做 WorkBuddy 的 Skill 自动化，TaoToken 只提供 Key

1. 从 WorkBuddy 的 401 弹窗说起：Skill 自动化先要固定模型入口

在 WorkBuddy 的 Skill 模型设置里，把 Base URL 改成https://taotoken.net/api之前，你大概率会先遇到一个401 invalid api key的弹窗。这个弹窗通常不是 Skill 逻辑写错了，而是模型供应商那一层没有配置成你当前可用的 Key。本文面向自动化工作流搭建者，目标很明确：把 WorkBuddy 装 10 个 Skill 自动干活的流程拆成可复现步骤，而 TaoToken 在这个流程里只承担一件事——提供 Key。你从 TaoToken 官网获取 Key，再把 Base URL 和 Key 填到 WorkBuddy 的 Skill 模型设置里即可。官网入口在这里：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_intro

为什么强调“只提供 Key”？因为 WorkBuddy 的 Skill 自动化本质上是一个编排层：它负责触发、收集输入、调用模型、解析输出、写回文件或工单。模型后端可以换，但编排逻辑最好保持稳定。你不需要把每个 Skill 都重写一遍，只需要把 Skill 的模型供应商从默认配置切到 TaoToken 兼容入口，让所有 Skill 共享同一把 Key 和同一个 Base URL。这样做的好处是排障路径变短：Skill 跑不通时，先看 Key 是否有效，再看 Base URL 是否填错，最后才看提示词和输入数据。

本文会给出三类可复现产出：第一，WorkBuddy Skill 的配置片段，覆盖 10 个常见自动化 Skill 的模型调用点；第二，Key 获取路径，从 TaoToken 官网到 API Keys 页面；第三，运行命令与日志，先用curl验证连通性，再让 WorkBuddy 执行 Skill。整个过程不涉及把 Agent 直连 Oracle 或生产库，所有 SQL、Shell 命令都由你在本地终端执行。你可以把下面的配置当成模板，按 WorkBuddy 当前版本的字段名微调。

2. WorkBuddy 十个 Skill 的模型调用点：哪些走 TaoToken，哪些只做本地编排

把 10 个 Skill 串成自动化流水线后，每天省下来的时间来自减少重复操作，而不是让模型替你执行高风险命令。下面这张表按“模型调用强度”拆解常见 Skill。你可以只把需要自然语言理解的环节走 TaoToken，把文件扫描、日志切分、SQL 执行、命令运行留在本地。

这张表的核心原则是：模型只做“理解与生成”，本地脚本做“读取与执行”。比如 SQL 草稿 Skill，模型可以帮你把“找出最近 7 天未支付订单”转成一条 SELECT 语句，但不要让它通过 MCP 或 Agent 直连 Oracle、MySQL 生产库。正确做法是：Skill 输出 SQL 到./drafts/query-$(date +%F).sql，你在本地客户端里 review 后手动执行。这样既保留了自动化效率，又不会把生产库暴露给自动化链路。

在 WorkBuddy 里，每个 Skill 的模型设置通常位于 Skill 详情页的 Model Provider 区域。不同版本菜单可能叫“模型服务”“自定义模型”“OpenAI Compatible”，但字段语义一致：Base URL、API Key、Model。你只需要把 Base URL 填为https://taotoken.net/api，API Key 填从 TaoToken 获取的YOUR_API_KEY，Model 按控制台模型列表选择。这样 10 个 Skill 共享同一套模型入口，后续换 Key 或换模型时只改一处。

3. 在 WorkBuddy 里填 Base URL 和 Key：从官网 UTM 到 API Keys 页面的路径

Key 获取路径建议按下面顺序走，避免在多个页面之间来回找。第一步，打开 TaoToken 官网：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_skill_config 。第二步，登录你的账号。第三步，进入 API Keys 页面创建 Key：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_keys 。第四步，复制 Key，回到 WorkBuddy 的 Skill 模型设置里粘贴。注意 Base URL 固定为https://taotoken.net/api，不要在这个 URL 后面追加 UTM 参数，UTM 只用于官网页面追踪，不用于 API 请求。

WorkBuddy 的 Skill 模型配置可以抽象成下面这段 YAML。不同版本的字段名可能不同，但你可以按语义映射：provider选自定义/OpenAI 兼容，base_url填 TaoToken 的 API 地址，api_key填你的 Key，model填控制台里可用的模型 ID。建议把 Key 放在环境变量里，而不是硬编码到 Skill 文件。这样即使你把配置分享给同事，也不会泄露 Key。

skill: daily_report trigger: type: schedule cron: "0 18 * * 1-5" model: provider: openai_compatible base_url: https://taotoken.net/api api_key: ${TAOTOKEN_API_KEY} model: YOUR_MODEL_ID temperature: 0.2 max_tokens: 2048 actions: - collect: path: ./logs/app-$(date +%F).log - prompt: | 你是日报汇总助手。请把输入日志按模块归纳为 Markdown 表格， 列包括：模块、关键事件、影响范围、建议动作。 不要编造日志中不存在的错误码。 - write: path: ./reports/daily-$(date +%F).md

如果你在 WorkBuddy 里找不到 YAML 导入入口，就按 UI 表单逐项填写：Provider 选Custom / OpenAI Compatible，Base URL 填https://taotoken.net/api，API Key 填YOUR_API_KEY，Model 填YOUR_MODEL_ID。填完后先不要跑完整 Skill，先用下一节的curl命令验证 Key 是否有效。很多401不是 WorkBuddy 的问题，而是 Key 复制时多了空格，或者把 Base URL 填成了官网首页。记住：官网首页是https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_skill_config，API Base URL 是https://taotoken.net/api，两者不要混用。

4. 可复制的 Skill 配置片段：WorkBuddy + TaoToken 的 OpenAI 兼容写法

下面给出一段更完整的 WorkBuddy Skill 配置片段，覆盖“日志收集 → 模型归纳 → 报告落盘”三步。你可以把它复制到 WorkBuddy 的自定义 Skill 目录，按实际路径修改collect.path和write.path。注意，模型调用只发生在prompt步骤，文件读取和写入都由 WorkBuddy 本地执行。

skill: incident_digest trigger: type: manual model: provider: openai_compatible base_url: https://taotoken.net/api api_key: ${TAOTOKEN_API_KEY} model: YOUR_MODEL_ID temperature: 0.1 actions: - collect: path: ./incidents/2026-01-15 pattern: "*.log" - prompt: | 你是值班摘要助手。请从输入日志中提取： 1. 发生时间线； 2. 受影响服务； 3. 已执行动作； 4. 待确认问题。 输出 Markdown，不要输出 SQL，不要输出删除命令。 - write: path: ./digests/incident-2026-01-15.md

如果你需要让 Skill 调用本地脚本，可以把模型输出保存为临时文件，再由本地脚本读取。例如，SQL 草稿 Skill 只负责生成 SQL 文本，执行动作单独放在local_execute步骤，并且默认关闭自动执行。

skill: sql_draft trigger: type: manual model: provider: openai_compatible base_url: https://taotoken.net/api api_key: ${TAOTOKEN_API_KEY} model: YOUR_MODEL_ID temperature: 0 actions: - prompt: | 根据用户描述生成一条只读 SQL 草稿，并解释每个 WHERE 条件。 只允许 SELECT，不允许 INSERT、UPDATE、DELETE、DROP。 - write: path: ./drafts/query-$(date +%F-%H%M).sql - local_execute: enabled: false command: "echo '请人工 review 后在本地数据库客户端执行'"

这样配置后，WorkBuddy 的 Skill 不会直接碰生产库，也不会把YOUR_API_KEY写进 SQL 文件。模型只输出草稿，本地执行步骤默认关闭。如果团队需要审批，可以把local_execute.command改成打开本地编辑器或通知审批人。关键点：TaoToken 只提供模型 Key，不参与数据库连接，也不替你做权限控制。

5. 运行命令与日志：用 curl 先验证 Key，再让 WorkBuddy 跑 Skill

在 WorkBuddy 里点“运行”之前，建议先用curl验证 TaoToken 的 Key 和 Base URL 是否匹配。下面这段命令可以在 macOS、Linux、WSL 的终端里执行。把YOUR_API_KEY换成你从 API Keys 页面复制的 Key，把YOUR_MODEL_ID换成控制台里可用的模型 ID。命令会把响应同时输出到终端并写入./taotoken-connect.log。

export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_BASE_URL="https://taotoken.net/api" export TAOTOKEN_MODEL="YOUR_MODEL_ID" curl -sS "$TAOTOKEN_BASE_URL/v1/chat/completions" \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "'"$TAOTOKEN_MODEL"'", "messages": [ {"role": "system", "content": "你是 WorkBuddy Skill 的模型后端。"}, {"role": "user", "content": "用一句话确认 TaoToken 连通。"} ], "temperature": 0 }' | tee ./taotoken-connect.log

如果返回 JSON 里包含choices和content，说明 Key、Base URL、Model 三件套基本正确。接下来在 WorkBuddy 里运行一个低风险 Skill，比如“日报汇总”。你可以在 WorkBuddy 的日志面板看到类似下面的输出：

[WorkBuddy][Skill:daily_report] provider=openai_compatible base=https://taotoken.net/api model=YOUR_MODEL_ID [WorkBuddy][Skill:daily_report] collect=./logs/app-2026-01-15.log lines=1842 [WorkBuddy][Skill:daily_report] request_id=req_xxxxxxxx [WorkBuddy][Skill:daily_report] status=200 duration=842ms [WorkBuddy][Skill:daily_report] output=./reports/daily-2026-01-15.md

如果看到401，优先检查三件事：Key 是否复制完整、请求头是否带了Bearer、Base URL 是否误填成官网首页。如果看到404，检查 Base URL 是否为https://taotoken.net/api，以及工具是否自动追加了/v1。有些工具要求你填到版本段，有些工具会自动拼接，保持https://taotoken.net/api作为 Base URL 是本文的约定。如果看到429，说明并发或频率触发了限制，降低 Skill 并发数，或者把多个小请求合并成一次批量请求。如果超时，先检查本地网络到taotoken.net的连通性，再检查输入日志是否过大。

6. 同一把 Key 复用到 Claude Code 与 Codex：settings.json 和 config.toml 不要混用

WorkBuddy 的 Skill 模型设置只是第一处。很多自动化工作流搭建者会同时在终端里用 Claude Code 或 Codex 做辅助操作。这时可以把同一把 TaoToken Key 复用到这些工具，但配置格式必须分开：Claude Code 用settings.json和ANTHROPIC_*环境变量，Codex 用config.toml。不要把ANTHROPIC_*套到 Codex，也不要把 Codex 的model_providers段塞进 Claude Code。

Claude Code 的settings.json可以这样写。把YOUR_API_KEY换成你的 TaoToken Key，把YOUR_MODEL_ID换成控制台模型列表里的 ID。ANTHROPIC_BASE_URL填https://taotoken.net/api。

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "YOUR_MODEL_ID" } }

Codex 的config.toml使用另一套写法。base_url同样填https://taotoken.net/api，但 Key 通过环境变量TAOTOKEN_API_KEY传入。下面是一个最小示例：

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

然后在终端里导出 Key：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

如果你用 CC Switch 管理多套配置，记住三件套：Base URL、API Key、Model。Base URL 统一填https://taotoken.net/api，API Key 填YOUR_API_KEY，Model 按控制台选择。三件套不要混：Claude Code 的配置不要出现model_providers，Codex 的配置不要出现ANTHROPIC_BASE_URL。这样在 WorkBuddy、Claude Code、Codex 之间切换时，排障路径才不会乱。

7. 自动化流程片段：日报 Skill 从触发到生成 Markdown 的完整链路

下面给出一段可复现的 Shell 脚本，模拟 WorkBuddy Skill 的“收集 → 调用 → 落盘”链路。它不是要替代 WorkBuddy，而是让你在接入 TaoToken 之前先确认模型调用和文件读写都能跑通。脚本会把日志摘要请求发给 TaoToken 的 OpenAI 兼容接口，并把模型返回的 JSON 保存到本地。

#!/usr/bin/env bash set -euo pipefail export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_BASE_URL="https://taotoken.net/api" export TAOTOKEN_MODEL="YOUR_MODEL_ID" REPORT_DIR="./reports" LOG_FILE="./logs/app-$(date +%F).log" OUT_FILE="$REPORT_DIR/daily-$(date +%F).md" mkdir -p "$REPORT_DIR" if [ ! -f "$LOG_FILE" ]; then echo "[ERROR] 日志文件不存在: $LOG_FILE" exit 1 fi SUMMARY_INPUT=$(tail -n 500 "$LOG_FILE") RESP=$(curl -sS "$TAOTOKEN_BASE_URL/v1/chat/completions" \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" \ -H "Content-Type: application/json" \ -d "$(jq -n \ --arg model "$TAOTOKEN_MODEL" \ --arg content "$SUMMARY_INPUT" \ '{ model: $model, messages: [ {role: "system", content: "你是 WorkBuddy 日报 Skill。输出 Markdown 表格，不要编造错误码。"}, {role: "user", content: $content} ], temperature: 0.2 }')") echo "$RESP" > "$REPORT_DIR/raw-$(date +%F).json" echo "$RESP" | jq -r '.choices[0].message.content // "模型未返回内容"' > "$OUT_FILE" echo "[OK] 报告已生成: $OUT_FILE"

这段脚本依赖jq和curl。如果你本地没有jq，可以手动拼 JSON，或者用 Python 的json模块。运行后你会看到类似日志：

[OK] 报告已生成: ./reports/daily-2026-01-15.md

如果模型返回401，脚本会写入原始 JSON，你可以在raw-2026-01-15.json里看到错误信息。如果返回429，可以减少tail -n 500的行数，或者把多个日志文件分批处理。如果返回内容为空，检查模型 ID 是否在 TaoToken 控制台可用。这个脚本的价值在于：它把 WorkBuddy Skill 的模型调用部分抽离出来，让你可以先验证 Key 和 Base URL，再把同样的配置搬进 WorkBuddy。

8. 文末 CTA：模型对话 → Coding Plan → 创建 Key → Claude Code 文档

如果你还没有开始配置，建议按这个顺序走：先到模型对话页面看看当前可用的模型和对话效果，再选择适合自动化工作流的 Coding Plan，然后创建 API Key，最后把 Key 填到 WorkBuddy 的 Skill 模型设置里。如果你同时使用 Claude Code，可以再看一下 Claude Code 文档，确认settings.json的字段没有和 Codex 的config.toml混用。

模型对话入口：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_chat

Coding Plan 入口：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_plan

创建 Key 入口：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_keys

Claude Code 文档：https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=workbuddy_claudecode

回到 WorkBuddy 的 Skill 自动化，你只需要记住一条主线：TaoToken 只提供 Key，WorkBuddy 负责编排，本地脚本负责执行。Base URL 固定填https://taotoken.net/api，Key 填YOUR_API_KEY，模型填控制台里可用的YOUR_MODEL_ID。把 10 个 Skill 的模型入口统一之后，日报汇总、会议纪要、工单分类、周报生成这些重复动作就可以稳定跑在同一条链路上。遇到401先查 Key，遇到404先查 Base URL，遇到429先降并发，遇到超时先缩输入。按这个顺序排障，WorkBuddy 的 Skill 自动化会比逐个 Skill 改提示词快得多。