據(jù)庫連接改到 TaoToken 統(tǒng)一 Key 通道)
1. 從 sqlite3 到 AI 調(diào)用本地腳本里 Key 散落一地的真實痛點如果你用 Python 寫過個人小工具大概率經(jīng)歷過這個階段一開始只是import sqlite3建個test.db增刪改查跑得挺順。后來想給腳本加點 AI 能力比如自動給數(shù)據(jù)打標(biāo)簽、生成摘要、做語義去重于是代碼里開始出現(xiàn)openai_api_key、base_url、model這些變量。再后來換了另一個模型服務(wù)又加一組 Key。最后打開文件一看數(shù)據(jù)庫連接和模型調(diào)用混在一起Key 散落在三四個地方改一次配置要翻半天。這篇就聚焦這個場景Python 開發(fā)者用 sqlite3 做本地數(shù)據(jù)讀寫時怎么把模型調(diào)用和數(shù)據(jù)庫操作串成一條鏈路同時把 endpoint 和 Key 統(tǒng)一收口到一個通道。適合誰適合寫個人腳本、做小工具、跑本地數(shù)據(jù)清洗的人。你不需要搭服務(wù)不需要 Docker一個.py文件加一個.db文件就能跑通。核心檢索詞先擺出來Python sqlite3 基本操作加上「本地數(shù)據(jù)庫 AI 調(diào)用最小示例」。我會先給一份能直接復(fù)制的 sqlite3 建表/增刪改查代碼再把模型調(diào)用的 endpoint 和 Key 改到 TaoToken 的配置片段最后附一次連接驗證和查詢回顯動作。目標(biāo)很明確你照著敲完能直接跑通。先說清楚 sqlite3 是什么。它是 Python 標(biāo)準(zhǔn)庫自帶的輕量數(shù)據(jù)庫不需要單獨安裝數(shù)據(jù)存成一個.db文件。能做什么建表、插入、查詢、更新、刪除事務(wù)提交。適合誰適合數(shù)據(jù)量不大、單機(jī)運行、不想折騰數(shù)據(jù)庫服務(wù)的場景。個人腳本、爬蟲落地、配置存儲、小工具緩存都夠用。而模型調(diào)用這塊很多人卡在「Key 管理」上。代碼里寫死 Key 不安全多個服務(wù)各一套 Key 又難維護(hù)。把 endpoint 和 Key 統(tǒng)一到一個通道代碼里只留一個入口這是比較省心的做法。下面按步驟來。2. TaoToken 前置準(zhǔn)備統(tǒng)一 Key 通道與模型調(diào)用入口配置在動手改代碼之前先把「通道」這件事說清楚。你可以把 TaoToken 理解成一個統(tǒng)一的模型調(diào)用入口你只需要拿到一個 API Key配一個 Base URL代碼里所有模型請求都走這個入口。這樣 sqlite3 負(fù)責(zé)本地數(shù)據(jù)模型調(diào)用負(fù)責(zé) AI 能力兩者通過一個配置變量解耦。前置準(zhǔn)備分三步。第一步拿到 API Key。訪問控制臺創(chuàng)建 Key地址是https://taotoken.net/api-keys。創(chuàng)建后復(fù)制保存后面配置里要用。注意 Key 只顯示一次丟了就重新建一個。第二步確認(rèn) Base URL。API 入口是https://taotoken.net/api這個地址不加任何查詢參數(shù)直接作為base_url使用。很多 SDK 要求 base_url 以/v1結(jié)尾或者不帶具體看下面配置片段我會寫清楚。第三步選模型 ID。模型對話頁面可以查看可用模型地址https://taotoken.net/model-chat。選一個你常用的模型 ID比如對話類或代碼類記下來配置里填進(jìn)去。這三樣?xùn)|西——Base URL、API Key、Model ID——就是后面所有配置的核心。我建議你不要把它們硬編碼在.py文件里而是放到環(huán)境變量或者一個單獨的配置文件。原因很簡單腳本可能分享給別人Key 泄露風(fēng)險高而且換模型時只改一處不用翻代碼。這里給一個推薦做法在項目根目錄建一個.env文件或者直接用系統(tǒng)環(huán)境變量內(nèi)容大致是TAOTOKEN_API_KEY你的Key TAOTOKEN_BASE_URLhttps://taotoken.net/api TAOTOKEN_MODEL你的模型ID然后在 Python 里用os.environ讀取。這樣 sqlite3 的代碼和模型調(diào)用的代碼就徹底分開了數(shù)據(jù)庫操作只管數(shù)據(jù)模型調(diào)用只管請求。如果你用的是 OpenAI 兼容的 SDK配置片段大概是這樣import os from openai import OpenAI client OpenAI( api_keyos.environ[TAOTOKEN_API_KEY], base_urlos.environ[TAOTOKEN_BASE_URL], ) MODEL_ID os.environ[TAOTOKEN_MODEL]注意base_url這里填的是https://taotoken.net/api不要自己加/v1或者別的路徑SDK 會處理。如果你用的不是 OpenAI SDK而是直接發(fā) HTTP 請求那 endpoint 就是https://taotoken.net/api加上具體的路徑具體看接入文檔https://taotoken.net/doc。前置準(zhǔn)備做完你手里應(yīng)該有一個能用的 Key、一個 Base URL、一個 Model ID。接下來進(jìn)入代碼環(huán)節(jié)。3. 可復(fù)制配置sqlite3 建表增刪改查 模型調(diào)用串聯(lián)代碼這一節(jié)是重點我給一份完整的、能直接跑的代碼。分兩部分先寫 sqlite3 的基本操作再把模型調(diào)用串進(jìn)去。你可以新建一個demo.py把下面代碼復(fù)制進(jìn)去改一下環(huán)境變量就能跑。先看 sqlite3 部分。建表、插入、查詢、更新、刪除五個動作全覆蓋import os import sqlite3 DB_PATH test.db def init_db(): if os.path.exists(DB_PATH): os.remove(DB_PATH) conn sqlite3.connect(DB_PATH) cursor conn.cursor() cursor.execute( create table user(id int primary key, name varchar(20), tag varchar(50)) ) conn.commit() cursor.close() conn.close() def insert_user(uid, name): conn sqlite3.connect(DB_PATH) cursor conn.cursor() cursor.execute(insert into user (id, name, tag) values (?, ?, ?), (uid, name, )) conn.commit() cursor.close() conn.close() def query_users(): conn sqlite3.connect(DB_PATH) cursor conn.cursor() cursor.execute(select * from user) values cursor.fetchall() cursor.close() conn.close() return values def update_tag(uid, tag): conn sqlite3.connect(DB_PATH) cursor conn.cursor() cursor.execute(update user set tag ? where id ?, (tag, uid)) conn.commit() cursor.close() conn.close() def delete_user(uid): conn sqlite3.connect(DB_PATH) cursor conn.cursor() cursor.execute(delete from user where id ?, (uid,)) conn.commit() cursor.close() conn.close()這里有幾個細(xì)節(jié)值得說。第一我用?占位符傳參而不是字符串拼接避免 SQL 注入這是 sqlite3 基本操作里必須養(yǎng)成的習(xí)慣。第二每次操作都commit()否則數(shù)據(jù)不落盤。第三cursor.close()和conn.close()成對出現(xiàn)避免連接泄漏。第四建表時多了一個tag字段這個字段后面用來存模型生成的標(biāo)簽把數(shù)據(jù)庫和 AI 調(diào)用串起來。接下來是模型調(diào)用部分。假設(shè)我們要給每個 user 生成一個標(biāo)簽存回tag字段import os from openai import OpenAI client OpenAI( api_keyos.environ[TAOTOKEN_API_KEY], base_urlos.environ[TAOTOKEN_BASE_URL], ) MODEL_ID os.environ[TAOTOKEN_MODEL] def generate_tag(name): resp client.chat.completions.create( modelMODEL_ID, messages[ {role: system, content: 你是一個標(biāo)簽生成器只輸出一個中文詞。}, {role: user, content: f給這個名字生成一個標(biāo)簽{name}}, ], temperature0.3, ) return resp.choices[0].message.content.strip()然后把兩部分串起來if __name__ __main__: init_db() insert_user(1, Michael) insert_user(2, Alice) for uid, name, _ in query_users(): tag generate_tag(name) update_tag(uid, tag) for row in query_users(): print(row)跑完你會看到類似(1, Michael, 音樂)、(2, Alice, 閱讀)這樣的輸出。數(shù)據(jù)庫負(fù)責(zé)存模型負(fù)責(zé)生成Key 只在client初始化時用一次。如果你用 TOML 做配置可以這樣寫[taotoken] api_key 你的Key base_url https://taotoken.net/api model 你的模型ID然后 Python 里用tomllib讀取。這樣配置和代碼分離換模型只改 TOML。如果你用 Cline MCP 或者 Codex 這類工具配置里同樣要寫全三件套Base URL、Key、Model ID。比如 Codex 的auth.json里base_url填https://taotoken.net/apiapi_key填你的 Key模型 ID 填你選的。三件套缺一不可少一個就會報鑒權(quán)或模型找不到的錯。4. 驗證請求與查詢回顯一次跑通的完整動作代碼寫完了怎么確認(rèn)真的跑通了我建議分兩步驗證先驗證 sqlite3 本身再驗證模型調(diào)用最后看串聯(lián)結(jié)果。第一步單獨跑 sqlite3。把模型調(diào)用那部分注釋掉只跑init_db、insert_user、query_users。如果輸出[(1, Michael, ), (2, Alice, )]說明數(shù)據(jù)庫操作沒問題。這一步能排除掉「數(shù)據(jù)庫路徑不對」「表沒建成功」「commit 漏了」這類問題。第二步單獨驗證模型調(diào)用。寫一個最小腳本from openai import OpenAI import os client OpenAI( api_keyos.environ[TAOTOKEN_API_KEY], base_urlos.environ[TAOTOKEN_BASE_URL], ) resp client.chat.completions.create( modelos.environ[TAOTOKEN_MODEL], messages[{role: user, content: 回復(fù)兩個字收到}], ) print(resp.choices[0].message.content)如果打印出「收到」或者類似內(nèi)容說明 Key、Base URL、Model ID 三件套配置正確。這一步能排除掉「401 鑒權(quán)失敗」「模型 ID 寫錯」「base_url 多了 /v1」這類問題。第三步跑完整串聯(lián)。執(zhí)行demo.py觀察輸出。正常情況下你會看到每個 user 的tag字段被填上了模型生成的內(nèi)容。如果tag還是空的說明模型調(diào)用返回了空字符串或者update_tag沒執(zhí)行。可以在generate_tag里加一行print(resp)看原始返回。這里給一個查詢回顯的檢查點跑完后單獨執(zhí)行一次query_users()把結(jié)果打印出來。如果tag字段有值說明整條鏈路通了。如果報錯看下面的排查章節(jié)。實測下來最容易出問題的地方是環(huán)境變量沒生效。比如你在.env里寫了 Key但 Python 沒加載.envos.environ[TAOTOKEN_API_KEY]就會拋KeyError。解決辦法是用python-dotenv加載或者直接在終端export。我試過在 PyCharm 里跑環(huán)境變量要在 Run Configuration 里單獨配這點容易踩坑。5. 本篇常見錯排查401、local proxy failed、reading choices、OAuth這一節(jié)對照真實報錯來。你在串聯(lián) sqlite3 和模型調(diào)用時大概率會遇到下面幾類錯誤。我按報錯原文和解決思路列出來。401 Unauthorized。這是最常見的鑒權(quán)錯誤。原因通常是 Key 沒填、Key 填錯、或者 Key 前后有空格。檢查os.environ[TAOTOKEN_API_KEY]的值打印出來看長度對不對。另外確認(rèn) Base URL 是https://taotoken.net/api不要寫成別的路徑。如果 Key 是從控制臺復(fù)制的注意不要帶上多余換行。local proxy failed / connection error。這類報錯通常是網(wǎng)絡(luò)層的問題。檢查你的網(wǎng)絡(luò)環(huán)境是否能正常訪問https://taotoken.net/api。可以用curl測一下curl -X POST https://taotoken.net/api/chat/completions \ -H Authorization: Bearer 你的Key \ -H Content-Type: application/json \ -d {model:你的模型ID,messages:[{role:user,content:hi}]}如果 curl 也失敗說明是網(wǎng)絡(luò)或地址問題如果 curl 成功但 Python 失敗說明是代碼里的 base_url 或 SDK 配置問題。reading choices 報錯 / choices 為空。這個報錯通常出現(xiàn)在resp.choices[0]這一行。原因是模型返回結(jié)構(gòu)里沒有choices或者choices是空列表。常見觸發(fā)場景模型 ID 寫錯服務(wù)返回了錯誤信息而不是正常補(bǔ)全或者請求被限流返回了錯誤對象。解決辦法是先打印resp原始內(nèi)容看返回結(jié)構(gòu)。如果是模型 ID 問題去模型對話頁面確認(rèn)正確的 ID。OAuth 相關(guān)報錯。如果你用的是 Claude Code 或者某些需要 OAuth 的工具可能會遇到 OAuth 流程失敗。這類工具通常需要你在配置里寫全 Base URL、Key、Model ID 三件套。以 Claude Code 為例配置里ANTHROPIC_BASE_URL填https://taotoken.net/apiANTHROPIC_API_KEY填你的 Key模型 ID 填你選的。三件套寫全OAuth 類報錯基本能消掉。如果還報錯檢查配置文件路徑是否正確比如~/.claude/settings.json或者項目級的settings.json。sqlite3.OperationalError: no such table。這是數(shù)據(jù)庫側(cè)的錯誤和模型調(diào)用無關(guān)。原因是建表語句沒執(zhí)行或者數(shù)據(jù)庫文件路徑不對。檢查init_db()是否在插入前調(diào)用檢查DB_PATH是否指向了正確的文件。如果你在多個目錄下跑腳本相對路徑test.db會在不同目錄生成不同文件建議用絕對路徑。sqlite3.ProgrammingError: Cannot operate on a closed database。這個錯誤說明你在conn.close()之后又用了cursor。檢查代碼順序確保commit()和close()在所有操作之后。排查思路總結(jié)成一句話先隔離再串聯(lián)。數(shù)據(jù)庫報錯就單獨跑數(shù)據(jù)庫模型報錯就單獨跑模型兩邊都通了再串起來。這樣定位問題最快。6. 語義一致 CTA把這條鏈路用到你的長期編碼場景到這里sqlite3 的基本操作和模型調(diào)用的串聯(lián)已經(jīng)跑通了。你手里有一份能直接跑的代碼建表、增刪改查、模型生成標(biāo)簽、回寫數(shù)據(jù)庫。Key 只在初始化時用一次endpoint 統(tǒng)一到https://taotoken.net/api模型 ID 從環(huán)境變量讀。如果你只是偶爾跑跑腳本這套配置夠用了。但如果你要長期做編碼、跑 Agent、或者把這條鏈路用到更多項目里建議看一下 Coding Plan地址是https://taotoken.net/coding-plan。它適合需要持續(xù)調(diào)用模型、管理多個項目的場景Key 和額度管理會更省心。另外兩個入口也放這里按需取用。需要驗證模型效果、快速試對話去模型對話頁面https://taotoken.net/model-chat。需要管理 Key、創(chuàng)建新 Key去控制臺https://taotoken.net/api-keys。接入細(xì)節(jié)和參數(shù)說明看文檔https://taotoken.net/doc。最后說一個實用技巧把generate_tag這類函數(shù)抽到一個單獨的ai_utils.py里數(shù)據(jù)庫操作抽到db_utils.py主腳本只負(fù)責(zé)編排。這樣下次換模型或者換數(shù)據(jù)庫只改一個文件。我試過在幾個小工具里這么拆維護(hù)成本低很多。代碼跑通只是開始結(jié)構(gòu)清晰才能長期用。 Python sqlite3基本操作：把本地數(shù)據(jù)庫連接改到 TaoToken 統(tǒng)一 Key 通道
1. 從 sqlite3 到 AI 調(diào)用本地腳本里 Key 散落一地的真實痛點如果你用 Python 寫過個人小工具大概率經(jīng)歷過這個階段一開始只是import sqlite3建個test.db增刪改查跑得挺順。后來想給腳本加點 AI 能力比如自動給數(shù)據(jù)打標(biāo)簽、生成摘要、做語義去重于是代碼里開始出現(xiàn)openai_api_key、base_url、model這些變量。再后來換了另一個模型服務(wù)又加一組 Key。最后打開文件一看數(shù)據(jù)庫連接和模型調(diào)用混在一起Key 散落在三四個地方改一次配置要翻半天。這篇就聚焦這個場景Python 開發(fā)者用 sqlite3 做本地數(shù)據(jù)讀寫時怎么把模型調(diào)用和數(shù)據(jù)庫操作串成一條鏈路同時把 endpoint 和 Key 統(tǒng)一收口到一個通道。適合誰適合寫個人腳本、做小工具、跑本地數(shù)據(jù)清洗的人。你不需要搭服務(wù)不需要 Docker一個.py文件加一個.db文件就能跑通。核心檢索詞先擺出來Python sqlite3 基本操作加上「本地數(shù)據(jù)庫 AI 調(diào)用最小示例」。我會先給一份能直接復(fù)制的 sqlite3 建表/增刪改查代碼再把模型調(diào)用的 endpoint 和 Key 改到 TaoToken 的配置片段最后附一次連接驗證和查詢回顯動作。目標(biāo)很明確你照著敲完能直接跑通。先說清楚 sqlite3 是什么。它是 Python 標(biāo)準(zhǔn)庫自帶的輕量數(shù)據(jù)庫不需要單獨安裝數(shù)據(jù)存成一個.db文件。能做什么建表、插入、查詢、更新、刪除事務(wù)提交。適合誰適合數(shù)據(jù)量不大、單機(jī)運行、不想折騰數(shù)據(jù)庫服務(wù)的場景。個人腳本、爬蟲落地、配置存儲、小工具緩存都夠用。而模型調(diào)用這塊很多人卡在「Key 管理」上。代碼里寫死 Key 不安全多個服務(wù)各一套 Key 又難維護(hù)。把 endpoint 和 Key 統(tǒng)一到一個通道代碼里只留一個入口這是比較省心的做法。下面按步驟來。2. TaoToken 前置準(zhǔn)備統(tǒng)一 Key 通道與模型調(diào)用入口配置在動手改代碼之前先把「通道」這件事說清楚。你可以把 TaoToken 理解成一個統(tǒng)一的模型調(diào)用入口你只需要拿到一個 API Key配一個 Base URL代碼里所有模型請求都走這個入口。這樣 sqlite3 負(fù)責(zé)本地數(shù)據(jù)模型調(diào)用負(fù)責(zé) AI 能力兩者通過一個配置變量解耦。前置準(zhǔn)備分三步。第一步拿到 API Key。訪問控制臺創(chuàng)建 Key地址是https://taotoken.net/api-keys。創(chuàng)建后復(fù)制保存后面配置里要用。注意 Key 只顯示一次丟了就重新建一個。第二步確認(rèn) Base URL。API 入口是https://taotoken.net/api這個地址不加任何查詢參數(shù)直接作為base_url使用。很多 SDK 要求 base_url 以/v1結(jié)尾或者不帶具體看下面配置片段我會寫清楚。第三步選模型 ID。模型對話頁面可以查看可用模型地址https://taotoken.net/model-chat。選一個你常用的模型 ID比如對話類或代碼類記下來配置里填進(jìn)去。這三樣?xùn)|西——Base URL、API Key、Model ID——就是后面所有配置的核心。我建議你不要把它們硬編碼在.py文件里而是放到環(huán)境變量或者一個單獨的配置文件。原因很簡單腳本可能分享給別人Key 泄露風(fēng)險高而且換模型時只改一處不用翻代碼。這里給一個推薦做法在項目根目錄建一個.env文件或者直接用系統(tǒng)環(huán)境變量內(nèi)容大致是TAOTOKEN_API_KEY你的Key TAOTOKEN_BASE_URLhttps://taotoken.net/api TAOTOKEN_MODEL你的模型ID然后在 Python 里用os.environ讀取。這樣 sqlite3 的代碼和模型調(diào)用的代碼就徹底分開了數(shù)據(jù)庫操作只管數(shù)據(jù)模型調(diào)用只管請求。如果你用的是 OpenAI 兼容的 SDK配置片段大概是這樣import os from openai import OpenAI client OpenAI( api_keyos.environ[TAOTOKEN_API_KEY], base_urlos.environ[TAOTOKEN_BASE_URL], ) MODEL_ID os.environ[TAOTOKEN_MODEL]注意base_url這里填的是https://taotoken.net/api不要自己加/v1或者別的路徑SDK 會處理。如果你用的不是 OpenAI SDK而是直接發(fā) HTTP 請求那 endpoint 就是https://taotoken.net/api加上具體的路徑具體看接入文檔https://taotoken.net/doc。前置準(zhǔn)備做完你手里應(yīng)該有一個能用的 Key、一個 Base URL、一個 Model ID。接下來進(jìn)入代碼環(huán)節(jié)。3. 可復(fù)制配置sqlite3 建表增刪改查 模型調(diào)用串聯(lián)代碼這一節(jié)是重點我給一份完整的、能直接跑的代碼。分兩部分先寫 sqlite3 的基本操作再把模型調(diào)用串進(jìn)去。你可以新建一個demo.py把下面代碼復(fù)制進(jìn)去改一下環(huán)境變量就能跑。先看 sqlite3 部分。建表、插入、查詢、更新、刪除五個動作全覆蓋import os import sqlite3 DB_PATH test.db def init_db(): if os.path.exists(DB_PATH): os.remove(DB_PATH) conn sqlite3.connect(DB_PATH) cursor conn.cursor() cursor.execute( create table user(id int primary key, name varchar(20), tag varchar(50)) ) conn.commit() cursor.close() conn.close() def insert_user(uid, name): conn sqlite3.connect(DB_PATH) cursor conn.cursor() cursor.execute(insert into user (id, name, tag) values (?, ?, ?), (uid, name, )) conn.commit() cursor.close() conn.close() def query_users(): conn sqlite3.connect(DB_PATH) cursor conn.cursor() cursor.execute(select * from user) values cursor.fetchall() cursor.close() conn.close() return values def update_tag(uid, tag): conn sqlite3.connect(DB_PATH) cursor conn.cursor() cursor.execute(update user set tag ? where id ?, (tag, uid)) conn.commit() cursor.close() conn.close() def delete_user(uid): conn sqlite3.connect(DB_PATH) cursor conn.cursor() cursor.execute(delete from user where id ?, (uid,)) conn.commit() cursor.close() conn.close()這里有幾個細(xì)節(jié)值得說。第一我用?占位符傳參而不是字符串拼接避免 SQL 注入這是 sqlite3 基本操作里必須養(yǎng)成的習(xí)慣。第二每次操作都commit()否則數(shù)據(jù)不落盤。第三cursor.close()和conn.close()成對出現(xiàn)避免連接泄漏。第四建表時多了一個tag字段這個字段后面用來存模型生成的標(biāo)簽把數(shù)據(jù)庫和 AI 調(diào)用串起來。接下來是模型調(diào)用部分。假設(shè)我們要給每個 user 生成一個標(biāo)簽存回tag字段import os from openai import OpenAI client OpenAI( api_keyos.environ[TAOTOKEN_API_KEY], base_urlos.environ[TAOTOKEN_BASE_URL], ) MODEL_ID os.environ[TAOTOKEN_MODEL] def generate_tag(name): resp client.chat.completions.create( modelMODEL_ID, messages[ {role: system, content: 你是一個標(biāo)簽生成器只輸出一個中文詞。}, {role: user, content: f給這個名字生成一個標(biāo)簽{name}}, ], temperature0.3, ) return resp.choices[0].message.content.strip()然后把兩部分串起來if __name__ __main__: init_db() insert_user(1, Michael) insert_user(2, Alice) for uid, name, _ in query_users(): tag generate_tag(name) update_tag(uid, tag) for row in query_users(): print(row)跑完你會看到類似(1, Michael, 音樂)、(2, Alice, 閱讀)這樣的輸出。數(shù)據(jù)庫負(fù)責(zé)存模型負(fù)責(zé)生成Key 只在client初始化時用一次。如果你用 TOML 做配置可以這樣寫[taotoken] api_key 你的Key base_url https://taotoken.net/api model 你的模型ID然后 Python 里用tomllib讀取。這樣配置和代碼分離換模型只改 TOML。如果你用 Cline MCP 或者 Codex 這類工具配置里同樣要寫全三件套Base URL、Key、Model ID。比如 Codex 的auth.json里base_url填https://taotoken.net/apiapi_key填你的 Key模型 ID 填你選的。三件套缺一不可少一個就會報鑒權(quán)或模型找不到的錯。4. 驗證請求與查詢回顯一次跑通的完整動作代碼寫完了怎么確認(rèn)真的跑通了我建議分兩步驗證先驗證 sqlite3 本身再驗證模型調(diào)用最后看串聯(lián)結(jié)果。第一步單獨跑 sqlite3。把模型調(diào)用那部分注釋掉只跑init_db、insert_user、query_users。如果輸出[(1, Michael, ), (2, Alice, )]說明數(shù)據(jù)庫操作沒問題。這一步能排除掉「數(shù)據(jù)庫路徑不對」「表沒建成功」「commit 漏了」這類問題。第二步單獨驗證模型調(diào)用。寫一個最小腳本from openai import OpenAI import os client OpenAI( api_keyos.environ[TAOTOKEN_API_KEY], base_urlos.environ[TAOTOKEN_BASE_URL], ) resp client.chat.completions.create( modelos.environ[TAOTOKEN_MODEL], messages[{role: user, content: 回復(fù)兩個字收到}], ) print(resp.choices[0].message.content)如果打印出「收到」或者類似內(nèi)容說明 Key、Base URL、Model ID 三件套配置正確。這一步能排除掉「401 鑒權(quán)失敗」「模型 ID 寫錯」「base_url 多了 /v1」這類問題。第三步跑完整串聯(lián)。執(zhí)行demo.py觀察輸出。正常情況下你會看到每個 user 的tag字段被填上了模型生成的內(nèi)容。如果tag還是空的說明模型調(diào)用返回了空字符串或者update_tag沒執(zhí)行。可以在generate_tag里加一行print(resp)看原始返回。這里給一個查詢回顯的檢查點跑完后單獨執(zhí)行一次query_users()把結(jié)果打印出來。如果tag字段有值說明整條鏈路通了。如果報錯看下面的排查章節(jié)。實測下來最容易出問題的地方是環(huán)境變量沒生效。比如你在.env里寫了 Key但 Python 沒加載.envos.environ[TAOTOKEN_API_KEY]就會拋KeyError。解決辦法是用python-dotenv加載或者直接在終端export。我試過在 PyCharm 里跑環(huán)境變量要在 Run Configuration 里單獨配這點容易踩坑。5. 本篇常見錯排查401、local proxy failed、reading choices、OAuth這一節(jié)對照真實報錯來。你在串聯(lián) sqlite3 和模型調(diào)用時大概率會遇到下面幾類錯誤。我按報錯原文和解決思路列出來。401 Unauthorized。這是最常見的鑒權(quán)錯誤。原因通常是 Key 沒填、Key 填錯、或者 Key 前后有空格。檢查os.environ[TAOTOKEN_API_KEY]的值打印出來看長度對不對。另外確認(rèn) Base URL 是https://taotoken.net/api不要寫成別的路徑。如果 Key 是從控制臺復(fù)制的注意不要帶上多余換行。local proxy failed / connection error。這類報錯通常是網(wǎng)絡(luò)層的問題。檢查你的網(wǎng)絡(luò)環(huán)境是否能正常訪問https://taotoken.net/api。可以用curl測一下curl -X POST https://taotoken.net/api/chat/completions \ -H Authorization: Bearer 你的Key \ -H Content-Type: application/json \ -d {model:你的模型ID,messages:[{role:user,content:hi}]}如果 curl 也失敗說明是網(wǎng)絡(luò)或地址問題如果 curl 成功但 Python 失敗說明是代碼里的 base_url 或 SDK 配置問題。reading choices 報錯 / choices 為空。這個報錯通常出現(xiàn)在resp.choices[0]這一行。原因是模型返回結(jié)構(gòu)里沒有choices或者choices是空列表。常見觸發(fā)場景模型 ID 寫錯服務(wù)返回了錯誤信息而不是正常補(bǔ)全或者請求被限流返回了錯誤對象。解決辦法是先打印resp原始內(nèi)容看返回結(jié)構(gòu)。如果是模型 ID 問題去模型對話頁面確認(rèn)正確的 ID。OAuth 相關(guān)報錯。如果你用的是 Claude Code 或者某些需要 OAuth 的工具可能會遇到 OAuth 流程失敗。這類工具通常需要你在配置里寫全 Base URL、Key、Model ID 三件套。以 Claude Code 為例配置里ANTHROPIC_BASE_URL填https://taotoken.net/apiANTHROPIC_API_KEY填你的 Key模型 ID 填你選的。三件套寫全OAuth 類報錯基本能消掉。如果還報錯檢查配置文件路徑是否正確比如~/.claude/settings.json或者項目級的settings.json。sqlite3.OperationalError: no such table。這是數(shù)據(jù)庫側(cè)的錯誤和模型調(diào)用無關(guān)。原因是建表語句沒執(zhí)行或者數(shù)據(jù)庫文件路徑不對。檢查init_db()是否在插入前調(diào)用檢查DB_PATH是否指向了正確的文件。如果你在多個目錄下跑腳本相對路徑test.db會在不同目錄生成不同文件建議用絕對路徑。sqlite3.ProgrammingError: Cannot operate on a closed database。這個錯誤說明你在conn.close()之后又用了cursor。檢查代碼順序確保commit()和close()在所有操作之后。排查思路總結(jié)成一句話先隔離再串聯(lián)。數(shù)據(jù)庫報錯就單獨跑數(shù)據(jù)庫模型報錯就單獨跑模型兩邊都通了再串起來。這樣定位問題最快。6. 語義一致 CTA把這條鏈路用到你的長期編碼場景到這里sqlite3 的基本操作和模型調(diào)用的串聯(lián)已經(jīng)跑通了。你手里有一份能直接跑的代碼建表、增刪改查、模型生成標(biāo)簽、回寫數(shù)據(jù)庫。Key 只在初始化時用一次endpoint 統(tǒng)一到https://taotoken.net/api模型 ID 從環(huán)境變量讀。如果你只是偶爾跑跑腳本這套配置夠用了。但如果你要長期做編碼、跑 Agent、或者把這條鏈路用到更多項目里建議看一下 Coding Plan地址是https://taotoken.net/coding-plan。它適合需要持續(xù)調(diào)用模型、管理多個項目的場景Key 和額度管理會更省心。另外兩個入口也放這里按需取用。需要驗證模型效果、快速試對話去模型對話頁面https://taotoken.net/model-chat。需要管理 Key、創(chuàng)建新 Key去控制臺https://taotoken.net/api-keys。接入細(xì)節(jié)和參數(shù)說明看文檔https://taotoken.net/doc。最后說一個實用技巧把generate_tag這類函數(shù)抽到一個單獨的ai_utils.py里數(shù)據(jù)庫操作抽到db_utils.py主腳本只負(fù)責(zé)編排。這樣下次換模型或者換數(shù)據(jù)庫只改一個文件。我試過在幾個小工具里這么拆維護(hù)成本低很多。代碼跑通只是開始結(jié)構(gòu)清晰才能長期用。