企业官网建设流程全解析

GitHub Copilot Chat 只认当前代码。TaoToken（https://taotoken.net/?utm_source=taotoken_aicg_blog_end）解决的是「走哪条通道、用哪把 Key」的问题，它不会顺手替你把数据库架构、HTML 模板和业务逻辑塞进对话窗口。我手上这个项目是从大型数据集里训练预测模型的云应用：后端 Flask，数据层用 psycopg2 直接写 SQL，前端 Bootstrap 5 加一点原生 JavaScript，训练侧是 PyTorch 和 Pandas。五种语言、四个框架每天来回切，每次点开 Chat 提问，它只盯着光标所在的那几十行，于是回复里反复冒出 SQLAlchemy 和 jQuery——这两样在我仓库里一行都没有。下面这套东西是我这半年补上下文缺口的做法：先在 TaoToken（https://taotoken.net/?utm_source=taotoken_aicg_blog_end）注册并创建 Key，把支持自定义 Base URL 的工具指向 https://taotoken.net/api，剩下的交给 VSCode 规则文件。

1. 光标停在哪，Copilot Chat 就只看见哪

1.1 一次 Flask 导出接口的报错现场

事情是这样的：用户想要「从 BigQuery 直接下载数据」的原生支持，我把功能拆完之后在导出链路上收尾，本地跑测试的时候抛了一个psycopg2.errors.UndefinedColumn: column "create_time" does not exist。这个报错本身不复杂，麻烦的是它跨了三层——模型层的实体定义、repository 里的 SQL 拼接、还有模板里展示的是一个旧字段名。我当时把栈追踪里指向的那一行用光标选中，把完整报错粘进 Chat，问「为什么这个字段找不到，怎么改」。

Copilot Chat 的回复看起来相当自信：它给了一段session.query(ExportTask).filter(ExportTask.create_time > since)的写法，还顺带补了一段$('#task-status').text('running')的前端刷新逻辑。问题在于，我的数据访问层根本没有 ORM，全是手写 SQL；前端也不是 jQuery，状态容器用的是 Bootstrap 的组件加data-bs-*属性。它不是答错了题目，它是拿错了材料——我递给它的只有那二十行报错上下文，它就只能按「通用 Web 项目最常见的写法」来补。

1.2 三份上下文，只进去了一份

把这个场景拆开看，Web 应用的上下文其实有三份：数据库架构在db/schema.sql和迁移脚本里，HTML 模板在app/templates/下，业务逻辑散在app/services/和app/repositories/里。这三份材料各自独立，缺哪一份，模型都会用它的「默认偏好」去填空。

Copilot Chat 的输入是两样东西：你选中的代码，加上你在输入框里打的字。光标停在export_service.py的某一行，它就只拿到这一份。它看不到schema.sql里字段叫created_at而不是create_time，也看不到模板里那个容器的 id 其实叫#export-status。于是它给出的东西逻辑通顺、语法正确、就是接不上你的工程——这种错误最难查，因为它不报错，它只是安静地错。

1.3 换模型通道不等于补上了上下文

很多人第一反应是「模型不够聪明，换个强的」。我换过，结论是收益有限。换模型改变的是推理质量，不改变输入内容。你把同一份残缺的材料喂给再强的模型，它依然只能靠猜。

这也是为什么我在项目里把模型通道统一到 TaoToken 之后，第一件事不是庆祝，而是回头去补上下文。统一通道解决的是另一类问题：不用为每家的额度、Key、模型名维护一套心智，Base URL 一个地址、Key 一把，切模型只改模型 ID 那一栏。但「聊天窗口里有什么材料」，永远是使用方的责任，不是通道的责任。

2. Key 从 TaoToken 拿，Base URL 一律填 /api

2.1 注册、创建 Key，拿到 YOUR_API_KEY

不管你最后是让哪类工具去调模型，第一件事都一样：打开 TaoToken 注册账号，进控制台创建一把 API Key。Key 会以一串字符的形式给出，本文里统一写成占位符YOUR_API_KEY，你自己复制粘贴的时候替换掉就行，别把它提交进 Git。

这里有个容易搞混的点，先说清楚：官网落地页是用来注册、创建 Key、看模型广场、查用量的；接口地址是填进工具配置里的。两者不要互换，也不要把落地页的查询参数塞到接口地址上。

2.2 支持自定义 Base URL 的工具，三个字段这样填

VSCode 里的 Copilot Chat 本身不提供自定义 Base URL，所以它只负责「生成和解释代码」，走的是它自己的通道。如果你想像我一样把模型调用也收到统一通道下，需要用那些支持自定义端点的 AI 编程工具或插件，字段是这几个：

Base URL 这一栏最容易出错。很多工具会自己在后面拼路径，你再多写一个/v1，请求就会打到不存在的路径上。记住一句：官网看 Key 和用量，接口只填https://taotoken.net/api。

2.3 模型 ID 不要抄别人的日期后缀

模型广场里的 ID 是会变的，版本迭代、新模型上下架都会动。你在网上看到某篇文章里写着某个带日期的模型名，直接抄过来大概率会失败。正确的做法是每次配置前打开模型广场对一眼当前列表，复制那里显示的 ID。这一步花十秒，能省掉半小时的猜。

3. VSCode 侧补上下文：三个能立刻落地的载体

3.1 .github/copilot-instructions.md：项目级「永远带着」

这是成本最低、收益最直接的一招。在仓库根目录建.github/copilot-instructions.md，写你在每一次对话里都不希望被违反的约定。它的作用相当于给 Chat 加了一份项目说明书，每次提问都会带上，不用你反复强调。

# 项目约定 ## 数据访问 - 使用 psycopg2 执行原生 SQL，禁止引入 SQLAlchemy 或任何 ORM。 - 查询语句写在 app/repositories/ 下，关键字大写，参数化传参。 ## 前端 - 模板位于 app/templates/，使用 Bootstrap 5，禁止引入 jQuery。 - 交互优先用>--- applyTo: "app/templates/**/*.html" --- - 模板引擎是 Jinja2，样式库是 Bootstrap 5，不要生成 jQuery 代码。 - 表单字段名与 db/schema.sql 中的列名保持一致，统一 snake_case。 - 异步刷新状态用 fetch，目标容器 id 见模板中的 #export-status。

再给 SQL 相关的文件写一份，明确「表结构以db/schema.sql为准」「不要臆造不存在的列」。这样一来，你打开模板文件提问时，拿到的是模板约定；打开 repository 提问时，拿到的是数据约定。同一句话不用反复打。

3.3 .prompt.md：把「设计讨论」这一步固定下来

原文作者提到过一个很关键的节奏：写功能之前先在白板上画 UI 草图、翻代码、想清楚怎么加才可维护，这个过程是迭代的，还经常写伪代码来帮自己理清思路。这一步其实很适合做成可复用的提示文件。

在.github/prompts/下建一个design-feature.prompt.md，里面写清楚你希望讨论设计时的输出结构——比如先列出现有代码里相关的入口，再列出数据库层面涉及的表和字段，最后给两个可选实现方案并说明取舍。以后每次要加功能，直接调这个提示，Chat 就不会一上来给你一大坨代码。

3.4 对话里显式引用：#file、#codebase、@workspace

规则文件解决的是「长期约束」，临时的一次性上下文还得靠显式引用。在 Chat 输入框里可以这样写：

#file:db/schema.sql #file:app/templates/export.html 导出任务在任务表里状态字段叫什么？模板里刷新状态的容器 id 是什么？

#file把具体文件拖进这一轮对话，@workspace让它在整个工作区里检索而不是只看当前文件。原文的核心痛点——「每个问题只能提供一份上下文，而 Web 应用有三份」——用一次多文件引用就能基本缓解。它没有改变模型的窗口大小，只是让你把该给的都给了。

4. 把原文那套四步工作流改成「带材料」的版本

4.1 需求：先判断是不是「别人也遇到过」

需求进来的第一步不是写代码。我现在的习惯是先问自己一句：这个问题是不是一个标准问题？如果大概率别人踩过，那就值得让模型先给一轮检索式回答。比如「从 BigQuery 导出大结果集时分批拉取」，这是通用工程问题，让它先给几种常见策略，我再挑。

这一步的上下文需求很轻，@workspace甚至不用带，直接问就行。但如果你问的是「我们项目里现有的导出任务表怎么支撑分批」，那就必须把schema.sql和 repository 一起带上，否则回答会落在空气里。

4.2 设计：白板草图先落成伪代码

白板上的框框线线在对话里没法表达，所以我改成写伪代码。伪代码的好处是它同时携带了三份上下文的骨架：函数签名体现业务逻辑，参数名体现字段来源，注释里可以写清模板需要哪些数据。

把伪代码贴进 Chat 的时候，把#file:db/schema.sql一起带上，然后问「按这个伪代码补全实现，注意字段名要和 schema 一致」。这一轮它给出的东西通常就很接近能用的程度了。

4.3 实现：光标位置加规则加引用，三件事一起做

原文里那句「把光标放在你希望它给出意见的代码上」依然是有效的操作习惯，但只做这一件已经不够。我的实际顺序是：先把光标放到最相关的函数里，再在输入框里补两句说明，最后用#file把另外两份材料勾上。

举个例子，我要给导出接口加一个状态查询的端点。光标放在export_service.py里现有的任务创建函数上，输入框里写「仿照这个函数的结构，加一个按 task_id 查状态的函数，返回结构要和模板里渲染的一致」，然后带上#file:app/templates/export.html。三份上下文齐了，它给出的函数基本不用大改。

4.4 审核测试：代码和 SQL 由你在本地跑

生成的代码必须读一遍。读的过程中加注释、改命名、删掉用不上的分支，这个动作本身就是理解的过程，也是原文里「审核和测试」那一步的价值所在。

和 SQL 有关的部分尤其要守边界。模型可以帮你写诊断 SQL、解释执行计划的字段含义、对照两版 SQL 的差异，但执行这一步永远在你这边。你在本地库或者测试环境跑一遍，把报错原文、执行计划、甚至EXPLAIN的输出贴回对话，它再帮你判断问题在哪。别让工具直接连你的生产环境，那不是它该干的事，你也不会想承担那个后果。

5. Copilot Chat 上下文缺口排障对照

5.1 症状：又给你 SQLAlchemy 和 jQuery

这是最典型的信号，说明对话里没有任何东西告诉它「本项目不用 ORM、不用 jQuery」。处理办法是检查两处：.github/copilot-instructions.md里有没有显式禁止，以及这一轮对话有没有带上 repository 或模板文件。缺一个都不行——项目级约定解决「倾向性」，文件引用解决「具体事实」。

5.2 症状：模板改了，回答还按旧结构写

这通常不是模型的问题，而是你改的是app/templates/下的文件，对话里引用的是缓存过的旧内容，或者压根没引用模板。把光标切到模板文件里再问一次，或者重新用#file把改完的文件带进来。规则文件里的applyTo也要核对一下，glob 写错一个星号，那份约定就从来没生效过。

5.3 症状：分不清是通道问题还是上下文问题

有个快速的判断法：在模型对话里发一条完全不带上下文的测试消息，比如「用一句话说明什么是参数化查询」。如果这条都返回失败，那问题在通道侧——大概率是 Key 没复制全，或者 Base URL 那一栏多写了/v1。如果这条正常，而你的代码问题还是答得离谱，那问题就在上下文侧。

把这两类问题分开排查很重要。上下文缺口的症状是「答得通顺但接不上工程」，通道问题的症状是「请求根本发不出去」。前者靠规则文件和文件引用解决，后者只需要检查两个字段。

6. 验证这次调用，顺手把用量对上

6.1 用同一把 Key 做一次最小验证

配完之后别急着上大功能。先在模型对话里用同一把YOUR_API_KEY发一条短消息，确认三件事：模型 ID 是不是模型广场里当下存在的那个、Base URL 是不是https://taotoken.net/api、返回内容是否正常。这一步能挡掉绝大部分低级错误。

6.2 回控制台看这次请求有没有记上

验证完再回到 https://taotoken.net/?utm_source=taotoken_aicg_blog_end 看一眼控制台的用量记录。刚才那条测试消息应该能在调用明细里找到，时间和模型对得上，说明整条链路是通的。这个习惯值得养成——以后团队里有人说「跑不通」，你先看用量里到底有没有那条请求，能省掉一半的扯皮。

6.3 接下来去哪

如果你只是想先把模型对话跑顺，可以直接去 模型对话 用刚创建的 Key 试几条；如果打算长期写代码、每天的调用量比较稳定，可以看 Coding Plan 的套餐是否比按量更划算；Key 随时在 控制台 API Keys 里补建或轮换；如果你还想让命令行里的编码代理也走同一条通道，环境变量和配置文件怎么写可以对照 Claude Code 接入文档 里的示例改。

我这半年最大的体会是：把通道统一只是把杂事收干净了，真正让 Copilot Chat 变得好用起来的，是那几份躺在仓库里、没人愿意写的规则文件。它们不酷，也不会上热门，但每一次提问都在替你说话。