企业官网建设流程全解析

1. 为什么我要把 AI 工作台搬回自己机器

我平时写代码、查资料、整理方案，几乎每个环节都在和不同的大模型打交道。用得越久越发现一个尴尬的事：豆包一个会话、GPT 一个会话、Claude 一个会话，每个会话都只解决一个孤立问题。上周聊过的架构思路，这周想接着改，得翻半天历史记录；家里的事、工作的事、投资的事全散落在不同窗口里，模型永远只看到我当下敲进去的那几百字。

这就是 muselab 想解决的问题。它是一个基于 Claude Agent SDK 构建的自托管 AI 工作台，核心思路是把 Agent 拆成三块：context（上下文）、harness（执行框架）、model（模型）。context 用文件区域来纳管，你的背景、项目文档、笔记都沉淀成文件，结构清晰；harness 用 Claude Agent SDK，这是目前公认比较成熟的 Agent 执行框架之一；model 则支持 Claude 以及 DeepSeek、GLM、Qwen、Kimi 等主流国产模型，随时切换。

适合谁来用？如果你是一个开发者，手头有台能跑 Node 的机器（本地笔记本、家里的 NAS、一台小服务器都行），希望有一个私有的、多端同步的、能把上下文沉淀下来的 AI 工作台，那 muselab 值得你花半小时部署一下。它自带文件管理区、Markdown/HTML 预览区、AI 对话区，还支持定时任务、消息排队、全局模糊搜索、多主题切换。部署完之后，你在电脑上开的会话，出门用手机浏览器接着聊，上下文完全同步。

这篇就按我实际部署的流程走一遍：环境准备、配置写入、启动服务、用 TaoToken 统一 Key 打通模型调用、最后验证工作台能正常响应。每一步都给可复制的命令和配置，你跟着敲就行。

2. 部署前的环境准备与 TaoToken 通道配置

muselab 是一个 web 服务，跑起来需要 Node 环境。我实测下来，Node 20 LTS 比较稳，18 也能跑但个别依赖会警告。先确认版本：

node -v # 期望输出 v20.x.x 或更高 npm -v

如果版本太低，用 nvm 切一下最省事：

nvm install 20 nvm use 20

接着把项目拉下来。muselab 的仓库在 GitHub 上，直接 clone：

git clone https://github.com/hesorchen/muselab.git cd muselab npm install

npm install这一步会装 Claude Agent SDK 相关的依赖，网络正常的话两三分钟能完。装完先别急着启动，因为工作台要调用模型，得先把模型通道配好。

这里就是关键了。muselab 基于 Claude Agent SDK，默认走 Anthropic 的接口协议。如果你直接用官方通道，需要处理账号和额度问题；而如果你想统一管理 Key、灵活切换模型，用 TaoToken 这类统一 API 通道会更省心。它的作用是给你一个兼容 Anthropic 协议的 Base URL 和一把 Key，你在 muselab 里填上，就能通过这个通道调用背后的模型。

先去 TaoToken 控制台拿 Key。打开 https://taotoken.net/api-keys ，登录后创建一个 API Key，复制出来备用。注意这个 Key 只在创建时完整显示一次，先存到安全的地方。

然后确认你要用的模型 ID。TaoToken 的模型列表在文档里有，Claude 系列、国产模型都有对应的 ID。我这次演示用 Claude 的模型 ID，你按自己订阅的来。

环境变量这块，muselab 支持通过.env文件读取。在项目根目录建一个.env：

touch .env

写入下面这几行。ANTHROPIC_BASE_URL指向 TaoToken 的 API 地址，ANTHROPIC_API_KEY填你刚拿到的 Key，ANTHROPIC_MODEL填模型 ID：

ANTHROPIC_BASE_URL=https://taotoken.net/api ANTHROPIC_API_KEY=sk-你的Key粘贴在这里 ANTHROPIC_MODEL=claude-sonnet-4-20250514

注意：.env里不要有多余空格，Key 前后别带引号，否则容易出 401。写完用cat .env检查一遍。

如果你更习惯用settings.json的方式管理（Claude Agent SDK 支持这种配置），也可以在项目里建一个配置文件，内容等价：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "sk-你的Key粘贴在这里", "ANTHROPIC_MODEL": "claude-sonnet-4-20250514" } }

两种方式选一种就行，别同时写，不然容易互相覆盖。我一般用.env，简单直接。

3. 可复制的启动配置与 muselab 服务拉起

环境变量配好，接下来把 muselab 跑起来。项目用的是常见的 Node 脚本，先看一眼package.json里的 scripts：

cat package.json | grep -A 10 '"scripts"'

一般会有dev、build、start几个。开发模式带热更新，适合调试；生产模式先 build 再 start，适合长期挂着。我本地调试先用 dev：

npm run dev

如果脚本名不一样，按你看到的来。启动后终端会打印监听地址，通常是http://localhost:3000或http://localhost:5173。看到类似下面的输出就说明服务起来了：

ready - started server on 0.0.0.0:3000, url: http://localhost:3000

这时候浏览器打开这个地址，应该能看到 muselab 的界面：左边文件区，中间预览区，右边对话区。

但服务起来不代表模型通道通了。为了让配置更清晰，我把 muselab 的模型接入配置单独整理一份，方便你对照。Claude Agent SDK 读取的是环境变量，所以核心就是那三个值。如果你用的是 Cline、CC Switch 这类工具，配置逻辑是一样的，都是 Base URL + Key + Model ID 三件套。这里给一份完整的settings.json示例，路径放在项目根目录：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "sk-你的Key粘贴在这里", "ANTHROPIC_MODEL": "claude-sonnet-4-20250514", "ANTHROPIC_SMALL_FAST_MODEL": "claude-haiku-4-20250514" } }

ANTHROPIC_SMALL_FAST_MODEL是给一些轻量任务用的，比如标题生成、意图判断，填一个便宜快的模型能省额度。不填也行，SDK 会用默认值。

如果你想让 muselab 在后台常驻，别用npm run dev，改用生产模式：

npm run build npm run start

build 过程会打包前端资源，第一次跑可能要一两分钟。start 之后服务就稳定了。想让它开机自启，可以用 pm2：

npm install -g pm2 pm2 start npm --name muselab -- run start pm2 save pm2 startup

这样即使你关掉终端，muselab 也还在跑。手机在外面连回家里的机器，就能接着用。

提示：如果你部署在服务器上，记得把监听地址设成0.0.0.0，并且防火墙放行对应端口。本地测试用localhost就行，别急着暴露到公网，先确认功能正常。

配置写完后，重启一次服务让环境变量生效。这一步很多人会忘，改完.env不重启，读到的还是旧值，后面排查半天。

4. 验证模型调用：从对话区到 API 请求

服务跑起来、配置也写好了，现在验证最关键的一环：模型到底通没通。有两种验证方式，一种在界面里点，一种直接打 API，我建议两种都做一遍。

先说界面验证。打开 muselab，在右侧对话区输入一句简单的话，比如「用一句话介绍你自己」。发送后观察：

• 如果几秒内开始逐字输出，说明通道通了。
• 如果一直转圈然后报错，看终端日志，通常是 401 或连接失败。
• 如果秒回一段固定文案，可能是没走到模型，检查是不是命中了本地 mock。

我实测下来，第一次请求会稍慢，因为 SDK 要初始化会话。后面就快了。

再说 API 层验证，这个更直接，能排除界面层的干扰。用 curl 打一次 TaoToken 的接口，确认 Key 和 Base URL 没问题：

curl https://taotoken.net/api/v1/messages \ -H "x-api-key: sk-你的Key粘贴在这里" \ -H "anthropic-version: 2023-06-01" \ -H "content-type: application/json" \ -d '{ "model": "claude-sonnet-4-20250514", "max_tokens": 128, "messages": [ {"role": "user", "content": "回复两个字：通了"} ] }'

如果返回 JSON 里content数组有文本，比如"通了"，说明通道完全正常。返回结构大概长这样：

{ "id": "msg_xxx", "type": "message", "role": "assistant", "content": [ {"type": "text", "text": "通了"} ], "model": "claude-sonnet-4-20250514", "stop_reason": "end_turn" }

看到这个，你就可以放心了：Key 有效、Base URL 正确、模型 ID 存在。接下来 muselab 里所有对话都会走这条通道。

再回到 muselab 界面，做一次带上下文的测试。在左边文件区新建一个notes.md，写几行你的项目背景，比如「我在做一个自托管工作台，技术栈是 Node + React」。然后在对话区问「我的项目用什么技术栈」。如果模型能答出 Node + React，说明文件区的上下文确实被 Agent 读到了，context 这一层是通的。

这一步很关键，因为 muselab 的核心卖点就是「完整用户上下文」。文件区不是摆设，它是 Agent 的 context 来源。你沉淀的文件越多，Agent 越懂你。

5. 常见报错排查：401、连接失败与模型不响应

部署过程中最容易卡在几个固定报错上，我把踩过的坑列一下，你对照着查。

401 Unauthorized / invalid api key

这是最高频的。原因通常有三个：Key 复制时带了空格或换行；.env里 Key 被引号包住；Key 本身失效或额度用完。排查方法：先cat .env看原始内容，确认没有多余字符；再用上面那条 curl 单独测 Key，如果 curl 也 401，那就是 Key 的问题，去控制台重新生成一个。注意.env修改后必须重启服务。

local proxy failed / connection refused

这个报错说明 muselab 尝试连 Base URL 但连不上。检查ANTHROPIC_BASE_URL是不是写成了https://taotoken.net/api/带尾斜杠，有些 SDK 对尾斜杠敏感，去掉试试。另外确认你的机器能正常访问外网，公司内网可能有出口限制。如果是在 Docker 里跑，注意容器内的网络和宿主机不一样，localhost指向容器自己，要用宿主机的实际地址。

reading 'choices' of undefined

这个报错一般出现在用 OpenAI 兼容协议去调 Anthropic 接口，或者反过来。muselab 基于 Claude Agent SDK，走的是 Anthropic 的/v1/messages协议，返回结构里是content不是choices。如果你看到choices相关报错，说明请求打到了 OpenAI 格式的端点。检查 Base URL 是不是写成了 OpenAI 的路径，改回https://taotoken.net/api。

OAuth / authentication_error

有些工具会尝试用 OAuth 流程登录，但自托管场景下我们用 API Key 就够了。如果日志里出现 OAuth 相关跳转，说明配置里混入了订阅登录的逻辑。清掉相关配置，只保留ANTHROPIC_API_KEY这一种认证方式。

模型不响应 / 一直 pending

服务起来了，请求发出去了，但迟迟没返回。先看终端日志有没有报错；再看是不是模型 ID 写错了，比如把claude-sonnet-4-20250514写成了别的。模型 ID 必须和通道支持的完全一致。另外max_tokens设太小也可能导致输出被截断，看起来像没响应。

端口被占用

npm run dev报EADDRINUSE，说明端口被别的进程占了。换端口：

PORT=3001 npm run dev

或者找到占用进程杀掉。这个不算大问题，但第一次遇到容易懵。

排查的核心思路就一条：先确认 Key 和 Base URL 在 curl 层面是通的，再去看 muselab 的配置。curl 通了，问题就在应用层；curl 不通，问题在通道层。分层排查能省很多时间。

6. 把工作台用起来：接入文档与后续扩展

muselab 跑通之后，日常使用其实很自然。左边文件区放你的项目文档、笔记、待办，中间预览区直接渲染 Markdown 和 HTML，右边对话区随时问。因为 Agent 能看到文件区的全部内容，你不需要每次重复背景，它会自己读。

如果你想让模型调用更稳定、Key 管理更集中，TaoToken 的接入文档在 https://taotoken.net/doc ，里面有各语言的调用示例和模型列表。想先体验一下模型对话效果，可以直接开 https://taotoken.net/chat 试试。长期做编码和 Agent 任务的话，Coding Plan 会更划算，地址是 https://taotoken.net/coding-plan 。

我自己的用法是：把 muselab 挂在家里的小主机上，pm2 常驻，手机和电脑都通过浏览器访问。出门在外想到一个点子，手机打开就能接着之前的会话聊，上下文一点不丢。文件区沉淀的东西越来越多之后，Agent 确实越来越懂我在做什么，这种「上下文复利」是散落在各个 chatbot 里永远得不到的。

最后留一个小技巧：定期把重要的会话结论手动整理进文件区，别让它只留在对话历史里。对话是流动的，文件是沉淀的。muselab 的设计初衷就是让上下文变成资产，你越认真对待文件区，它回报你的越多。