企业官网建设流程全解析

1. 从 401 到自动入库：Harness 插件的模型端点改造

我维护低风险内容自动入库规则时，最先撞到的不是规则设计，而是 Harness 插件里的401 Unauthorized：TaoToken 的 Key 没换、base_url还指向默认端点。把模型供应商切到 TaoToken，API Base 填https://taotoken.net/api，Key 从 TaoToken 官网（https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=harness_plugin_intro ）获取，低风险案例才真正跑通“候选生成 → 规则判定 → 自动入库 → 留下提交记录”。

我用的 Harness 插件框架本身只负责把 Agent 跑起来，知识库更新能力靠插件补。为了让知识库顺手，我写了一个“知识库自动更新插件”：新项目进入时匹配历史经验；每天日志产出新知识候选；低风险补充案例直接入库；高风险工作流程变更留在待审区；项目里程碑触发复盘；每月做健康检查，只生成报告不改原文件。规则全在人工维护的文档里，长期可控。

本文围绕可复现产出：自动入库规则、候选文件与提交记录。你可以把下面的配置片段按自己的 Harness 插件字段名调整，但 Key、Base URL、风险分级和提交策略可以照搬。重点不是让模型替你做所有决定，而是让模型只做抽取和摘要，写库动作由本地规则和脚本执行。

2. 低风险自动化规则维护者的判定边界

先定义什么能自动入库。低风险不是“模型觉得没问题”，而是规则能证明它可回滚、影响范围小、不改变操作流程。高风险必须人工审批。规则文件建议放在rules/low-risk.yml，人工维护。

version: 1 auto_merge: - id: case_supplement desc: 补充案例、报错现象、复现步骤 risk: low max_changed_lines: 120 allow_paths: - knowledge/cases/** - knowledge/troubleshooting/** required_fields: - source - symptom - fix forbidden_keywords: - 生产库 - 发布流程 - 权限策略 - 删除数据 - id: command_example desc: 增加本地命令示例、参数说明 risk: low max_changed_lines: 80 allow_paths: - knowledge/cli/** required_fields: - source - command - expected_output manual_review: - id: workflow_change desc: 修改工作流程、审批链路、发布步骤 risk: high - id: permission_policy desc: 权限、角色、密钥管理策略 risk: high - id: data_lifecycle desc: 数据保留、删除、迁移策略 risk: high

这张表的作用是给 Harness 插件一个确定性的判定入口。插件从日志里抽取候选后，先写_candidates/，再跑规则。低风险且满足required_fields的，移动到knowledge/；高风险只写候选，不移动。这样即使模型抽取有偏差，最终写库动作仍受本地规则控制。

规则维护者要定期复查三件事：新增路径是否被误放行；forbidden_keywords是否覆盖新风险；自动入库的提交记录是否可回滚。每月健康检查报告就是给这个复查用的。不要因为自动化程度高，就把高风险内容也混进自动入库。低风险自动化的价值在于减少重复整理，而不是替代审批。

3. 在 Harness 插件里接入 TaoToken：环境变量、Base URL 与最小配置

Harness 插件调用模型时，一般会读取环境变量或配置文件。推荐先把 Key 放到环境变量，不要写进仓库。

export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_BASE_URL="https://taotoken.net/api" export TAOTOKEN_MODEL="MODEL_NAME"

TAOTOKEN_BASE_URL固定为https://taotoken.net/api，不加任何查询参数。Key 从 TaoToken 官网控制台获取：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=harness_plugin_config 。进入控制台后创建 API Key，复制到YOUR_API_KEY的位置。不要把 Key 提交到 Git。

如果 Harness 插件使用 JSON 配置，可以写一个harness.config.json：

{ "model": { "provider": "openai-compatible", "base_url": "https://taotoken.net/api", "api_key_env": "TAOTOKEN_API_KEY", "model": "MODEL_NAME", "temperature": 0.2, "timeout_ms": 60000 }, "ingest": { "log_glob": "daily-log/*.md", "candidate_dir": "_candidates", "knowledge_dir": "knowledge", "rules_file": "rules/low-risk.yml", "low_risk_auto_merge": true, "high_risk_require_approval": true, "commit_prefix": "[kb-auto]" } }

如果插件使用 TOML：

[model] provider = "openai-compatible" base_url = "https://taotoken.net/api" api_key_env = "TAOTOKEN_API_KEY" model = "MODEL_NAME" temperature = 0.2 [ingest] log_glob = "daily-log/*.md" candidate_dir = "_candidates" knowledge_dir = "knowledge" rules_file = "rules/low-risk.yml" low_risk_auto_merge = true high_risk_require_approval = true commit_prefix = "[kb-auto]"

接好后先做最小验证。用 Python 本地脚本确认 Key、Base URL、模型名三者一致：

import os from openai import OpenAI client = OpenAI( api_key=os.environ["TAOTOKEN_API_KEY"], base_url=os.environ.get("TAOTOKEN_BASE_URL", "https://taotoken.net/api"), ) resp = client.chat.completions.create( model=os.environ.get("TAOTOKEN_MODEL", "MODEL_NAME"), messages=[ {"role": "system", "content": "你只输出 JSON。"}, {"role": "user", "content": "把这句话抽取成候选知识：今天在这台机器上修复了端口占用，命令是 lsof -i :8080。"}, ], temperature=0.2, ) print(resp.choices[0].message.content)

若返回 401，先查 Key 是否复制完整；若返回 404，查模型名是否与控制台一致；若连接失败，查 Base URL 是否为https://taotoken.net/api。不要在生产库上直接做写操作，先把knowledge_dir指向本地测试目录。

4. 候选文件生成流水线：日志 → 规则判断 → 入库 / 待审

候选文件是自动入库的中间层。建议目录：

. ├── daily-log/ │ └── 2025-06-01.md ├── _candidates/ │ └── 2025-06-01-port-conflict.md ├── knowledge/ │ ├── cases/ │ └── troubleshooting/ ├── _reports/ │ └── health-2025-06.md └── rules/ └── low-risk.yml

插件每天扫描daily-log/*.md，把新内容交给模型抽取。提示词只要求输出结构化候选，不直接写正式知识库。

PROMPT = """ 你是知识库候选抽取器。只输出 JSON，不要解释。 从日志中提取一条候选知识，字段： title, type, risk_hint, symptom, fix, command, source_file, tags。 type 只能是 case_supplement、command_example、workflow_change、permission_policy 之一。 risk_hint 只能是 low 或 high。 """

模型返回后，插件写入_candidates/。候选文件用 front matter 记录来源和状态：

--- title: "端口 8080 被占用导致本地服务启动失败" type: case_supplement risk_level: low status: pending_rule_check source_file: "daily-log/2025-06-01.md" tags: [troubleshooting, port, local] created_at: "2025-06-01T10:30:00+08:00" reviewer: "" commit: "" --- ## 现象 本地启动服务时报端口占用，日志提示 address already in use。 ## 复现 ```bash lsof -i :8080 ``` ## 处理 终止占用端口的本地进程，或改用其他端口重新启动。 ## 来源 daily-log/2025-06-01.md

然后跑规则检查。伪代码如下：

import yaml from pathlib import Path rules = yaml.safe_load(Path("rules/low-risk.yml").read_text(encoding="utf-8")) candidate = Path("_candidates/2025-06-01-port-conflict.md") text = candidate.read_text(encoding="utf-8") # 只做本地规则判断，不连生产库 risk = "low" for item in rules["auto_merge"]: # 这里按你的 front matter 解析器替换 if item["id"] == "case_supplement" and "type: case_supplement" in text: risk = "low" break if risk == "low": target = Path("knowledge/troubleshooting/2025-06-01-port-conflict.md") target.write_text(text.replace("status: pending_rule_check", "status: auto_merged"), encoding="utf-8") candidate.unlink() print(f"auto merged -> {target}") else: print("kept in _candidates for manual review")

低风险直接入库，高风险留在_candidates/。注意：这里写的是本地文件系统，不要把这个脚本指向生产库、Oracle 或任何线上数据源。所有 SQL/命令都由读者在本地执行。候选文件不是草稿垃圾堆，而是审计中间态：它保留模型抽取结果、规则判定结果和最终去向。

5. 提交记录与回滚：低风险自动入库如何留痕

自动入库如果不留提交记录，等于不可控。每次移动候选文件后，插件应生成一条 Git 提交：

git add knowledge/troubleshooting/2025-06-01-port-conflict.md git commit -m "[kb-auto] ingest low-risk case: 2025-06-01-port-conflict (source: daily-log/2025-06-01.md)" git log --oneline -5

提交信息里保留source和候选 ID，方便回滚。回滚命令：

git revert <commit_sha>

或者直接恢复文件：

git checkout HEAD~1 -- knowledge/troubleshooting/2025-06-01-port-conflict.md

高风险内容不自动提交，只在_candidates/生成文件，并输出待审清单：

-- 本地 SQLite 候选索引，读者本地执行 SELECT id, title, risk_level, status FROM candidates WHERE risk_level = 'high' AND status = 'pending_review' ORDER BY created_at DESC;

你可以用 SQLite 维护候选索引，但数据库文件放在本地仓库的_index/下。Harness 插件只写文件，不直连外部数据库。人工审批时，把status改为approved或rejected，下一次插件运行时只处理approved的高风险候选。

提交记录还要配合标签：

git tag kb-auto-2025-06-01

这样月度健康检查可以按标签统计自动入库数量，而不是靠感觉。对于规则维护者来说，最怕的是“自动改了什么说不清”。有提交记录、有标签、有候选文件，低风险自动入库才是可审计的。

6. Claude Code、Codex、CC Switch 的本地配套配置

Harness 插件接入 TaoToken 后，本地开发经常还要用 Claude Code 或 Codex 调试提示词。建议统一 Key 和 Base URL，但配置格式分开写。

Claude Code 使用settings.json与ANTHROPIC_*：

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

把YOUR_API_KEY换成从 TaoToken 官网创建的 Key。官网入口：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=harness_plugin_claudecode 。

Codex 使用config.toml，不要套用ANTHROPIC_*：

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

环境变量：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

CC Switch 可以把多套配置分开管理，三件套是：Provider、Base URL、API Key。建议建三个 profile：

切换后分别用最小请求验证。Claude Code 侧检查ANTHROPIC_BASE_URL是否生效；Codex 侧检查model_provider是否指向taotoken；Harness 插件侧检查api_key_env是否读到了TAOTOKEN_API_KEY。不要把一个客户端的变量名复制到另一个客户端。

7. 阶段复盘与月度健康检查：只读报告不改原文件

项目到里程碑时，插件触发阶段性复盘：扫描knowledge/和_candidates/，找缺来源、缺复现、缺标签的条目，生成复盘清单。月度健康检查则更保守：只读，不改原文件。

报告输出到_reports/health-YYYY-MM.md：

--- report_type: health_check period: 2025-06 readonly: true generated_by: harness-plugin --- ## 总量 - knowledge 文件数：128 - 本月自动入库：17 - 本月待审高风险：4 - 回滚次数：1 ## 缺字段条目 - knowledge/cases/2025-05-12-timeout.md 缺少 source - knowledge/cli/2025-05-20-curl.md 缺少 expected_output ## 建议 1. 把 timeout 案例补回 daily-log 来源。 2. 检查 curl 示例是否应归入 command_example。 3. 人工复查自动入库标签 kb-auto-2025-06。

生成报告的命令只读：

python harness_healthcheck.py \ --base-url "https://taotoken.net/api" \ --api-key-env TAOTOKEN_API_KEY \ --knowledge-dir knowledge \ --candidate-dir _candidates \ --report _reports/health-2025-06.md \ --readonly

--readonly表示脚本不写knowledge/，只写_reports/。健康检查可以调用模型做摘要，但所有结论仍由人工确认。规则维护者每月复查rules/low-risk.yml，把新出现的风险词加入forbidden_keywords。阶段复盘和月度健康检查都不应该直接修改原文件，否则自动入库链路会失去可信边界。

8. 把 Key、Base URL 和规则文档固定下来：落地清单与 CTA

最后把整套流程固定成清单：

1. 到 TaoToken 官网获取 Key：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=harness_plugin_final 。
2. 在 Harness 插件配置里设置base_url = "https://taotoken.net/api"，Key 用环境变量TAOTOKEN_API_KEY。
3. 维护rules/low-risk.yml，只允许低风险类型自动入库。
4. 每次自动入库生成 Git 提交，提交信息带[kb-auto]和source。
5. 高风险候选留在_candidates/，人工审批后再合并。
6. 月度健康检查只读输出_reports/，不修改原文件。

如果你还没创建 Key，先走模型对话确认模型可用：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=harness_plugin_chat 。需要长期跑自动入库，可以看 Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=harness_plugin_plan 。创建 Key 在 API Keys 页面：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=harness_plugin_keys 。Claude Code 配置细节参考文档：https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=harness_plugin_claudecode 。

把 Key 填入 Harness 插件，API Base 填https://taotoken.net/api，先用本地测试目录跑一轮候选文件生成。确认低风险案例能自动入库、高风险案例能停在待审区、每次入库都有提交记录，再切到正式知识库仓库。这样规则维护者省下的是重复整理时间，留下的是可审计的自动入库链路。