 统一

最近关于 Agent 是“能力放大器”的讨论很多，但落到多模态标注工程里，问题会变得非常具体：一条标注流水线里可能有素材预处理、图像理解、OCR、目标属性抽取、标签归一化、质检 Agent，每一个环节都要调模型。Key 散落在不同工具、Base URL 改来改去、Token 消耗看不见，Agent 越能干，账单越难解释。比较稳的做法是先把供应商入口统一到 TaoToken：在官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=mm_annotation_intro 注册并创建 Key，然后把所有支持自定义 Base URL 的工具统一指向https://taotoken.net/api。Key 统一用YOUR_API_KEY占位，不写进代码仓库。本文给出一条可复现的多模态标注流程和 Agent Key 调用记录方案。

为什么不是直接用某个模型自带账号？因为多模态标注 Agent 的调用模式不是单轮对话：它会自动重试、分块、抽帧、生成 JSON、再让另一个模型审核。Token 消耗会同时出现在图片输入、长 prompt、结构化输出、重试里。统一 Key 后，至少能做三件事：按任务打标签、按模型看单价、按 Key 限并发。

很多团队一开始把 Key 写进.env，后来 Claude Code、Codex、批处理脚本各拿一份，最后出现 401 时已经分不清是哪套配置在生效。本文的路线是：先在 TaoToken 创建 Key，再把 Base URL 设为https://taotoken.net/api，接着分别配置 Claude Code 的settings.json、Codex 的config.toml、CC Switch 三件套，最后用本地 SQLite 记录每次 Agent 调用。产出不是“跑通一次”，而是一条可复现、可审计、可抽检的多模态标注流水线。

2. 多模态标注 Agent 的 Key 供应链：三条链路要分开

多模态标注里最常见的错误，是把“人工试 prompt 的 Key”和“Agent 批量跑的 Key”混在一起。结果一跑批处理，人工对话页面被限流；或者 Coding Agent 在改脚本时，把生产标注 Key 带进了测试请求。建议至少拆成三条链路：

1. 人工交互链路：用于在模型对话页面探索标注规则、试多模态 prompt、确认模型名。
2. 批处理链路：用于annotate_agent.py这类脚本，按task_id批量调用，记录 Token。
3. Coding Agent 链路：用于 Claude Code、Codex 等工具，改脚本、查报错、生成结构化校验逻辑。

在 TaoToken 控制台可以分别创建 Key。入口是 API Keys 页面：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=mm_annotation_keys 。创建后不要直接粘贴到聊天窗口，先写入本地.env或系统环境变量。

一个推荐的环境变量约定：

# 批处理 Agent 使用 export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_BASE_URL="https://taotoken.net/api" export MULTIMODAL_MODEL="YOUR_MULTIMODAL_MODEL" # Claude Code 单独使用，只给 Claude Code 会话加载 export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_API_KEY="YOUR_API_KEY"

注意：ANTHROPIC_*只给 Claude Code 用，不要写进 Codex 的config.toml。Codex 用config.toml和TAOTOKEN_API_KEY，这套边界后面会展开。

如果你需要先确认可用模型名和对话效果，可以打开模型对话 deep link：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=mm_annotation_chat 。在页面里试一张图，要求模型输出固定 JSON 字段，确认字段名和枚举值符合你的标注规范，再写进脚本。

3. 多模态标注流程的最小可复现骨架

一条可复现的多模态标注流程，不需要一开始就上很重的平台。先跑通最小闭环：

1. 素材入库：图片或视频抽帧写入本地目录，生成task_id。
2. 预处理：缩放、去重、抽帧、OCR 候选提取。
3. 多模态模型标注：输入图片和标签规范，输出 JSON。
4. 规则校验：检查枚举、置信度、空值、字段类型。
5. 人工抽检：按 5% 到 10% 抽样复核。
6. 本地回写：先写 SQLite 或 CSV，不直接写生产库。
7. 调用记录：每次模型调用写入agent_calls表。

目录可以这样组织：

annotation-pipeline/ data/ raw/ frames/ processed/ prompts/ label_schema.md annotate_prompt.txt scripts/ annotate_agent.py validate_json.py record_call.py records/ annotations.sqlite agent_calls.sqlite .env .gitignore

.env文件示例：

TAOTOKEN_API_KEY=YOUR_API_KEY TAOTOKEN_BASE_URL=https://taotoken.net/api MULTIMODAL_MODEL=YOUR_MULTIMODAL_MODEL

.gitignore至少包含：

.env records/*.sqlite data/raw/ data/frames/ data/processed/

多模态标注的 prompt 不要每次让 Agent 自由发挥。把标签规范写成label_schema.md，在 prompt 里强制模型只输出 JSON。例如：

你是图像标注助手。请根据以下标签规范，对输入图片输出 JSON。 标签规范： - scene: indoor / outdoor / street / office / unknown - main_object: person / car / animal / package / document / unknown - visible_text: 有则原文，无则空字符串 - confidence: 0 到 1 只输出 JSON，不要输出解释。

然后 Agent 负责把图片、prompt、模型名、返回结果、Token 用量、延迟写进本地记录。这样后面排查“为什么某个标签错得特别多”时，可以按模型、阶段、prompt 版本回放。

4. 在 TaoToken 创建 Key 并验证多模态调用

先到 TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=mm_annotation_flow 创建账号并进入控制台。然后在 API Keys 页面创建 Key，复制后写入本地环境变量：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

工具配置里的 Base URL 统一写：

https://taotoken.net/api

不要在这个 Base URL 后面加 UTM 参数，UTM 只用于本文里的官网和 CTA 链接。手动 curl 验证时，路径通常需要补/v1/chat/completions：

curl -s https://taotoken.net/api/v1/chat/completions \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "YOUR_MULTIMODAL_MODEL", "messages": [ { "role": "user", "content": [ { "type": "text", "text": "请描述这张图片中的主体、场景和可见文字，只输出 JSON。" }, { "type": "image_url", "image_url": { "url": "https://example.com/demo.jpg" } } ] } ], "temperature": 0 }'

如果返回 401，先检查 Key 是否复制完整、是否有多余空格。如果返回 404，检查 curl 路径是不是/api/v1/chat/completions，以及模型名是否在模型对话页面里可见。如果返回 400，常见原因是图片 URL 不可访问，或者图片太大导致上下文超限。

在 Python 里调用时，可以用 OpenAI 兼容客户端：

import os from openai import OpenAI client = OpenAI( api_key=os.environ["TAOTOKEN_API_KEY"], base_url="https://taotoken.net/api" ) MODEL = os.environ.get("MULTIMODAL_MODEL", "YOUR_MULTIMODAL_MODEL") resp = client.chat.completions.create( model=MODEL, messages=[ { "role": "user", "content": [ {"type": "text", "text": "请输出图片主体、场景和可见文字，只返回 JSON。"}, {"type": "image_url", "image_url": {"url": "https://example.com/demo.jpg"}}, ], } ], temperature=0, ) print(resp.choices[0].message.content) print(resp.usage)

如果客户端要求更完整的路径，可以在本地确认后再决定是否把base_url写成https://taotoken.net/api/v1。但工具配置层面的基准仍然是https://taotoken.net/api。

5. Claude Code 接入：settings.json 与 ANTHROPIC_* 不要混用 Codex 配置

Claude Code 适合做标注脚本维护、prompt 模板整理、JSON schema 校验、排错。配置时只使用ANTHROPIC_*系列变量，写入~/.claude/settings.json或项目级.claude/settings.json：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "YOUR_API_KEY", "ANTHROPIC_MODEL": "YOUR_CLAUDE_MODEL", "ANTHROPIC_SMALL_FAST_MODEL": "YOUR_CLAUDE_FAST_MODEL" } }

这里的关键点有三个：

第一，ANTHROPIC_BASE_URL写https://taotoken.net/api，不要带 UTM。 第二，ANTHROPIC_API_KEY用YOUR_API_KEY占位，实际值从环境变量或本地安全文件读取。 第三，ANTHROPIC_*只给 Claude Code，不要复制到 Codex 的config.toml。

配置后可以这样验证：

claude --version claude "读取 prompts/label_schema.md，检查 scene 和 main_object 的枚举是否有冲突，只输出检查结果。"

如果 Claude Code 报 401，先确认当前 shell 是否覆盖了ANTHROPIC_API_KEY：

echo $ANTHROPIC_API_KEY

如果输出为空，或者输出的是旧 Key，说明 CC Switch 或 shell profile 里还有残留配置。Claude Code 文档入口在文末 CTA 里，需要更细的字段说明时可以对照文档检查。

6. Codex 接入：config.toml 用 TAOTOKEN_API_KEY，不要套 ANTHROPIC_*

Codex 的配置路径通常是~/.codex/config.toml。它不使用ANTHROPIC_*，所以不要为了省事把 Claude Code 的环境变量套过来。一个可复制的配置骨架如下：

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

然后在当前 shell 中导出 Key：

export TAOTOKEN_API_KEY="YOUR_API_KEY" codex

如果 Codex 提示找不到 Key，检查两点：

1. env_key = "TAOTOKEN_API_KEY"是否与 shell 变量名完全一致。
2. ~/.codex/config.toml是否被其他 profile 覆盖。

如果 Codex 提示模型不存在，先到模型对话页面确认模型名，再替换YOUR_CODEX_MODEL。不要猜模型名，也不要把 Claude 的模型名直接填进 Codex 配置。

如果 Codex 请求路径不匹配，优先保持base_url = "https://taotoken.net/api"，再根据 Codex 客户端版本确认是否需要补/v1。核心原则是：Claude Code 用 Claude Code 的配置，Codex 用 Codex 的配置，两套 Key 可以来自同一个 TaoToken 控制台，但环境变量不要混。

7. CC Switch 三件套：Claude Code、Codex、批处理 Key 隔离开

如果你用 CC Switch 管理多个供应商，建议把配置拆成三件套，而不是把所有变量塞进一个文件：

1. Claude Code 供应商配置：settings.json，只包含ANTHROPIC_*。
2. Codex 供应商配置：config.toml，只包含TAOTOKEN_API_KEY和base_url。
3. 批处理环境变量：.env，只包含TAOTOKEN_API_KEY、TAOTOKEN_BASE_URL、MULTIMODAL_MODEL。

这样切换时，CC Switch 只改当前工具的 profile，不会把批处理 Key 带进 Coding Agent。一个简单的切换检查脚本可以这样写：

#!/usr/bin/env bash set -euo pipefail # 只用于 Claude Code 会话 export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_API_KEY="YOUR_API_KEY" export ANTHROPIC_MODEL="YOUR_CLAUDE_MODEL" export ANTHROPIC_SMALL_FAST_MODEL="YOUR_CLAUDE_FAST_MODEL" echo "Claude Code -> TaoToken profile activated"

这个脚本不要用于启动 Codex。Codex 单独用：

#!/usr/bin/env bash set -euo pipefail # 只用于 Codex 会话 export TAOTOKEN_API_KEY="YOUR_API_KEY" echo "Codex -> TaoToken profile activated，请确认 ~/.codex/config.toml 中 base_url=https://taotoken.net/api"

批处理脚本再单独读.env：

#!/usr/bin/env bash set -euo pipefail set -a source .env set +a python scripts/annotate_agent.py

CC Switch 切换后，按这个清单检查：

• 当前 profile 是否指向 TaoToken。
• echo $TAOTOKEN_API_KEY是否与当前 Key 一致。
• Claude Code 中是否残留旧ANTHROPIC_BASE_URL。
• Codex 中是否误写ANTHROPIC_*。
• 批处理脚本是否读.env，而不是读 shell 历史里的旧变量。
• Base URL 是否保持https://taotoken.net/api，没有误加 UTM。

8. Agent Key 调用记录：本地 SQLite 表与 Token 消耗字段

多模态工程师关注 Token 消耗，是因为图片输入、重试、长 prompt、JSON 输出会同时放大成本。建议每次 Agent 调用都写本地 SQLite，不要让 Agent 直连生产库。先建表：

CREATE TABLE IF NOT EXISTS agent_calls ( id INTEGER PRIMARY KEY AUTOINCREMENT, request_id TEXT, task_id TEXT, stage TEXT, model TEXT, input_tokens INTEGER, output_tokens INTEGER, total_tokens INTEGER, latency_ms INTEGER, status TEXT, error_code TEXT, created_at TEXT DEFAULT (datetime('now')) );

插入记录：

INSERT INTO agent_calls ( request_id, task_id, stage, model, input_tokens, output_tokens, total_tokens, latency_ms, status, error_code ) VALUES ( 'req_001', 'task_20240501_001', 'annotate', 'YOUR_MULTIMODAL_MODEL', 1200, 180, 1380, 2350, 'ok', '' );

按模型汇总：

SELECT model, COUNT(*) AS calls, SUM(total_tokens) AS tokens, AVG(latency_ms) AS avg_latency_ms FROM agent_calls GROUP BY model ORDER BY tokens DESC;

按任务查看失败重试：

SELECT task_id, stage, status, error_code, COUNT(*) AS attempts FROM agent_calls WHERE status != 'ok' GROUP BY task_id, stage, status, error_code ORDER BY attempts DESC;

在 Python 里记录调用：

import os import sqlite3 import time import uuid from openai import OpenAI client = OpenAI( api_key=os.environ["TAOTOKEN_API_KEY"], base_url="https://taotoken.net/api" ) DB_PATH = "records/agent_calls.sqlite" def record_call(request_id, task_id, stage, model, usage, latency_ms, status, error_code=""): conn = sqlite3.connect(DB_PATH) conn.execute( """ INSERT INTO agent_calls ( request_id, task_id, stage, model, input_tokens, output_tokens, total_tokens, latency_ms, status, error_code ) VALUES (?, ?, ?, ?, ?, ?, ?, ?, ?, ?) """, ( request_id, task_id, stage, model, usage.prompt_tokens if usage else 0, usage.completion_tokens if usage else 0, usage.total_tokens if usage else 0, latency_ms, status, error_code, ), ) conn.commit() conn.close() def annotate_image(task_id, image_url): model = os.environ.get("MULTIMODAL_MODEL", "YOUR_MULTIMODAL_MODEL") request_id = f"req_{uuid.uuid4().hex[:12]}" start = time.time() status = "ok" error_code = "" usage = None try: resp = client.chat.completions.create( model=model, messages=[ { "role": "user", "content": [ {"type": "text", "text": "请输出图片主体、场景和可见文字，只返回 JSON。"}, {"type": "image_url", "image_url": {"url": image_url}}, ], } ], temperature=0, ) usage = resp.usage content = resp.choices[0].message.content return content except Exception as exc: status = "error" error_code = exc.__class__.__name__ raise finally: latency_ms = int((time.time() - start) * 1000) record_call(request_id, task_id, "annotate", model, usage, latency_ms, status, error_code)

这样每次标注调用都能对应到task_id、模型、Token 和延迟。多模态标注中，建议额外记录图片宽高、文件大小、prompt 版本。图片越大，输入 Token 越高；重试越多，总 Token 越高。把request_id写进日志，后面和 TaoToken 控制台记录对账会容易很多。

9. 排障清单：401、404、429、400 与模型名错误

多模态标注 Agent 接入 TaoToken 时，常见报错可以按下面顺序排查。

401 Unauthorized

检查TAOTOKEN_API_KEY是否从 TaoToken API Keys 页面创建，是否复制完整，是否有多余空格。Claude Code 检查ANTHROPIC_API_KEY，Codex 检查TAOTOKEN_API_KEY。两个变量不要互换。

404 Not Found / model not found

先确认 Base URL 是https://taotoken.net/api。手动 curl 时路径用/api/v1/chat/completions。模型名不要猜，到模型对话页面确认后再填。Claude Code 的模型名和 Codex 的模型名不一定相同。

429 Rate Limit

多模态批处理容易并发过高。把 Agent 并发降到可控范围，增加指数退避和随机抖动。同一张图重复调用前先查缓存，用图片 hash 加 prompt hash 做缓存键。

400 Context Length Exceeded

图片太大、抽帧太多、prompt 太长都会触发。先缩放图片，减少单次输入帧数，或者把长标签规范拆成两阶段：第一阶段让模型输出简短 JSON，第二阶段本地规则补全。

Claude Code 读不到配置

检查~/.claude/settings.json或项目.claude/settings.json是否存在，CC Switch 是否覆盖了当前 profile。ANTHROPIC_*只给 Claude Code 用。

Codex 读不到配置

检查~/.codex/config.toml，确认env_key = "TAOTOKEN_API_KEY"与 shell 变量一致。不要把ANTHROPIC_*写进 Codex 配置。

批处理脚本 Key 串了

检查.env是否被正确 source，当前 shell 是否残留旧变量。可以在脚本开头打印 Key 的后四位，不要打印完整 Key。

10. 把标注流水线交给 Agent：人工保留哪些检查点

Agent 适合接手批量、重复、可结构化的部分：调用多模态模型、解析 JSON、重试失败请求、记录 Token、生成抽检清单。人需要保留的是规则制定和最终判断：

• 标签规范由人写，尤其是枚举边界和“unknown”的判定。
• 校验规则由人定，例如置信度低于阈值必须转人工。
• 抽检由人做，按任务、模型、阶段分层抽样。
• 回写生产库由人审批，Agent 只写本地 SQLite 或 CSV。
• Key 权限由人管，批处理 Key、Coding Key、人工试用 Key 分开。

可复现产出可以固定为三份文件：

records/annotations.sqlite # 标注结果 records/agent_calls.sqlite # Agent Key 调用记录 records/qa_sample.csv # 人工抽检样本

当你能按task_id查到一次标注的输入图片、prompt 版本、模型名、Token 消耗、重试次数和人工复核结果，这条多模态标注流水线才算真正可运维。Agent 是能力放大器，但放大的前提是 Key、Base URL、调用记录和人工检查点都在正确的位置。

11. 文末 CTA：按顺序完成四步

如果你准备把多模态标注流水线接到 Agent，可以按下面顺序走：

1. 先到模型对话页面试多模态 prompt 和模型名：
   https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=mm_annotation_cta_chat

2. 需要 Coding Agent 参与脚本维护，查看 Coding Plan：
   https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=mm_annotation_cta_plan

3. 创建批处理 Key 和 Coding Key，分别隔离使用：
   https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=mm_annotation_cta_key

4. Claude Code 的settings.json和ANTHROPIC_*配置，对照文档检查：
   https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=mm_annotation_cta_claude

最后再回到官网确认最新控制台入口：
https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=mm_annotation_end

配置时记住两个固定值：工具里的 Base URL 用https://taotoken.net/api，Key 用YOUR_API_KEY占位。先把多模态标注跑成可记录、可抽检、可回放的本地闭环，再让 Agent 放大产能。