企业官网建设流程全解析

1. 为什么“切角色 + teamai pull”之后，模型出口必须单独治理

团队里最常见的翻车不是 Skill 写错，而是角色切换后模型出口没跟着切换：后端同学执行teamai role switch backend && teamai pull拉到了 backend 命名空间，但 Claude Code 还在用旧 Key，Codex 仍从本地config.toml走旧 provider。建议先把出口治理放到 TaoToken 官网 创建 Key，再把 Base URL 固定为https://taotoken.net/api。这一步不做，Skill 命名空间再清晰，AI 会话的 Token 消耗依然散落在不同工具、不同角色、不同本机配置里，最后既难排障，也难做成本归因。

腾讯开源的teamai-cli解决的是另一层问题：把 Skill、Rule、Hook、MCP 声明和踩坑经验放进 Git 仓库，再按角色分发到不同 AI 编程助手。它让 Cursor、Claude Code、Codex、Windsurf、WorkBuddy 这些工具可以共享同一套团队规范。但请注意，teamai-cli管的是“AI 该会什么”，TaoToken 管的是“AI 从哪个模型出口说话、这次会话消耗哪个角色的 Token”。两者结合，才能形成完整链路：

Git 仓库中的角色定义 -> teamai role switch backend -> teamai pull 只拉取 backend Skill 命名空间 -> 本地 Claude Code / Codex / CC Switch 使用 TaoToken Base URL -> 对应角色的 AI 会话走 https://taotoken.net/api -> 在 TaoToken 控制台按 Key / 角色观察 Token 消耗

如果跳过最后三段，会出现典型症状：

• 已经切到frontend角色，但 AI 仍在调用backend的旧 Skill；
• teamai pull成功，~/.claude/skills/下文件更新了，但 Claude Code 的settings.json里ANTHROPIC_BASE_URL没变；
• 给 Codex 配了ANTHROPIC_*，结果 Codex 根本不读这些变量；
• 团队共用一个 Key，账单里看不清是 PM 角色在跑长上下文，还是 DevOps 角色在跑大量命令诊断；
• 新成员执行完teamai pull后，以为万事大吉，实际上模型出口仍是某次临时测试留下的地址。

所以这篇不是单纯介绍teamai-cli的安装，而是把“角色隔离 Skill 命名空间”和“TaoToken 统一模型出口”接成一条可落地的工作流。核心目标只有一个：切换角色后，teamai pull拉对 Skill，AI 会话走对模型出口，Token 消耗归到对应角色。

下面按管理员、普通成员、排障三个视角展开。涉及 SQL、curl、环境变量验证等命令，均建议由读者在本地终端执行，不要让 Agent 直连生产库或生产环境。

2. teamai-cli 的角色命名空间：pull 到底拉了什么

teamai-cli的关键设计是角色隔离。团队里不同岗位需要的 Skill 并不一样：后端关心 Spring 规范、慢 SQL 检查、接口兼容性；前端关心 React Hooks、可访问性、组件复用；DevOps 关心 K8s manifest、告警排查、发布回滚。把这些 Skill 全部塞给每个人，既增加上下文噪音，也让 AI 在错误领域乱答。

更合理的方式是在团队仓库中声明角色，每个角色对应一个 Skill 命名空间。成员切角色后执行teamai pull，只拉取该命名空间下的资源。示例teamai.yaml可以写成这样：

version: 1 roles: common: namespace: common skills: - security-baseline - commit-message-style - code-review-checklist backend: namespace: backend extends: - common skills: - spring-service-review - mysql-explain-checklist - api-compatibility-guard frontend: namespace: frontend extends: - common skills: - react-hooks-audit - component-api-review - frontend-a11y devops: namespace: devops extends: - common skills: - k8s-manifest-review - incident-runbook - release-rollback-check toolchains: claude: target: "~/.claude/skills" cursor: target: "~/.cursor/skills" codex: target: "~/.codex"

这段配置表达了三件事：

1. common是公共安全底线，所有角色继承；
2. backend、frontend、devops各自拥有独立命名空间；
3. toolchains决定teamai pull把资源分发到哪些 AI 工具目录。

管理员初始化团队仓库后，成员本地操作大致如下：

# 前置依赖：Node.js >= 18，Git 可用 node -v git --version # 安装 teamai-cli，具体包名以项目说明为准 npm install -g teamai-cli # 加入团队仓库 teamai join <team-repo-url> # 查看可用角色 teamai role list # 切换到后端角色 teamai role switch backend # 只拉取 backend 命名空间及其继承的 common teamai pull

切换成功后，可以检查本地 Skill 目录，确认没有把其他角色资源混进来：

find ~/.claude/skills -maxdepth 2 -type d | sort

你希望看到的形态通常是：

~/.claude/skills/common/security-baseline ~/.claude/skills/common/code-review-checklist ~/.claude/skills/backend/spring-service-review ~/.claude/skills/backend/mysql-explain-checklist

如果本机仍出现frontend/react-hooks-audit，说明角色切换或 pull 范围有问题。此时不要急着改 AI 工具配置，先回到teamai-cli层确认角色和命名空间。

角色隔离带来的直接收益是：AI 会话拿到的 Skill 更聚焦，Token 消耗也更可控。一个后端需求不需要把前端组件审计、K8s 发布手册全部塞进系统提示。上下文越干净，模型越不容易在无关规则之间摇摆。

但角色隔离只解决“技能边界”，不解决“模型出口边界”。接下来要把 TaoToken 接进来。

3. TaoToken 侧准备：Key、Base URL 与角色 Token 归因

在角色命名空间确定后，管理员需要为团队准备统一的模型出口。推荐做法是：不要在团队 Git 仓库里提交真实 Key，而是让每位成员或每类角色从 TaoToken 官网 的控制台获取自己的 Key，再通过本地环境变量注入给 AI 工具。

统一出口地址是：

https://taotoken.net/api

这个地址不加 UTM，因为它是工具配置里的 Base URL，不是推广链接。UTM 只用于官网入口和文末 CTA。

Key 的占位符统一使用：

YOUR_API_KEY

对于团队落地，建议按角色或至少按成员创建 Key。比如：

如果团队规模不大，也可以先每人一个 Key，再在命名上带角色前缀。关键不是 Key 数量，而是账单和限额出现异常时，你能快速回答“是谁、在哪个角色、用哪个工具消耗了 Token”。

本地 Claude Code 相关环境变量可以这样设置：

# 仅本地终端使用，不要提交真实 Key export TAOTOKEN_API_KEY="YOUR_API_KEY" export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_AUTH_TOKEN="$TAOTOKEN_API_KEY"

Codex 的环境变量要单独处理，不能复用ANTHROPIC_*：

# Codex 使用独立变量，不要写 ANTHROPIC_* export TAOTOKEN_API_KEY="YOUR_API_KEY"

如果你使用 CC Switch 管理多套 AI 编程工具配置，可以把它理解为“三件套”切换：

1. 供应商名称：TaoToken
2. Base URL：https://taotoken.net/api
3. API Key：YOUR_API_KEY
4. 模型：按 TaoToken 控制台里实际可用的模型 ID 填写

这里的“三件套”不是三个神秘文件，而是三层配置：入口地址、身份凭证、模型选择。CC Switch 负责在你切换 Claude Code、Codex 或其他工具时，把这三层切到正确组合。

注意一个常见错误：把 Claude Code 的ANTHROPIC_*变量复制到 Codex。Codex 的config.toml不读这套变量。把它写进 Codex 环境，只会出现“配置看似改了，实际没生效”的假象。

准备完成后，先不要急着把它写进团队共享仓库。个人本地验证通过，再沉淀为角色模板。

4. 切换角色后 teamai pull：把出口固定到 TaoToken 的完整流程

现在把teamai-cli和 TaoToken 串起来。目标流程是：

teamai role switch <role> -> teamai pull -> 本地 AI 工具拿到该角色 Skill -> Claude Code / Codex / CC Switch 使用 TaoToken Base URL -> 新会话自动走 https://taotoken.net/api

建议按下面顺序执行。

4.1 管理员在团队仓库中维护角色与工具模板

团队仓库里不要放真实 Key，只放模板。例如 Claude Code 模板：

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

Codex 模板：

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

模板里使用YOUR_API_KEY、YOUR_MODEL_ID占位。成员通过本地环境变量或 CC Switch 注入真实值。这样即使仓库被多人 fork，也不会泄露 Key。

4.2 成员切换角色并 pull

成员进入项目后执行：

teamai role switch backend teamai pull

检查角色是否生效：

teamai role current

如果teamai-cli支持状态查看，你应该能看到当前角色、命名空间、最近一次 pull 时间。不同版本命令可能略有差异，但核心动作不变：先切角色，再 pull，确保 Skill 命名空间和模型出口都对应到当前岗位。

4.3 写入 Claude Code 本地配置

Claude Code 推荐使用~/.claude/settings.json。示例：

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

如果你希望按角色区分模型，也可以增加模型变量：

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

保存后，重新打开 Claude Code 会话。不要只在旧会话里改配置，很多 AI 工具只在启动时读取环境变量和 settings。

4.4 写入 Codex 本地配置

Codex 使用~/.codex/config.toml。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" wire_api = "chat"

然后在 shell 中设置：

export TAOTOKEN_API_KEY="YOUR_API_KEY"

再次强调：Codex 这里不要写ANTHROPIC_BASE_URL或ANTHROPIC_AUTH_TOKEN。Claude Code 和 Codex 的变量命名空间不同，混用会导致配置不生效。

4.5 用 CC Switch 统一管理三件套

如果你同时使用 Claude Code、Codex 和其他工具，可以在 CC Switch 中建立多个配置档：

切换配置档后，重启对应 AI 工具。CC Switch 的价值在于减少手改文件，但它不会替你检查命名空间。Claude 档不要塞 Codex 字段，Codex 档不要塞 Anthropic 字段。

4.6 验证模型出口

本地验证时，可以用 curl 检查 TaoToken 出口是否可达：

curl -sS https://taotoken.net/api/v1/models \ -H "Authorization: Bearer $TAOTOKEN_API_KEY" | head -n 20

如果返回模型列表或权限相关信息，说明 Key 和 Base URL 基本正确。若返回 401，优先检查 Key 是否复制完整；若返回 404，检查 Base URL 是否被误写成其他路径；若连接失败，检查公司网络白名单和 DNS。

完成以上步骤后，你的日常动作就变成：

teamai role switch backend teamai pull # 打开新的 Claude Code / Codex 会话

这就是本篇要落地的核心链路：角色决定 Skill 命名空间，TaoToken 决定模型出口，teamai pull负责把角色资源同步到本地。

5. 按角色治理 Token：哪些指标值得看，哪些坑要避开

当多个角色共用一套 AI 编程工具时，Token 消耗往往不是线性增长，而是被几个因素放大：

• 角色 Skill 过多，系统提示过长；
• 知识召回默认全开，无关任务也触发检索；
• MCP 工具返回大段日志，直接塞进上下文；
• 同一角色多人共用一个 Key，无法定位异常；
• 模型选择不统一，有人用长上下文模型跑简单补全。

TaoToken 在这里的角色是统一出口和统一凭证层。你可以按角色 Key 观察调用情况，再和teamai-cli的角色命名空间对应起来。推荐建立一张简单的治理表：

这张表能让排障从“谁用了什么模型”变成“哪个角色、哪个命名空间、哪个 Key、哪个工具”。

几个实践建议：

1. 角色 Skill 不要无限叠加。组合角色可以主角色 + 附加角色，但附加角色最好只放短期需要的 Skill。长期保留会让上下文变重。
2. 知识召回按需开启。teamai-cli的知识召回如果默认关闭，就保持关闭，直到团队确实积累了可检索的踩坑记录。无关任务频繁召回，会浪费 Token。
3. MCP 配置不要明文提交 Key。团队仓库里用环境变量占位，本地注入。数据库、日志平台这类 MCP 尤其要谨慎，不要给 Agent 生产库直连权限。
4. SQL 和运维命令由人执行。AI 可以生成检查语句、解释执行计划，但最终命令建议在本地或受控终端执行，不要交给 Agent 自动连生产库。
5. 每次角色切换后重新 pull。teamai pull是保证 Skill 命名空间正确的关键动作。切了角色不 pull，等于只换了工牌，没换工具箱。

如果你发现某个角色的 Token 消耗突然升高，可以按这个顺序排查：

1. 该角色最近是否新增了大体积 Skill？ 2. 是否开启了知识召回，并命中大量无关文档？ 3. 是否有人把角色 Key 配到了其他工具？ 4. 是否 Codex 被误配了 ANTHROPIC_*，导致回退到旧出口？ 5. 是否 CC Switch 配置档切换后没有重启会话？

6. 常见排障：pull 成功但会话没走 TaoToken

这一类问题很常见：teamai pull显示成功，Skill 文件也更新了，但 AI 会话的模型出口没有变化。按下面清单逐项检查。

6.1 SessionStart Hook 没有触发

teamai-cli的自动同步依赖 AI 工具的 SessionStart Hook。如果客户端不支持 Hook，或者 Hook 被禁用，自动 pull 不会执行。此时手动执行：

teamai pull

如果手动 pull 后 Skill 更新，但出口仍未变，说明问题不在 teamai，而在 AI 工具配置。

6.2 旧终端没有加载环境变量

修改~/.bashrc、~/.zshrc或角色 env 文件后，旧终端不会自动生效。执行：

source ~/.teamai/roles/backend.env

然后重新打开 AI 工具。不要在一个已经运行的 Claude Code 会话里期待环境变量热更新。

6.3 Claude Code 和 Codex 变量串了

错误示例：在~/.codex/config.toml中写：

# 错误：Codex 不读这些 ANTHROPIC_BASE_URL = "https://taotoken.net/api" ANTHROPIC_AUTH_TOKEN = "YOUR_API_KEY"

正确做法是 Codex 使用model_providers和env_key，Claude Code 使用ANTHROPIC_*。两者不要混。

6.4 CC Switch 缓存了旧配置

CC Switch 切换配置档后，有些工具需要完全退出再启动。特别是 CLI 类工具，可能在启动时读取一次配置后就不再刷新。切换后执行：

# 查看当前 shell 中的关键变量 env | grep -E "ANTHROPIC|TAOTOKEN|OPENAI"

确认当前变量与目标配置档一致。

6.5 角色切了但没 pull

只执行：

teamai role switch frontend

没有执行：

teamai pull

本地 Skill 仍可能是旧角色。检查：

teamai role current teamai status

然后重新 pull。

6.6 Base URL 写错

统一 Base URL 是：

https://taotoken.net/api

不要在 Claude Code 里写成https://taotoken.net/api/v1，也不要在 Codex 里漏掉/api。不同工具对路径拼接方式不同，保持 Base URL 简洁，让工具自己拼接端点。

如果仍然不确定，可以回到 TaoToken 官网 查看控制台中的接入信息，或在 模型对话 里先验证 Key 是否可用。

7. 落地顺序：先验证出口，再按角色铺开

如果你准备在团队中推广这套方案，不建议一上来就全员改配置。更稳的顺序是：

1. 管理员在 Git 仓库定义角色和 Skill 命名空间；
2. 选一个后端或前端成员做试点，执行teamai role switch <role> && teamai pull；
3. 在本地配置 Claude Code 或 Codex，把 Base URL 指向https://taotoken.net/api；
4. 用新会话验证 Skill 是否命中、模型出口是否走 TaoToken；
5. 确认无误后，再把模板合并到团队仓库，让成员通过teamai pull同步。

试点的最小验收标准：

[ ] teamai role current 显示目标角色 [ ] teamai pull 后 Skill 目录只包含该角色及其继承资源 [ ] Claude Code settings.json 使用 ANTHROPIC_BASE_URL 和 ANTHROPIC_AUTH_TOKEN [ ] Codex config.toml 使用 model_providers，且没有 ANTHROPIC_* [ ] CC Switch 三件套指向 TaoToken [ ] 新会话可正常调用模型，控制台能看到对应 Key 的消耗

当试点跑通后，再扩展到前端、DevOps、PM。每个角色单独建 Key，或者在 Key 名称中带角色前缀。这样月底看消耗时，你能回答：哪个角色的 Skill 最耗上下文，哪个工具的长任务最多，哪个 Key 需要限额。

最后再强调一次边界：

• teamai-cli负责团队 AI 资源分发和角色隔离；
• TaoToken 负责统一模型出口和 Key 管理；
• teamai pull负责把角色资源同步到本地；
• 本地 AI 工具负责读取settings.json、config.toml或 CC Switch 配置；
• 真实 Key 不提交 Git，不写入共享 Skill，不塞进 MCP 明文配置。

按这个分工落地，切换角色后执行teamai pull，再把出口设为https://taotoken.net/api，就能让不同角色的 AI 会话既用对 Skill，也走对模型出口。需要进一步接入时，可以按顺序走：先用 模型对话 验证模型连通性；如果团队要长期使用 coding agent，查看 Coding Plan；然后到 API Keys 按角色创建 Key；Claude Code 的完整接入细节参考 Claude Code 文档。