做 1.5B CAD 精度回归，TaoToken 的 Key 管理方式

1. 从 401 到可复现CAD 参数级回归先统一 TaoToken Key 入口跑 CAD 参数级精度回归时最先撞到的往往不是模型输出偏移而是401 invalid api keynotebook 里写死一个 KeyClaude Code 读另一个环境变量Codex 又把旧的base_url缓存进config.toml。换供应商时只改一处结果回归脚本、命令行工具、CC Switch 三套配置互相打架。先把 Key 入口统一到 TaoTokenhttps://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_key_management 再让所有工具把 Base URL 指向 https://taotoken.net/api 。最近 CAD 生成圈在讨论用 1.5B 级小模型做参数级精度回归但落到工程里第一道坎通常不是模型结构而是 Key 怎么管、Base URL 怎么切、回归结果怎么复现。本文不评论模型排名也不做新闻复盘只围绕一个目标把 1.5B CAD 参数级回归工作流接到 TaoToken 上并产出三样能直接入库的东西回归脚本、Key 配置模板、精度对照表。你会看到控制台建 Key、Claude Codesettings.json、Codexconfig.toml、CC Switch 三件套、本地脚本读取环境变量、排障表以及最终 CTA 路径。所有命令都在本地终端执行不要把生产库、Oracle 实例或任何真实业务数据直接暴露给自动化流程。这类回归和普通“看图说话”不同。CAD 文件最终要落到可制造的参数孔位、孔径、圆角、倒角、中心距、板厚、角度、槽宽。模型如果只给出一张看起来合理的草图但把M8孔画成M6或者是把 10 mm 中心距写成 10.2 mm在装配阶段就可能直接失效。所以参数级回归的关键是“抽取参数、逐项比对、量级判定、失败归档”。而要让这个过程可复现第一件事不是调模型而是把调用入口和 Key 管理固定下来。一个最小可复现原则是所有工具只认环境变量不把 Key 写进代码所有客户端只认一个 Base URL即https://taotoken.net/api所有失败结果必须落盘成 JSONL 或 CSV便于下一轮回归对比。只要有一处把 Key 写死或者把 Claude Code 的ANTHROPIC_*变量复制到 Codex排障成本就会指数上升。2. 回归任务拆解参数级精度对照表该记录哪些字段先把回归任务抽象成两个输入文件ground_truth.json和predictions.json。前者是人工确认或从可靠 CAD 源导出的参数真值后者是待测模型输出的参数预测。两者都按case_id对齐每个 case 下挂多个参数。这样做的好处是模型版本、提示词版本、Key 项目都可以独立切换但评估脚本不用改。示例真值文件可以这样设计{ cases: [ { case_id: plate_001, part_type: mounting_plate, params: [ {name: length, value: 120.0, unit: mm}, {name: width, value: 80.0, unit: mm}, {name: hole_diameter, value: 8.0, unit: mm}, {name: hole_spacing_x, value: 100.0, unit: mm}, {name: corner_radius, value: 4.0, unit: mm} ] } ] }模型预测文件保持相同结构但允许缺参数。评估脚本对缺失参数标记为MISSING对超差参数标记为FAIL。下面这个脚本可以直接在本地运行输出cad_param_precision.csv作为精度对照表的原始数据。import csv import json import math from pathlib import Path BASE_DIR Path(__file__).parent GT_PATH BASE_DIR / ground_truth.json PRED_PATH BASE_DIR / predictions.json OUT_CSV BASE_DIR / cad_param_precision.csv DEFAULT_ABS_TOL 0.05 DEFAULT_REL_TOL 0.001 def load_json(path: Path): with path.open(r, encodingutf-8) as f: return json.load(f) def relative_error(gt: float, pred: float) - float: if gt 0: return 0.0 if pred 0 else math.inf return abs(pred - gt) / abs(gt) def judge(abs_err: float, rel_err: float, abs_tol: float, rel_tol: float) - str: if abs_err abs_tol or rel_err rel_tol: return PASS if abs_err abs_tol * 3 or rel_err rel_tol * 3: return WARN return FAIL def main(): gt_data load_json(GT_PATH) pred_data load_json(PRED_PATH) pred_map {item[case_id]: item for item in pred_data[cases]} rows [] for case in gt_data[cases]: cid case[case_id] pred_case pred_map.get(cid) if not pred_case: rows.append({ case_id: cid, part_type: case.get(part_type, ), param: __case__, unit: , gt: , pred: , abs_err: , rel_err: , threshold: , status: MISSING }) continue pred_params {p[name]: p for p in pred_case.get(params, [])} for gt_param in case.get(params, []): name gt_param[name] gt float(gt_param[value]) unit gt_param.get(unit, ) pred_param pred_params.get(name) if pred_param is None: rows.append({ case_id: cid, part_type: case.get(part_type, ), param: name, unit: unit, gt: gt, pred: , abs_err: , rel_err: , threshold: fabs{DEFAULT_ABS_TOL} or rel{DEFAULT_REL_TOL}, status: MISSING }) continue pred float(pred_param[value]) abs_err abs(pred - gt) rel_err relative_error(gt, pred) status judge(abs_err, rel_err, DEFAULT_ABS_TOL, DEFAULT_REL_TOL) rows.append({ case_id: cid, part_type: case.get(part_type, ), param: name, unit: unit, gt: gt, pred: pred, abs_err: abs_err, rel_err: rel_err, threshold: fabs{DEFAULT_ABS_TOL} or rel{DEFAULT_REL_TOL}, status: status }) fieldnames [ case_id, part_type, param, unit, gt, pred, abs_err, rel_err, threshold, status ] with OUT_CSV.open(w, newline, encodingutf-8-sig) as f: writer csv.DictWriter(f, fieldnamesfieldnames) writer.writeheader() writer.writerows(rows) print(fwritten: {OUT_CSV}) print(frows: {len(rows)}) if __name__ __main__: main()本地执行python cad_param_regression.py输出的 CSV 可以直接转成精度对照表。下面是一张示例表数值仅用于说明格式实际请替换为你的回归结果case_idpart_typeparamunitgtpredabs_errrel_errthresholdstatusplate_001mounting_platelengthmm120.0120.020.020.00017abs0.05 or rel0.001PASSplate_001mounting_platewidthmm80.079.910.090.00113abs0.05 or rel0.001WARNplate_001mounting_platehole_diametermm8.08.00.00.0abs0.05 or rel0.001PASSplate_001mounting_platehole_spacing_xmm100.0100.30.30.003abs0.05 or rel0.001FAILplate_001mounting_platecorner_radiusmm4.04.010.010.0025abs0.05 or rel0.001PASS这张表比“整体准确率”更有价值因为它能直接回答到底是哪个参数、哪类零件、哪个尺寸段在拖后腿。CAD 参数级回归如果只看总分很容易被大量简单参数掩盖问题按参数拆开之后孔距、圆角、倒角这些关键制造参数会立刻暴露出来。3. 在 TaoToken 控制台创建回归专用 Key命名、分环境、轮换先到 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_create_key 拿 Key再把所有客户端配置里的 Base URL 指向 https://taotoken.net/api 。不要用同一个 Key 同时跑本地调试、批量回归、CI 定时任务和临时演示。Key 管理的核心不是“有一个能用就行”而是“出问题时能定位是谁、在哪一步、用了哪个项目”。建议按用途拆 Keycad-regression-local本地跑单 case 调试方便随时撤销。cad-regression-batch批量回归脚本使用配合较低并发。cad-regression-ciCI 或定时任务使用只读结果不人工交互。cad-regression-temp临时演示或外部复现用后即删。具体命名以 TaoToken 控制台实际能力为准。进入 API Keys 页面时可以用这个入口https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentcad_regression_create_key创建 Key 后不要写进 Python 文件也不要提交到 Git。推荐在项目根目录放一个.env.example只保留占位符真正的.env加入.gitignore。# .env.example TAOTOKEN_API_KEYYOUR_API_KEY TAOTOKEN_BASE_URLhttps://taotoken.net/api TAOTOKEN_TIMEOUT120 TAOTOKEN_MAX_RETRIES3 TAOTOKEN_CONCURRENCY2本地使用时cp .env.example .env # 编辑 .env把 YOUR_API_KEY 替换为控制台创建的 Key set -a source .env set a python cad_param_regression.py如果你使用zshset -a和source的写法同样可用。关键是不要把 Key 直接 export 到 shell 历史里也不要把.env推到远端仓库。轮换时先创建新 Key再更新本地.env和 CI Secret确认回归任务正常后撤销旧 Key。这样不会因为一次性替换导致所有任务中断。Key 管理还有一个容易忽略的点Base URL 不要带 UTM 参数。UTM 只用于官网和文档入口追踪工具配置里应保持干净export TAOTOKEN_BASE_URLhttps://taotoken.net/api如果把?utm_source...拼进工具 Base URL某些客户端会把查询参数当成路径的一部分最终表现为404或签名不一致。这个问题在排障时非常隐蔽因为浏览器能打开官网不代表命令行客户端能正确拼接 API 路径。4. Claude Code 配置模板settings.json 与 ANTHROPIC_* 只服务 Claude CodeClaude Code 侧建议使用settings.json管理环境变量。核心是ANTHROPIC_BASE_URL和ANTHROPIC_AUTH_TOKEN。Base URL 仍然是不带 UTM 的https://taotoken.net/apiKey 使用YOUR_API_KEY占位符。模型名请根据 TaoToken 控制台和 Claude Code 文档实际可用项填写不要照抄示例里的占位文本。{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: 你的 Claude Code 模型名, CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC: 1 } }如果你只是临时在某个终端里调试也可以使用命令行环境变量export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_AUTH_TOKENYOUR_API_KEY export ANTHROPIC_MODEL你的 Claude Code 模型名配置完成后先做一个最小验证不要一上来就跑全量 CAD 回归。可以先用 Claude Code 读取一个本地参数文件确认它不会报401也不会上传到错误路径。Claude Code 的详细接入方式可以参考https://taotoken.net/doc/ClaudeCodeAnthropic?utm_sourcetaotoken_aicg_blog_endutm_contentcad_claude_code_doc这里必须强调ANTHROPIC_*是 Claude Code 侧的变量命名不要复制到 Codex。Codex 有自己的config.toml和供应商配置混用变量名会让排障变成猜谜。一个常见错误是用户把ANTHROPIC_BASE_URL写进 Codex 环境然后发现 Codex 仍然走旧地址于是误以为 Key 失效。实际原因是 Codex 根本不读这个变量。5. Codex 配置模板config.toml 加 CC Switch 三件套别混用 ANTHROPIC_*Codex 侧推荐使用~/.codex/config.toml。供应商名称可以写taotokenBase URL 写https://taotoken.net/apiKey 从环境变量TAOTOKEN_API_KEY读取。下面是一个模板wire_api是否保留、保留哪个值请以你本机 Codex 版本和 TaoToken 文档为准如果版本不支持该字段删除对应行即可。# ~/.codex/config.toml model_provider taotoken model 你的 Codex 模型名 [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat对应环境变量export TAOTOKEN_API_KEYYOUR_API_KEY export TAOTOKEN_BASE_URLhttps://taotoken.net/api如果你同时使用 Claude Code、Codex 和 CC Switch建议把 CC Switch 的三件套统一成下面三项供应商名称TaoTokenAPI KeyYOUR_API_KEYBase URLhttps://taotoken.net/apiCC Switch 的作用是快速切换供应商配置但它不会自动帮你纠正变量命名。Claude Code 那边继续用ANTHROPIC_*Codex 这边继续用config.toml里的TAOTOKEN_API_KEY。不要为了让两边“看起来一致”而把 Claude Code 的变量塞进 Codex也不要反过来。两边共用同一个 Key 可以但变量名和配置文件必须各归各。Codex 配置完成后建议在本地跑一个最小排障命令确认它读取的是你预期的 Key 和 Base URL。不要在命令里打印完整 Key只打印前缀和长度即可python - PY import os key os.getenv(TAOTOKEN_API_KEY, ) base os.getenv(TAOTOKEN_BASE_URL, ) print(base:, base) print(key_prefix:, key[:6]) print(key_length:, len(key)) print(is_placeholder:, key YOUR_API_KEY) PY如果is_placeholder为True说明你还没有替换占位符。如果key_length为 0说明当前终端没有加载环境变量。如果base包含?utm_source说明你把官网追踪链接误填进了工具配置。以上三种情况都会导致看似“模型不可用”的问题。6. 把回归脚本接到配置层环境变量、超时、重试、结果落盘回归脚本不要直接读settings.json或config.toml那是给 Claude Code 和 Codex 用的。Python 脚本应该读取环境变量这样在本地、CI、容器里都能复用。下面是一个配置加载模板它不绑定具体 API 路径只负责把 Key、Base URL、超时、重试参数统一起来。import os import time from dataclasses import dataclass dataclass class TaoTokenConfig: api_key: str base_url: str timeout: int 120 max_retries: int 3 concurrency: int 2 def load_config() - TaoTokenConfig: api_key os.getenv(TAOTOKEN_API_KEY, ) if not api_key or api_key YOUR_API_KEY: raise RuntimeError(请先设置 TAOTOKEN_API_KEY不要使用占位符) base_url os.getenv(TAOTOKEN_BASE_URL, https://taotoken.net/api) if utm_ in base_url: raise RuntimeError(Base URL 不要带 UTM 参数) return TaoTokenConfig( api_keyapi_key, base_urlbase_url, timeoutint(os.getenv(TAOTOKEN_TIMEOUT, 120)), max_retriesint(os.getenv(TAOTOKEN_MAX_RETRIES, 3)), concurrencyint(os.getenv(TAOTOKEN_CONCURRENCY, 2)), ) def with_retry(fn, max_retries: int, backoff_base: float 1.5): last_exc None for attempt in range(max_retries): try: return fn() except (TimeoutError, ConnectionError) as exc: last_exc exc if attempt max_retries - 1: break time.sleep(backoff_base ** attempt) raise last_exc批量回归时把并发压到 2 或更低先跑 20 个 case确认没有429或大面积超时再逐步放大。每次运行都落盘一份run_meta.json记录时间、模型名、Key 项目、Base URL、提示词版本和参数真值版本。这样当精度波动时你能判断是模型问题、配置问题还是真值文件被改了。import json from datetime import datetime, timezone def write_run_meta(pathrun_meta.json): meta { timestamp: datetime.now(timezone.utc).isoformat(), base_url: https://taotoken.net/api, key_project: cad-regression-batch, model: 你的模型名, prompt_version: cad-regression-v1, ground_truth_version: gt-2025-01-01 } with open(path, w, encodingutf-8) as f: json.dump(meta, f, ensure_asciiFalse, indent2)不要把 API Key 写进run_meta.json。只记录 Key 项目名不记录 Key 本体。失败样本单独归档到一个目录例如failures/plate_001_hole_spacing_x.json里面保存输入、输出、真值和错误类型方便下一轮回归直接复用。7. 精度对照表模板PASS/WARN/FAIL 分级与失败样本归档精度对照表建议至少包含四个维度用例、零件类型、参数名、误差状态。更完整的版本还可以加单位、真值、预测值、绝对误差、相对误差、阈值、模型版本、提示词版本。下面这张表可以直接作为 CSV 表头参考字段含义示例case_id用例编号plate_001part_type零件类型mounting_plateparam参数名hole_spacing_xunit单位mmgt真值100.0pred预测值100.3abs_err绝对误差0.3rel_err相对误差0.003threshold判定阈值abs0.05 or rel0.001status状态FAILmodel_version模型版本cad-1.5b-v2prompt_version提示词版本cad-regression-v1状态分级可以这样定义PASS绝对误差和相对误差至少一个在阈值内。WARN超过阈值但未超过阈值的三倍。FAIL超过阈值三倍或者关键参数缺失。MISSING模型没有输出该参数。对于 CAD 参数级回归FAIL不一定等于模型完全不可用。有些参数在制造上允许较大公差有些参数则必须严格。例如孔位中心距、配合孔径、装配定位尺寸通常比外观圆角更关键。建议在真值文件里增加critical字段把关键参数单独汇总。{ name: hole_spacing_x, value: 100.0, unit: mm, critical: true }然后可以在脚本中增加一个汇总逻辑统计criticaltrue的参数通过率。这样即使整体通过率看起来不错关键装配参数仍然能被单独审视。失败样本归档命令可以放在本地执行mkdir -p failures python - PY import csv from pathlib import Path rows list(csv.DictReader(open(cad_param_precision.csv, encodingutf-8-sig))) failures [r for r in rows if r[status] in {FAIL, MISSING}] Path(failures).mkdir(exist_okTrue) with open(failures/summary.csv, w, newline, encodingutf-8-sig) as f: writer csv.DictWriter(f, fieldnamesrows[0].keys()) writer.writeheader() writer.writerows(failures) print(failure rows:, len(failures)) PY这样每一轮回归都能留下可比较的失败清单。下一轮改提示词、换模型版本、调整参数抽取规则时只要对比failures/summary.csv就能知道是修好了还是引入了新问题。8. 常见排障401、404、429、超时、结果不一致分别查哪里排障时不要先怀疑模型先把 Key、Base URL、配置文件、环境变量四件事查一遍。下面这张表可以作为本地检查清单。现象优先检查常见原因处理方式401 invalid api keyKey 是否替换、环境变量是否加载仍在用YOUR_API_KEY终端未source .env旧 Key 被撤销重新到 TaoToken 控制台创建 Key确认echo前缀和长度404 not foundBase URL 是否写成https://taotoken.net/api误把官网 UTM 链接填入工具路径多拼或少拼Base URL 保持不带查询参数路径细节以 TaoToken 文档为准429 rate limit并发、重试、批量大小一次性跑全量重试策略过猛降到并发 2增加指数退避分批跑超时单次请求体大小、网络、超时设置CAD 文件过大预测结果过长拆分 case增大 timeout先跑小批量结果不一致模型版本、提示词、seed、缓存Claude Code 和 Codex 指向不同项目Key 轮换后进程未重启统一 Base URL 和 Key 项目重启客户端记录run_meta.jsonClaude Code 可用Codex 不可用变量命名是否混用把ANTHROPIC_*当成 Codex 配置Codex 改用config.toml和TAOTOKEN_API_KEYCodex 可用Claude Code 不可用settings.json是否被正确读取ANTHROPIC_AUTH_TOKEN缺失或模型名不可用检查settings.json用最小命令验证CC Switch 切换后无效三件套是否完整只改了供应商名没改 Key 或 Base URL供应商、API Key、Base URL 三项一起核对还有一个高频问题是“昨天能跑今天不行”。这时先看 Key 是否轮换、项目是否变更、Base URL 是否被误改。如果团队里有人把官网入口链接直接复制进工具配置也会造成404。官网链接用于注册、登录、看文档工具配置必须用干净的https://taotoken.net/api。这两个入口不要混。对于 1.5B CAD 参数级回归这类任务建议把排障日志和精度对照表放在同一个结果目录里。每次回归输出cad_param_precision.csv、failures/summary.csv、run_meta.json和stderr.log。这样当状态从PASS变成FAIL时你能快速判断是模型输出变了还是 Key 换项目了还是 Base URL 被污染了。9. CTA模型对话 → Coding Plan → 创建 Key → Claude Code 文档如果你准备把 1.5B CAD 参数级回归工作流完整跑起来可以按下面顺序进入。先到模型对话页验证最小调用确认 Key、Base URL、模型名和返回格式都正常https://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentcad_chat然后按回归任务的批量规模选择 Coding Plan把本地调试和批量评估分开管理https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcad_plan接着创建回归专用 Key按本地、批量、CI 分环境命名避免一个 Key 跑所有任务https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentcad_create_key_final最后参考 Claude Code 文档完成settings.json配置把ANTHROPIC_*只留给 Claude Code把 Codex 继续放在config.toml和TAOTOKEN_API_KEY里https://taotoken.net/doc/ClaudeCodeAnthropic?utm_sourcetaotoken_aicg_blog_endutm_contentcad_claude_code_doc官网入口也放在这里便于统一获取 Key 和查看控制台能力https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_final_home所有工具配置中的 Base URL 都保持为https://taotoken.net/api不要附加 UTM 参数。Key 占位符统一使用YOUR_API_KEY真实 Key 只放本地.env、CI Secret 或系统环境变量。这样CAD 参数级回归脚本、Claude Code、Codex、CC Switch 和精度对照表就能共享同一套接入入口同时保持各自配置边界清晰。