如何使用 skill-creator 把本地代理失败改到 TaoToken

1. skill-creator 跑测试时 local proxy failed 到底卡在哪skill-creator 是 Anthropic 官方推出的技能包开发工具用来创建、测试、评估和迭代 Claude 等 AI 代理的 Skills。它把技能开发从「一次性提示词」变成可量化、可迭代的工程流程写 SKILL.md、跑测试用例、自动评分、看基准报告、再迭代。适合谁适合已经在用 Claude Code 或类似子代理环境、想把重复工作沉淀成技能包的开发者。但很多人第一次跑npx skills add或者执行python -m scripts.run_loop时会撞上一个很典型的报错local proxy failed。表现是终端里子代理任务起不来或者 grader 脚本请求模型时直接超时日志里反复出现连接本地代理端口失败的字样。这个报错的本质不是 skill-creator 本身坏了而是它调用的模型请求链路指向了一个本地代理地址而这个地址在当前环境里不可达。skill-creator 的测试流程里子代理任务、grader 自动评分、描述优化循环这三处都会真实发起模型调用。只要其中任何一处的 endpoint 或鉴权配置还停留在旧的本地代理上整条链路就会断。所以排查思路不是去修代理而是把 endpoint 和鉴权统一改到一个稳定可达的 API 通道上。这篇就按这个思路把 skill-creator 的配置迁移到 TaoToken给出可复制的配置片段和逐步验证动作。先说清楚一个前提skill-creator 本身是技能开发工具它不负责提供模型通道。它只是「调用方」。你要做的是让它的调用方配置指向正确的 Base URL、Key 和 Model ID。这三件套配齐local proxy failed 基本就消失了。下面从环境准备开始一步步来。2. 把 skill-creator 的调用通道前置到 TaoToken在动手改配置之前先把 TaoToken 这边的准备工作做完。TaoToken 是一个统一的模型 API 通道官网在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。它的作用是让你用一个 Base URL 和一个 Key就能调用多个模型不用在每个工具里分别配不同的供应商地址。第一步是拿到 Key。进入控制台 https://taotoken.net/console 在 API Keys 页面创建一个新的 Key。创建时建议按用途命名比如skill-creator-test方便后面区分。Key 只在创建时完整显示一次复制后先存到安全的地方。如果你还没注册先在官网完成账号流程再回到控制台。第二步是确认你要用的 Model ID。skill-creator 的描述优化循环里有一个--model参数需要填当前会话模型 ID。这个 ID 要和你实际调用的模型一致。你可以在模型对话页面 https://taotoken.net/models 先试一下目标模型能不能正常返回确认可用后再写进配置。模型对话页面适合做单次验证确认通道通了再进到 skill-creator 的批量测试。第三步是理解 skill-creator 里哪些地方需要配。它主要有三处会发起模型调用子代理任务执行测试用例、grader 自动评分、run_loop描述优化。这三处底层都走同一套环境变量或配置文件。所以只要把统一的环境变量设好三处都会生效。常见的环境变量是ANTHROPIC_BASE_URL和ANTHROPIC_API_KEY有些环境还认ANTHROPIC_AUTH_TOKEN。具体认哪个取决于你用的客户端。这里要提醒一点不要把 TaoToken 理解成某种中转。它就是一个标准的 API 通道你按官方文档填 Base URL 和 Key 即可。接入文档在 https://taotoken.net/doc 里面有各客户端的配置示例。如果你用的是 Claude Code 这类工具文档里也有对应的设置方式。前置工作做完接下来就是真正改配置。3. 可复制的配置片段Base URL、Key、Model ID 三件套这一节是重点给出可以直接复制的配置片段。skill-creator 常见的运行环境有两类一类是 Claude Code 这类支持子代理的环境另一类是直接跑 Python 脚本的环境。两类都要配齐 Base URL、Key、Model ID。先看环境变量方式这是最通用的。在终端里执行export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_API_KEYsk-你的TaoToken密钥 export ANTHROPIC_MODEL你的Model ID如果你用的是 Claude Code它的配置文件通常在用户目录下的 settings 文件里。可以写成 JSON 片段{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的TaoToken密钥, ANTHROPIC_MODEL: 你的Model ID } }注意路径要和你本机实际使用的配置文件路径一致不要照抄一个不存在的路径。改完保存重启终端或重新加载配置。如果你用的是 Codex 这类工具它认的是auth.json。配置片段长这样{ base_url: https://taotoken.net/api, api_key: sk-你的TaoToken密钥, model: 你的Model ID }同样路径按你本机的实际位置来。Cline 或带 MCP 的环境通常在设置界面里填 Base URL、API Key、Model ID 三个字段填法一致。CC Switch 这类切换工具也是在这三个字段里填 TaoToken 的值。配好之后回到 skill-creator 的描述优化命令把--model参数填成同一个 Model IDpython -m scripts.run_loop \ --eval-set trigger-eval.json \ --skill-path path-to-skill \ --model 你的Model ID \ --max-iterations 5这里--model必须和环境变量里的 Model ID 一致否则可能出现「环境变量走 TaoToken、脚本参数走旧通道」的错配local proxy failed 又会冒出来。三件套对齐是这一步的核心。配完先别急着跑完整流程下一节先做单次验证。4. 验证请求从单次调用到 skill-creator 测试跑通配置改完不要直接上完整测试循环先用最小请求验证通道。最简单的方式是去模型对话页面 https://taotoken.net/models 发一条消息确认能正常返回。这一步能排除 Key 无效、Model ID 写错这类基础问题。通道确认后回到 skill-creator 做单次子代理任务验证。先跑一个测试用例不要并行# 带技能运行单个测试用例 子代理任务使用技能路径 path 执行 测试提示如果这一步能正常返回输出说明子代理任务的模型调用已经走通了。接着验证 grader 自动评分python -m scripts.aggregate_benchmark workspace/iteration-1 --skill-name name这个命令会读取测试结果并生成基准报告。如果之前是 local proxy failed这一步通常会直接报连接错误现在应该能正常输出通过率、耗时、Token 用量等指标。看到报告生成说明评分链路的模型调用也通了。最后验证描述优化循环。先准备一个小的trigger-eval.json里面放几条真实触发查询然后跑python -m scripts.run_loop \ --eval-set trigger-eval.json \ --skill-path path-to-skill \ --model 你的Model ID \ --max-iterations 5跑起来后观察终端输出应该能看到每一轮的触发准确率变化。如果五轮都能正常跑完并输出优化结果说明 skill-creator 的三处模型调用全部迁移成功。这时候再启动交互式评审器nohup python eval-viewer/generate_review.py workspace/iteration-1 --skill-name my-skill /dev/null 21 评审器的 Outputs 标签页能逐条看测试输出Benchmark 标签页能看量化指标。到这里整条链路就恢复了。整个过程的关键就是先用单次请求确认通道再逐段验证子代理、grader、run_loop不要一上来就跑全量。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth迁移过程中最容易撞的几个报错这里逐个对照。local proxy failed是最常见的。它说明请求还在往本地代理地址发。排查顺序先看环境变量ANTHROPIC_BASE_URL是不是还指向127.0.0.1或某个本地端口再看 Claude Code 的 settings 文件里有没有残留旧地址最后看run_loop的--model参数有没有和当前通道错配。三处都改成 TaoToken 的 Base URL 后这个报错会消失。401 Unauthorized通常是 Key 的问题。可能是 Key 复制时带了空格或者用了已删除的 Key或者环境变量名写错比如把ANTHROPIC_API_KEY写成了别的。去控制台 https://taotoken.net/api-keys 重新确认 Key 状态重新复制一次。注意 Key 只在创建时完整显示如果丢了就重新建一个。reading choices这类报错一般出现在解析响应结构时。它往往意味着返回的不是预期的模型响应格式可能是 Base URL 路径不对。TaoToken 的 API 入口是 https://taotoken.net/api 确认你填的 Base URL 没有多加或少加路径段。接入文档 https://taotoken.net/doc 里有标准写法对照一下。OAuth相关报错多出现在用 OAuth 方式登录的客户端里。如果你之前用 OAuth 登录现在要改成 Key 方式需要在客户端里切换鉴权模式把 OAuth 关掉改用 API Key。有些客户端会缓存旧的鉴权信息改完配置后要清一下缓存或重新登录。还有一个隐蔽的坑多个工具同时读同一份配置但各自认的环境变量名不同。比如 Claude Code 认ANTHROPIC_API_KEY而某个脚本认ANTHROPIC_AUTH_TOKEN。这种情况下两个都设上或者统一到文档里推荐的那个。排查时可以用env | grep ANTHROPIC看一下当前终端里到底有哪些变量、值是什么。6. 长期跑 skill-creator 的通道选择与接入入口如果你只是偶尔跑一次 skill-creator 做技能验证按上面的配置改完就够了。但如果你要长期做技能开发反复跑测试循环、描述优化、基准对比那通道的稳定性和额度管理就变得重要。这时候可以考虑 Coding Plan它更适合长期编码和 Agent 类的高频调用场景入口在 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。接入相关的文档和 Key 管理分别在这两个入口接入文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API Keys https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。建议把 Key 按用途分开建比如测试用一个、长期跑用一个方便排查和额度控制。最后说一个实操经验skill-creator 的测试集不要一上来就铺很大。先从 2 到 3 个高频场景的用例开始确认通道稳定、评分正常再逐步加到 10 个以上。每次改完配置先跑单次请求验证再跑完整循环。这样即使通道出问题也能快速定位是哪一段断的而不是在一堆报错里猜。