企业官网建设流程全解析

1. DeepSeek Harness 日志候选提取链路：Token 到底消耗在哪些步骤

最近把 DeepSeek Harness 的日志候选提取插件重新跑了一遍，顺手把它的 Base URL 换到 TaoToken：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=harness_intro 。最直观的问题不是模型不会总结，而是默认端点下每天 23:00 的抽取任务把 input_tokens 拉得很高，重试几次后调用记录里出现 429 和超时。这个插件做的事情不复杂：项目日志按天写入 Obsidian vault，Harness 负责把 Agent 跑起来，插件在日志落盘后触发候选知识提取。真正费 Token 的环节有三个：第一，把当天日志压缩成摘要；第二，把日志切片送进模型抽取候选知识 JSON；第三，月度健康检查生成报告。前两个环节如果 Base URL、模型、max_tokens、切片规则没有统一配置，调用记录会非常乱。

我关注的点很具体：插件开发者如何在可复现的前提下，把 Harness 插件里的模型调用从默认端点切到 https://taotoken.net/api ，并且让提取任务调用记录和候选知识样例能落盘、能审计、能复用。本文会给出最小可跑配置、records.jsonl 调用记录、候选知识 Markdown 样例，以及 Claude Code、Codex、CC Switch 的接入差异。如果你也在做“每天写日志、自动提取候选知识”的知识库插件，下面这套流程可以直接照着改。

2. 先定位插件中的 3 个模型调用点：写日志、提取候选、健康检查

DeepSeek Harness 本身是框架，插件补能力。我的知识库自动更新插件里有三段模型调用，Token 消耗差异很大。

第一段是日志摘要。每天写完开发日志后，把 5-10 条记录合并成当天摘要，输出 200-400 字。这个调用通常 input 短、output 短，适合低温度、低 max_tokens。第二段是候选知识提取。它读当天日志、历史候选、相关标签，要求模型输出 JSON 数组，每条包含 title、summary、source、risk_level、action、tags。这个调用最容易超预算，因为日志里有很多重复上下文。第三段是月度健康检查。它扫描候选目录、已入库知识、过期规则，生成报告但不改原文件。这个调用频次低，但输出长，适合单独设置模型和超时。

配置前建议先查四个地方：

• base_url 是否写死在插件代码里；
• api_key 是否从环境变量读；
• model 是否分阶段配置；
• retry 是否对 429、超时、JSON 解析错误一视同仁。

可以用一个很小的 Python 片段把配置集中起来：

# harness_kb_plugin/config.py import os from dataclasses import dataclass @dataclass class LLMConfig: base_url: str = os.getenv("TAOTOKEN_BASE_URL", "https://taotoken.net/api") api_key: str = os.getenv("TAOTOKEN_API_KEY", "YOUR_API_KEY") summary_model: str = os.getenv("HARNESS_SUMMARY_MODEL", "deepseek-chat") extract_model: str = os.getenv("HARNESS_EXTRACT_MODEL", "deepseek-chat") health_model: str = os.getenv("HARNESS_HEALTH_MODEL", "deepseek-chat") timeout: int = 60 max_retries: int = 2 extract_max_tokens: int = 1600 summary_max_tokens: int = 500

这段配置的重点不是类名，而是把 Base URL 固定在 https://taotoken.net/api ，Key 用 YOUR_API_KEY 占位。这样后面换模型或换任务阶段，不需要改插件业务代码。

3. 把 Harness 插件 Base URL 换到 TaoToken：最小可跑配置与调用记录

申请 Key 的步骤统一到 TaoToken 官网完成：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=harness_key 。进入控制台后创建 API Key，把 Key 放到环境变量里。不要把它写进 Git 仓库。下面命令由读者本地执行：

export TAOTOKEN_API_KEY="YOUR_API_KEY" export TAOTOKEN_BASE_URL="https://taotoken.net/api" export HARNESS_EXTRACT_MODEL="deepseek-chat"

如果你的插件用 OpenAI 兼容 SDK，最小调用可以这样写：

# harness_kb_plugin/extract_candidates.py import json import os import time from openai import OpenAI from config import LLMConfig cfg = LLMConfig() client = OpenAI( api_key=cfg.api_key, base_url=cfg.base_url, ) def extract_candidates(log_text: str) -> list[dict]: started = time.time() resp = client.chat.completions.create( model=cfg.extract_model, messages=[ { "role": "system", "content": ( "你是知识库候选提取器。只输出 JSON 数组，不要解释。" "每条包含 title、summary、source、risk_level、action、tags。" "risk_level 取 low 或 high，action 取 auto_insert 或 manual_review。" ), }, { "role": "user", "content": f"从以下日志中提取候选知识，过滤重复项：\n\n{log_text}", }, ], temperature=0.2, max_tokens=cfg.extract_max_tokens, response_format={"type": "json_object"}, ) elapsed_ms = int((time.time() - started) * 1000) content = resp.choices[0].message.content or "[]" candidates = json.loads(content) record_call( stage="candidate_extract", model=cfg.extract_model, input_tokens=resp.usage.prompt_tokens if resp.usage else 0, output_tokens=resp.usage.completion_tokens if resp.usage else 0, latency_ms=elapsed_ms, candidate_count=len(candidates), status="ok", ) return candidates def record_call(**kwargs): record = { "task_id": f"extract-{int(time.time())}", "stage": kwargs["stage"], "base_url": cfg.base_url, "model": kwargs["model"], "input_tokens": kwargs["input_tokens"], "output_tokens": kwargs["output_tokens"], "latency_ms": kwargs["latency_ms"], "retry": 0, "candidate_count": kwargs["candidate_count"], "status": kwargs["status"], } with open("records.jsonl", "a", encoding="utf-8") as f: f.write(json.dumps(record, ensure_ascii=False) + "\n")

这里 Base URL 是 https://taotoken.net/api ，不带 UTM。UTM 只用于官网入口和 CTA 链接，不要写进 SDK 的 base_url。Key 占位符统一使用 YOUR_API_KEY。

换完 Base URL 后，建议先跑一轮“回放日志”而不是直接跑当天任务。回放日志可以挑三天历史日志，观察 records.jsonl 里的 input_tokens、output_tokens、latency_ms、candidate_count。如果候选数量为 0，优先检查 JSON 解析和 prompt 中的日志切片长度，不要急着加 max_tokens。

4. 可复现产出：records.jsonl 调用记录与候选知识 Markdown 样例

调用记录建议用 JSONL，一行一条，方便本地 grep、sqlite 导入和后续报表。样例：

{"task_id":"extract-1760000001","stage":"candidate_extract","base_url":"https://taotoken.net/api","model":"deepseek-chat","input_tokens":1840,"output_tokens":420,"latency_ms":2380,"retry":0,"candidate_count":3,"status":"ok"} {"task_id":"extract-1760000002","stage":"summary","base_url":"https://taotoken.net/api","model":"deepseek-chat","input_tokens":620,"output_tokens":180,"latency_ms":940,"retry":0,"candidate_count":0,"status":"ok"} {"task_id":"health-1760000003","stage":"monthly_health","base_url":"https://taotoken.net/api","model":"deepseek-chat","input_tokens":5120,"output_tokens":1680,"latency_ms":6890,"retry":1,"candidate_count":0,"status":"ok"}

候选知识样例可以落到 Obsidian 的 candidates 目录。低风险内容，比如补充案例、命令片段、配置说明，可以直接进候选库；高风险内容，比如修改工作流程、变更权限、调整审批规则，先进入 manual_review 队列。样例：

--- candidate_id: kb-2025-06-18-001 source_log: logs/2025-06-18.md risk_level: low action: auto_insert tags: [harness, plugin, base_url, token] created_at: 2025-06-18T23:12:00+08:00 --- # 候选知识：Harness 插件切换 Base URL 后要重启 worker ## 摘要 DeepSeek Harness 的知识库插件把模型调用的 base_url 改为 `https://taotoken.net/api` 后，正在运行的 worker 不会自动读取新环境变量。需要重启 worker，或者显式重新加载配置，否则旧进程仍会请求旧端点。 ## 触发场景 - 修改 `TAOTOKEN_BASE_URL` 后没有重启插件进程。 - 同一台机器上同时跑多个 Harness worker，只改了其中一个环境变量。 - 调用记录里的 base_url 字段仍显示旧地址。 ## 验证步骤 1. 查看 `records.jsonl` 最近一条记录的 `base_url`。 2. 重启对应 worker。 3. 手动触发一次候选提取回放。 4. 确认新记录的 `base_url` 为 `https://taotoken.net/api`。 ## 风险说明 低风险，补充配置说明即可，不需要人工审批。

月度健康检查可以生成本地报告，不改原文件。查询调用记录可以用本地 sqlite：

sqlite3 records.db "select stage, sum(input_tokens), sum(output_tokens), count(*) from calls group by stage;"

这条命令由读者在本地执行，不要把它接到生产库或让 Agent 直连数据库。记录文件本身就是本地审计材料。

5. 顺手接入 Claude Code / Codex / CC Switch：settings.json、config.toml、三件套

Harness 插件是主线，但很多开发者同一台机器上还会用 Claude Code、Codex、CC Switch。它们的配置字段不一样，不能混用。Claude Code 走 settings.json 和 ANTHROPIC_* 环境变量：

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

Codex 走 config.toml，不要在里面写 ANTHROPIC_*。示例：

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

CC Switch 可以理解为切换配置的入口，填三件套即可：Base URL 填 https://taotoken.net/api ，API Key 填 YOUR_API_KEY，模型名按 TaoToken 控制台可用模型列表填写。TaoToken 官网入口：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=harness_cc_switch 。如果你只在 Harness 插件里用，也可以不装 CC Switch，把环境变量管好即可。

这里再强调一次：Claude Code 的 ANTHROPIC_* 不要套到 Codex 的 config.toml；Codex 用 model_provider、base_url、env_key 这一组字段。两边都指向同一个 Base URL https://taotoken.net/api ，但认证变量名不同。

6. 排障与降本：日志候选提取任务常见的 6 个 Token 黑洞

第一个黑洞是整篇日志直接进 prompt。正确做法是按变更、报错、决策、待办切片，只把可能形成候选知识的段落送去提取。第二个黑洞是历史候选全量塞上下文。应该只带同标签、同项目、最近 30 天的候选。第三个黑洞是输出格式太松。要求 JSON 数组、固定字段、summary 不超过 120 字，可以显著减少 output_tokens。第四个黑洞是重试策略一刀切。429 应该退避，JSON 解析失败应该降温度或缩短输入，超时应该减少切片。第五个黑洞是没有记录 input_tokens/output_tokens，导致无法归因。第六个黑洞是低频任务用高成本模型。月度健康检查可以单独配置模型和 max_tokens。

可以加一段提取规则：

EXTRACT_RULES = { "include_sections": ["变更", "报错", "决策", "配置"], "exclude_sections": ["日常打卡", "会议纪要原文"], "max_chars_per_chunk": 2000, "max_candidates_per_day": 8, "risk_keywords": ["权限", "流程", "审批", "生产", "数据库"], }

当候选里出现 risk_keywords，直接标为 high，进入 manual_review。这样低风险内容自动入库，高风险内容人工审批，月度健康检查只生成报告不改原文件。里程碑复盘可以单独触发一次全量候选扫描，但不要每天都做。

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

如果你要复现这套 DeepSeek Harness 日志候选提取链路，建议按下面顺序操作：

1. 先到模型对话看可用模型：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=harness_chat
2. 评估 Coding Plan 是否覆盖你的调用量：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=harness_coding
3. 创建 API Key：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=harness_keys
4. 如果同时用 Claude Code，看 Claude Code 文档：https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=harness_claude_code

TaoToken 官网入口：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=harness_final 。最后把 Harness 插件的 Base URL 固定为 https://taotoken.net/api ，Key 用 YOUR_API_KEY 占位，先回放三天日志，检查 records.jsonl 和候选知识样例，再开每天定时任务。