Claude Code 配 TaoToken 之后，再回头看 Python sqlite3 的建表、插入、更新、删除、查询这几步，很多以前靠猜的地方会变得清楚。sqlite3 是标准库自带的轻量数据库，一个 .db 文件就是一个库，不用装服务端，写小工具、做本地缓存、跑数据分析的中间结果都很合适。它的坑也特别集中：语句执行完不报错，但数据没进文件；脚本跑第二遍报主键冲突；进程退出后表还在、数据却回到原点。这些现象背后基本都是事务没提交，或者连接没关。这篇按接入配置的视角走一遍：先在 TaoToken 官网创建 Key，把 Claude Code 的 Base URL 和 Key 配通，再让它逐段解释一段 sqlite3 增删改查代码，并把哪些写操作后面必须跟 conn.commit() 标出来。目标是你自己能判断事务边界，而不是复制粘贴完事。
1. 从一段不报错但数据不落库的 sqlite3 脚本说起
先看典型现场。你拿到一段 Python 脚本，打开数据库、建 COMPANY 表、插入四行记录、查询打印、更新一条工资、删除一条记录，最后打印 "Operation done successfully"。运行日志全是成功字样，终端刷得挺好看，于是你以为没问题。关掉终端重新跑一次 SELECT，数据不见了，或者只剩建表语句那张空表。
原因不复杂。sqlite3 默认不是自动提交模式，INSERT、UPDATE、DELETE、CREATE TABLE 这些会改动数据库的语句，执行完只是进了当前连接的事务缓冲，没有写进 .db 文件。程序直接退出时，未提交的事务被丢弃，文件层面什么都没发生。同一个连接里你去 SELECT 是能看到这些改动的，这就是最容易骗人的地方：看起来数据在，其实是"只有你自己看得见"。
另一个高频问题是连接没关。脚本跑完不调用 conn.close()，Windows 上 .db 文件可能被占用删不掉，稍微并发一点就冒 sqlite3.OperationalError: database is locked。还有人把建表语句写成不带 IF NOT EXISTS 的版本，第二次运行直接抛 sqlite3.IntegrityError 或重复建表错误，于是又加了一堆 try/except 把错误吞掉，问题越藏越深。
这篇要解决的场景很具体：你手上就有一段这样的脚本，想让它真的把数据落进 test.db，同时想借 Claude Code 把每一段代码读懂。做法不是直接 python demo.py，而是先给 Claude Code 接上模型通道，再让它当一次代码审查员。
2. TaoToken 前置：给 Claude Code 准备一条能用的模型通道
Claude Code 是跑在终端里的编码助手，它本身不生产模型能力，需要按 Anthropic 的接口规范去请求模型。实际使用中最常见的卡点不是代码写错，而是请求发不出去：终端里敲了半天，返回连接失败、超时或者鉴权错误，人还没开始写 Python 就先卡在配置上。
TaoToken 在这里的角色就是这条 API 通道，解决的是 AI 工具连不上模型的问题。你从它这里拿到一个 Key，把 Claude Code 的请求地址指向 TaoToken 提供的接口，工具能正常对话之后，再谈让它解释 sqlite3 代码才有意义。
准备工作就两件事。
第一件，打开官网创建 Key：
https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=claude_code_sqlite3进控制台的 API Keys 页面新建一个 Key。Key 一般只在创建时完整显示一次，复制出来先存到密码管理器或者本地临时文件里，别直接贴进代码仓库，也别写进会被 git 跟踪的脚本里。如果你后面要做团队协作，给每个人单独建 Key 比共用一个更好排查问题。
第二件，确认接口地址。TaoToken 的 API 入口是：
https://taotoken.net/api注意这个地址不要带 UTM 参数，Base URL 是给程序读的，带上一串查询参数容易出奇怪问题。
提示：创建 Key 的具体界面和可用模型列表以控制台和接入文档为准，别照抄别人博客里的旧截图，页面改版很常见。
拿到 Key 之后先别急着写 Python。配置没通，后面所有报错你都会误以为是代码问题。
3. 可复制配置：把 Base URL 与 Key 写进 Claude Code
Claude Code 读的是环境变量，所以配置的本质就是让它在启动时能看到两个值：接口地址和鉴权令牌。下面给你可以直接复制的版本。
3.1 macOS / Linux 临时生效写法
export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_AUTH_TOKEN="sk-你从控制台复制的Key"这两行只在当前终端窗口有效，关掉就没了。适合先验证能不能通。
3.2 写进 shell 配置持久化
确认能通之后，再追加到配置文件里，让它每次开终端都自动加载：
# zsh 用户 echo 'export ANTHROPIC_BASE_URL="https://taotoken.net/api"' >> ~/.zshrc echo 'export ANTHROPIC_AUTH_TOKEN="sk-你的Key"' >> ~/.zshrc source ~/.zshrc # bash 用户把 ~/.zshrc 换成 ~/.bashrc 即可3.3 Windows PowerShell 写法
当前会话：
$env:ANTHROPIC_BASE_URL="https://taotoken.net/api" $env:ANTHROPIC_AUTH_TOKEN="sk-你的Key"要长期生效，用系统环境变量界面或者 setx：
setx ANTHROPIC_BASE_URL "https://taotoken.net/api" setx ANTHROPIC_AUTH_TOKEN "sk-你的Key"setx 写入后需要新开一个终端窗口才会读到，这一点经常被忽略。
3.4 配置文件方案
如果你不想动全局环境变量，也可以在项目目录里放一个 .env 风格的配置文件，或者直接改 Claude Code 的用户级配置。不同版本读取的字段名略有差异，部分版本用 ANTHROPIC_API_KEY 而不是 ANTHROPIC_AUTH_TOKEN，接入文档里会写清楚当前推荐写法。
注意：两个字段名都写上通常不会出错，但如果你的工具报"缺少 API Key"，优先检查是不是字段名和当前版本不匹配，而不是怀疑 Key 本身失效。
配完先自检，确认环境变量真的被读到了：
echo $ANTHROPIC_BASE_URL echo ${ANTHROPIC_AUTH_TOKEN:0:8}第二行只打印前 8 位，避免 Key 完整出现在终端历史里。如果输出为空，说明配置没加载，重启终端或者检查是不是写错了配置文件（zsh 和 bash 的配置文件名不一样）。
4. 让 Claude Code 逐段拆解 sqlite3 增删改查并标出 commit 点
配置通了，现在把代码交给它。先准备一个文件，比如 sqlite3_demo.py：
import os import sqlite3 DB_PATH = "test.db" conn = sqlite3.connect(DB_PATH) c = conn.cursor() c.execute(""" CREATE TABLE IF NOT EXISTS COMPANY ( ID INTEGER PRIMARY KEY NOT NULL, NAME TEXT NOT NULL, AGE INTEGER NOT NULL, ADDRESS CHAR(50), SALARY REAL ) """) print("Table created successfully") c.execute("INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) VALUES (?,?,?,?,?)", (1, "Paul", 32, "California", 20000.00)) c.execute("INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) VALUES (?,?,?,?,?)", (2, "Allen", 25, "Texas", 15000.00)) c.execute("INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) VALUES (?,?,?,?,?)", (3, "Teddy", 23, "Norway", 20000.00)) conn.commit() print("Records created successfully") for row in c.execute("SELECT id, name, address, salary FROM COMPANY"): print("ID = {0} NAME = {1} ADDRESS = {2} SALARY = {3}".format(*row)) c.execute("UPDATE COMPANY SET SALARY = 25000.00 WHERE ID = 1") conn.commit() print("rows updated:", conn.total_changes) c.execute("DELETE FROM COMPANY WHERE ID = 2") conn.commit() print("rows deleted:", conn.total_changes) conn.close()和原始演示相比，这里做了两处小改动：插入语句换成参数化写法，避免把值直接拼进 SQL 字符串；建表加了 IF NOT EXISTS，重复运行不会炸。
然后在项目目录里启动 Claude Code，给它这样一段指令：
读一下 sqlite3_demo.py，按执行顺序逐段解释代码。 输出一张表：代码行号 / 这一步对数据库做了什么 / 之后是否必须 conn.commit() / 为什么。 重点标出 CREATE TABLE、INSERT、UPDATE、DELETE 四个位置， 解释 SELECT 为什么不需要提交，以及 conn.close() 之前如果没有 commit 会发生什么。 最后给我一版加了 try/except/finally 和 rollback 的改写。它给出的判断应该能收敛到下面这张表，你可以拿来对照，看它有没有漏：
| 语句 | 是否改动数据库 | 需要 commit 吗 | 说明 |
|---|---|---|---|
| CREATE TABLE | 是，属于 DDL | 需要 | 建表也是写操作，不提交时其他连接看不到这张表 |
| INSERT | 是 | 需要 | 最常见的漏提交位置，插完就查得到、重连就丢 |
| UPDATE | 是 | 需要 | 更新工资、状态这类字段必须提交 |
| DELETE | 是 | 需要 | 删除同理，不提交等于没删 |
| SELECT | 否 | 不需要 | 只读查询，commit 对它没有意义 |
| conn.close() | 否 | 不替代 commit | 关闭连接不会帮你提交未完成的事务 |
这里有个容易被忽略的细节：Python 的with sqlite3.connect(...) as conn:在退出时会自动提交或回滚，但它不会关闭连接。所以想靠 with 省掉 close() 是不成立的，长驻脚本里连接会一直挂着。要同时省掉 commit 和 close，可以显式打开自动提交模式：
conn = sqlite3.connect(DB_PATH, isolation_level=None)这样每条写语句执行完立即落库，代价是失去了"一组操作要么全成要么全败"的事务保护。批量导入几千行数据时，逐条自动提交会明显慢下来，这时候反而应该手动包一个事务。
4.1 让它顺手写一版更稳的结构
拿到解释之后，再让它输出改写版，重点是把资源释放和异常回滚补上：
import sqlite3 DB_PATH = "test.db" def init_and_fill(): conn = sqlite3.connect(DB_PATH) try: c = conn.cursor() c.execute(""" CREATE TABLE IF NOT EXISTS COMPANY ( ID INTEGER PRIMARY KEY NOT NULL, NAME TEXT NOT NULL, AGE INTEGER NOT NULL, ADDRESS CHAR(50), SALARY REAL ) """) rows = [ (1, "Paul", 32, "California", 20000.00), (2, "Allen", 25, "Texas", 15000.00), (3, "Teddy", 23, "Norway", 20000.00), ] c.executemany( "INSERT OR REPLACE INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) VALUES (?,?,?,?,?)", rows, ) conn.commit() except sqlite3.Error as e: conn.rollback() print("写入失败，已回滚:", e) raise finally: conn.close() def show_all(): conn = sqlite3.connect(DB_PATH) try: for row in conn.execute("SELECT id, name, address, salary FROM COMPANY"): print("ID = {0} NAME = {1} ADDRESS = {2} SALARY = {3}".format(*row)) finally: conn.close() if __name__ == "__main__": init_and_fill() show_all()改写里三个变化值得你留意：写操作集中在 try 里、失败走 rollback、finally 里必定 close。INSERT OR REPLACE 让脚本可以反复运行而不报主键冲突，这在本地调试阶段很省事。
5. 验证请求：确认通道通了、数据也真的落库了
这一段做两件事，别混在一起。
先验证模型通道。最小成本的验证方式是让 Claude Code 直接回答一个问题，看它能不能正常返回，而不是抛鉴权错误：
claude -p "用一句话说明 sqlite3 里 conn.commit() 的作用"能正常吐出一句关于"提交当前事务、把改动持久化到数据库文件"的回答，说明 Base URL 和 Key 都生效了。如果这里报鉴权失败，先别去动 Python 代码，回到第 3 章检查环境变量。想换个方式验证模型本身，也可以到模型对话页面直接发一条消息试试。
再验证 sqlite3 的行为。运行脚本：
python sqlite3_demo.py预期输出大致是这样：
Table created successfully Records created successfully ID = 1 NAME = Paul ADDRESS = California SALARY = 20000.0 ID = 2 NAME = Allen ADDRESS = Texas SALARY = 15000.0 ID = 3 NAME = Teddy ADDRESS = Norway SALARY = 20000.0 rows updated: 4 rows deleted: 4注意 total_changes 是连接级别的累计值，不是"本次影响行数"，看到 4 不代表删了四行，这是个常见误解，精确统计要用 cursor.rowcount。
真正确认落库，要用另一个进程去看文件：
sqlite3 test.db "SELECT COUNT(*) FROM COMPANY;" sqlite3 test.db ".schema COMPANY"第一条应该返回 2（插了三行、删了一行），第二条能看到完整的建表语句。如果你跑脚本时把原始演示里删除 test.db 的那几行也带上了，文件会被删掉，验证自然失败——建议调试阶段先注释掉 os.remove，等确认没问题再恢复。
更进一步，你可以把关键写操作后面的 commit 临时删掉，重跑一次，再用 sqlite3 命令行查：你会发现当前进程打印正常，另一个进程查出来是 0 行。这一正一反两次对比，比看十遍文档都记得牢。
6. 常见错排查：401、连接失败、database is locked 与漏掉的 commit
把排查顺序固定下来，能省很多时间。
| 现象 | 大概率原因 | 处理方式 |
|---|---|---|
| 401 / authentication_error | Key 写错、复制时带了空格或换行、环境变量没生效 | 用 echo 打印前缀核对；新开终端；重新复制 Key |
| 连接失败 / 超时 | Base URL 写成了带 UTM 的网页地址，或者多写了 /v1 之类的后缀 | 严格使用 https://taotoken.net/api，按接入文档核对路径 |
| Claude Code 仍提示未登录 | 配置写进了 bash 文件但当前用的是 zsh，或用了 setx 没重开窗口 | 确认当前 shell，source 对应配置文件 |
| SELECT 有数据，重连后没了 | 写操作后没有 conn.commit() | 在 INSERT/UPDATE/DELETE/CREATE 之后补提交 |
| sqlite3.OperationalError: database is locked | 有连接没 close，或两个进程同时写 | 用 try/finally 保证 close；写操作串行化；必要时设置 timeout |
| UNIQUE constraint failed | 脚本重复运行，主键已存在 | 用 INSERT OR REPLACE，或先清表，或按业务判重 |
| 找不到 test.db | 用了相对路径，工作目录和你以为的不一样 | 打印 os.path.abspath(DB_PATH)，或改成绝对路径 |
| 遍历结果时数据错乱 | 复用同一个 cursor 打断上一次查询 | 每次查询用独立的 cursor 或直接 for row in conn.execute(...) |
关于事务还有一个容易踩的坑：某些版本里 sqlite3 的隐式事务只对 DML 语句开启，CREATE TABLE 这类 DDL 行为在不同 Python 版本上的表现有差异。稳妥做法是别依赖默认行为——要么显式 commit，要么显式设置 isolation_level，二选一，别既想省事又想让语义清晰。
如果你排查到某一步卡住，最省时间的办法是把完整报错、Python 版本、配置片段（Key 打码）一起丢给 Claude Code，让它按上表逐条判断。通道已经通了，这类问题它能帮你收敛得很快。
需要新建 Key 或核对鉴权字段名，去 API Keys 页面；接口路径和字段细节看接入文档；只想先确认模型能不能正常回话，用模型对话；准备把 Claude Code 当成日常编码和 Agent 搭档长期用，可以看 Coding Plan，Anthropic 兼容相关配置集中在 Claude Code 接入页。
- API Keys：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=claude_code_sqlite3_keys
- 接入文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=claude_code_sqlite3_doc
- 模型对话：https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=claude_code_sqlite3_chat
- Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=claude_code_sqlite3_plan
- Claude Code 接入：https://taotoken.net/claude-code-anthropic?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=claude_code_sqlite3_cc
最后留一个我现在写 sqlite3 脚本的固定习惯：每个写操作后面紧跟一行 conn.commit()，批量循环里则把 commit 挪到循环外只留一次，函数末尾用 finally 兜住 close。这样既不会因为逐条提交慢得离谱，也不会出现"看起来成功了、其实没落库"的情况。把这三条固定下来，再让 Claude Code 帮你 review 一遍，sqlite3 这层基本不会再出问题。
