1. 从过期 CLAUDE.md 说起TaoToken 把写入和校验拆成两条链路Claude Code 里最常见的坑是CLAUDE.md、memory.jsonl被直接追加过期结论下一次会话继续生效。TaoToken 在这里不是让模型“更聪明”而是把写入与校验拆成两条可计费链路去 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentmemory_probe_intro 获取 KeyBase URL 用 https://taotoken.net/api 。Microsoft 的 environment-probing curation 正是这个思路长期运行智能体写持久记忆前由一个只读访问环境的独立记忆智能体做正确性、可复用性校验论文给出的 CLBench 对照是 39% 到 73%。下面从可复制配置开始。很多人做长期记忆时会踩同一个循环让主智能体总结刚做完的事把总结写进memory.jsonl下一次会话再读回来。这个流程看起来省钱实际很贵。一旦写进去的是“临时结论”“过期接口”“局部环境才成立的路径”后面每次推理都会带着错误前提继续跑重试、修错、再总结Token 消耗反而更高。更麻烦的是这类错误很难定位因为它不在当前 prompt 里而在几天前写下的记忆里。environment-probing curation 的关键不是“再问模型一遍”而是把校验动作独立出来。写入智能体可以继续负责探索、执行、总结校验智能体只读访问环境检查候选记忆能不能被当前项目、当前依赖、当前文件状态证明。证明不了就拒绝写入证据不足就要求补充能证明才进入持久记忆。TaoToken 给 Key、统一 Base URL 之后你可以让主智能体和校验智能体走不同的模型、不同的预算、不同的日志把“记忆质量”变成可观测指标。这篇内容给出一条能落地的路径先拿 TaoToken Key再配 Claude Code 的settings.json和ANTHROPIC_*然后配 Codex 的config.toml接着用 CC Switch 三件套管理供应商切换最后给出一个本地可执行的只读环境探测脚本以及 CLBench 风格的本地对照记录方法。所有 SQL、命令、测试都由你在本地执行校验智能体不直连生产库也不允许写环境。2. 先在 TaoToken 拿 KeyBase URL、Key 占位符与预算隔离不管用 Claude Code、Codex还是自己写校验脚本第一步都是拿一个可用的 Key。打开 TaoToken 官网https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentmemory_probe_key 按控制台提示创建 API Key。本文里所有 Key 都写成占位符YOUR_API_KEY不要把它提交到 Git也不要写进项目级settings.json后直接推仓库。统一记住两个值Base URL: https://taotoken.net/api API Key : YOUR_API_KEYBase URL 在工具配置里不加 UTM 参数保持干净。官网、控制台、模型列表、文档入口才带 UTM方便区分来源。Claude Code 使用ANTHROPIC_*环境变量Codex 的config.toml使用独立的环境变量名例如TAOTOKEN_API_KEY。不要把ANTHROPIC_*套到 Codex 配置里否则你会看到模型供应商不匹配、鉴权失败或请求路径错误。建议至少准备两类 Key 或两类预算视图写入智能体用的 Key负责探索、执行、生成候选记忆。校验智能体用的 Key只读环境、判定候选记忆、输出结构化裁决。如果团队规模小也可以共用一个 Key但在日志和脚本里按agent_rolewriter、agent_roleprober分开打标签。这样当 CLBench 通过率变化时你能知道是写入侧变差还是校验侧太松。校验智能体本身会消耗 Token但它消耗的是“小提示词 局部证据”换来的是持久记忆里少一条错误事实。长期看这比让主智能体带着错误记忆反复试错便宜。如果你是第一次接入可以先在模型对话页确认当前可用的模型 IDhttps://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmemory_probe_chat 。模型 ID 在不同时间的可用列表可能不同配置里不要硬编码一个已经下线的名字。本文示例使用claude-sonnet-4-5、gpt-5-codex这类占位模型名实际以你控制台和模型页展示为准。3. environment-probing curation 的最小闭环候选记忆、只读探针、裁决、提交把论文里的流程翻译成工程语言可以拆成四步。第一步写入智能体产生候选记忆。它不是直接写memory.jsonl而是写memory/candidates/*.json。候选记忆至少包含{ id: cand_20260101_001, source_agent: writer, created_at: 2026-01-01T10:00:00Z, claim: 本项目所有外部 API 调用必须走 https://taotoken.net/api 作为 Base URL。, scope: project, evidence_hint: [README.md, src/config.ts, .env.example], tags: [api, base-url, taotoken] }第二步独立记忆校验智能体只读访问环境。它可以读文件、看目录、查 Git 状态、运行限定在只读范围内的命令。它不能写文件、不能改配置、不能执行迁移、不能连生产库。对于数据库相关记忆只允许读者在本地只读副本上执行 SQL或者读取已经导出的 schema 文件校验智能体本身不直连 Oracle、MySQL、PostgreSQL 等生产库。第三步校验智能体输出结构化裁决而不是自然语言“看起来可以”。一个可用的裁决 schema 如下{ verdict: accept, confidence: 0.86, canonical_claim: 项目级 Base URL 统一为 https://taotoken.net/api, evidence: [ README.md:12, .env.example:3, src/config.ts:8 ], reuse_scope: project, expires_at: null, reject_reason: null, dedupe_key: project:api:base_url }verdict只允许三类accept、reject、needs_more_evidence。accept才进入持久记忆reject进入拒绝日志供人工抽查needs_more_evidence不写入返回给写入智能体补充证据。第四步提交器只做机械动作读取accept裁决按dedupe_key去重然后追加到memory/verified.jsonl。提交器不调用模型避免“最后一步又被模型改口”。这个闭环的价值在于模型负责判断脚本负责执行权限边界清楚。在 Claude Code 里你可以把校验智能体定义成只读子智能体。在 Codex 里可以用config.toml切供应商再用外部脚本承担只读探测。无论哪种方式核心都是同一个写入前校验校验者独立环境访问只读裁决结构化。4. Claude Code 配置settings.json 与 memory-prober 子智能体Claude Code 推荐用settings.json管理ANTHROPIC_*。项目级可以放在.claude/settings.json用户级可以放在~/.claude/settings.json。下面示例把 Base URL 指向 TaoTokenKey 用占位符{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: claude-sonnet-4-5, ANTHROPIC_SMALL_FAST_MODEL: claude-3-5-haiku-latest }, permissions: { allow: [ Read, Grep, Glob, Bash(pwd), Bash(ls:*), Bash(git status:*), Bash(git log:*), Bash(cat:*), Bash(rg:*) ], deny: [ Write, Edit, Bash(rm:*), Bash(mv:*), Bash(git push:*), Bash(npm install:*), Bash(pnpm install:*), Bash(docker:*), Bash(kubectl:*), Bash(psql:*), Bash(mysql:*), Bash(mongo:*) ] } }这里的权限列表是示例不是绝对安全策略。关键点是校验智能体不应拥有Write、Edit也不应拥有会修改环境、部署、迁移数据库的 Bash 权限。如果你的 Claude Code 版本使用不同的权限字段按官方文档调整但保持“只读探针”原则。接着定义memory-prober子智能体。可以放在.claude/agents/memory-prober.md内容类似--- name: memory-prober description: 只读环境探测在写入持久记忆前验证候选记忆 tools: Read, Grep, Glob, Bash --- 你是独立记忆校验智能体。你的任务不是继续探索项目而是验证候选记忆是否被当前环境证据支持。 规则 1. 只能读取文件、目录、Git 状态和日志片段。 2. 不得写入、编辑、删除、移动任何文件。 3. 不得执行安装、部署、迁移、数据库写入。 4. 不得连接生产数据库数据库 schema 只能读取本地导出文件。 5. 必须输出 JSON字段包括 verdict、confidence、canonical_claim、evidence、reuse_scope、expires_at、reject_reason、dedupe_key。 6. 证据不足时输出 needs_more_evidence不要猜测。 7. 如果候选记忆是临时状态、个人偏好、一次性调试结论倾向 reject 或缩小 reuse_scope。然后让写入智能体只生成候选记忆不直接写verified.jsonl。你可以在主提示词里加一条完成探索后把可复用经验写入 memory/candidates/不要直接追加 memory/verified.jsonl。等待 memory-prober 校验通过后再由提交脚本写入。Claude Code 的ANTHROPIC_AUTH_TOKEN用YOUR_API_KEYBase URL 统一为https://taotoken.net/api。如果遇到 401先检查 Key 是否复制完整如果遇到 404先检查 Base URL 是否被误写成带/v1或带 UTM 的地址。工具配置不需要 UTM保持https://taotoken.net/api。5. Codex 配置config.toml 不要混用 ANTHROPIC_*Codex 的配置入口是~/.codex/config.toml和 Claude Code 的settings.json不是一套。不要把ANTHROPIC_BASE_URL、ANTHROPIC_AUTH_TOKEN写进 Codex 的 provider 字段。Codex 侧使用独立的环境变量例如TAOTOKEN_API_KEY。一个示例配置如下model gpt-5-codex model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat终端里设置 Keyexport TAOTOKEN_API_KEYYOUR_API_KEY然后启动 Codexcodex --config ~/.codex/config.toml如果你的 Codex 版本要求wire_api responses或不同的 provider 字段以本地版本和 TaoToken 文档为准。原则是Base URL 用https://taotoken.net/apiKey 用独立变量不要把 Claude Code 的ANTHROPIC_*直接搬过来。很多“模型不可用”的报错不是 Key 错而是供应商协议字段混用。在长期记忆场景里Codex 可以负责执行和修改代码但记忆校验最好由外部脚本调用独立模型完成。你可以让 Codex 生成memory/candidates/*.json然后运行第 7 节的memory_probe_gate.py。校验通过后memory/verified.jsonl才更新。这样 Codex 本身不需要获得写记忆文件的最终权限减少误写。如果你同时使用 Claude Code 和 Codex可以准备两个终端 profile一个加载ANTHROPIC_*一个加载TAOTOKEN_API_KEY。不要在同一套 Codex provider 里读取ANTHROPIC_AUTH_TOKEN。配置越清楚后面排查越省时间。6. CC Switch 三件套Claude Code、Codex、终端环境变量如果你用 CC Switch 管理多个供应商可以把“三件套”理解成三份配置源Claude Code 配置~/.claude/settings.json或项目.claude/settings.json使用ANTHROPIC_*。Codex 配置~/.codex/config.toml使用TAOTOKEN_API_KEY和独立 provider。终端环境变量~/.zshrc、~/.bashrc或项目.env用于脚本、CI、临时命令。CC Switch 只负责切换当前生效的配置不改变 TaoToken 的 Base URL。无论切到哪个 profileBase URL 都是https://taotoken.net/apiClaude Code 的 CC Switch profile 可以写成{ name: TaoToken-ClaudeCode, target: claude-code, settings: { env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: claude-sonnet-4-5, ANTHROPIC_SMALL_FAST_MODEL: claude-3-5-haiku-latest } } }Codex 的 CC Switch profile 可以写成{ name: TaoToken-Codex, target: codex, env: { TAOTOKEN_API_KEY: YOUR_API_KEY }, config: { model: gpt-5-codex, model_provider: taotoken, model_providers: { taotoken: { name: TaoToken, base_url: https://taotoken.net/api, env_key: TAOTOKEN_API_KEY, wire_api: chat } } } }终端环境变量可以单独维护一个片段# ~/.zshrc 或项目 .env export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_AUTH_TOKENYOUR_API_KEY export TAOTOKEN_API_KEYYOUR_API_KEY注意终端里同时存在ANTHROPIC_*和TAOTOKEN_API_KEY没问题只要 Codex 的config.toml明确读取TAOTOKEN_API_KEY。真正危险的是把两套协议变量混在同一个工具里。CC Switch 三件套分开维护后你可以快速在 Claude Code、Codex、脚本之间切换同时保留同一套记忆校验流程。7. 可运行脚本用 TaoToken 做只读环境探测与记忆闸门下面给一个最小可运行脚本memory_probe_gate.py。它做四件事读取候选记忆执行白名单只读命令收集证据调用 TaoToken 上的校验模型输出 JSON 裁决按裁决结果写入或拒绝。所有命令都在本地执行不连接生产库。先安装依赖python -m venv .venv source .venv/bin/activate pip install anthropic脚本示例# memory_probe_gate.py import json import os import subprocess import sys from datetime import datetime, timezone from pathlib import Path from anthropic import Anthropic BASE_URL os.getenv(ANTHROPIC_BASE_URL, https://taotoken.net/api) API_KEY os.getenv(ANTHROPIC_AUTH_TOKEN, YOUR_API_KEY) MODEL os.getenv(MEMORY_PROBER_MODEL, claude-sonnet-4-5) CANDIDATE_DIR Path(memory/candidates) VERIFIED_FILE Path(memory/verified.jsonl) REJECTED_FILE Path(memory/rejected.jsonl) ALLOWED_COMMANDS [ [pwd], [ls, -la], [git, status, --short], [git, log, -1, --oneline], [git, diff, --stat], [cat, README.md], [cat, .env.example], [cat, package.json], [rg, -n, taotoken|base_url|BASE_URL, .], ] client Anthropic(api_keyAPI_KEY, base_urlBASE_URL) def run_readonly(cmd: list[str]) - str: try: completed subprocess.run( cmd, capture_outputTrue, textTrue, timeout15, checkFalse, ) output (completed.stdout or ) (completed.stderr or ) return output[:4000] except Exception as exc: return f[command-error] { .join(cmd)}: {exc} def collect_evidence() - list[dict]: evidence [] for cmd in ALLOWED_COMMANDS: output run_readonly(cmd) evidence.append({ command: .join(cmd), output: output, }) return evidence def load_candidates() - list[dict]: if not CANDIDATE_DIR.exists(): return [] candidates [] for path in sorted(CANDIDATE_DIR.glob(*.json)): try: candidates.append(json.loads(path.read_text(encodingutf-8))) except Exception as exc: print(fskip {path}: {exc}, filesys.stderr) return candidates def probe(candidate: dict, evidence: list[dict]) - dict: prompt f 你是独立记忆校验智能体。请只读判断下面候选记忆是否被当前本地环境证据支持。 候选记忆 {json.dumps(candidate, ensure_asciiFalse, indent2)} 环境证据 {json.dumps(evidence, ensure_asciiFalse, indent2)[:12000]} 要求 1. 只能依据证据判断不得猜测。 2. 输出严格 JSON不要 Markdown。 3. verdict 只能是 accept、reject、needs_more_evidence。 4. 字段必须包含 verdict、confidence、canonical_claim、evidence、reuse_scope、expires_at、reject_reason、dedupe_key。 5. 如果记忆是临时状态、一次性调试结论、个人偏好倾向 reject 或缩小 reuse_scope。 6. 不要建议连接生产数据库数据库 schema 只能依赖本地导出文件。 message client.messages.create( modelMODEL, max_tokens1200, temperature0, messages[{role: user, content: prompt}], ) text .join( block.text for block in message.content if getattr(block, type, ) text ) return json.loads(text) def append_jsonl(path: Path, record: dict) - None: path.parent.mkdir(parentsTrue, exist_okTrue) with path.open(a, encodingutf-8) as f: f.write(json.dumps(record, ensure_asciiFalse) \n) def main() - int: evidence collect_evidence() candidates load_candidates() if not candidates: print(no candidates found in memory/candidates) return 0 accepted 0 rejected 0 for candidate in candidates: result probe(candidate, evidence) record { candidate: candidate, verdict: result, probed_at: datetime.now(timezone.utc).isoformat(), } if result.get(verdict) accept: append_jsonl(VERIFIED_FILE, record) accepted 1 else: append_jsonl(REJECTED_FILE, record) rejected 1 print(f{candidate.get(id)} - {result.get(verdict)}) print(faccepted{accepted}, rejected_or_pending{rejected}) return 0 if __name__ __main__: raise SystemExit(main())运行export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_AUTH_TOKENYOUR_API_KEY export MEMORY_PROBER_MODELclaude-sonnet-4-5 python memory_probe_gate.py这个脚本不是完整生产系统但它体现了核心边界只读命令白名单、结构化裁决、接受后才写verified.jsonl、拒绝也留痕。你可以把ALLOWED_COMMANDS按项目替换成更精确的命令例如只允许读取pyproject.toml、go.mod、Cargo.toml、docker-compose.yml的片段。任何数据库查询都应该由你在本地只读副本执行再把结果作为证据文件传入而不是让校验智能体直连生产库。8. CLBench 对照与本地复刻39%→73% 不是玄学是流程差异论文给出的数字是 CLBench 通过率从 39% 升到 73%。这个数字不应该被理解成“换个 Key 就提升”而是“在写入持久记忆前增加独立只读校验减少错误记忆注入”。本地复刻时不要只记录最终通过率还要记录记忆接受率、拒绝率、需要补充证据比例、平均校验 Token、后续任务重试次数。可以用一个 CLBench 风格的本地评估表组别写入策略记忆来源校验方式任务通过率错误记忆命中基线组直接追加主智能体总结无记录本地结果记录本地结果探针组候选后校验主智能体总结只读环境探测记录本地结果记录本地结果论文对照环境探测式策展长期运行智能体独立只读记忆智能体39% 到 73%论文口径本地复刻步骤可以这样设计准备一组长期任务例如“修复接口版本漂移”“补齐配置文档”“迁移旧环境变量”。每个任务都要求智能体写一条可复用记忆。基线组让主智能体直接写memory/verified.jsonl。探针组只让主智能体写memory/candidates/由memory_probe_gate.py调用 TaoToken 校验后再写memory/verified.jsonl。在后续会话中读取verified.jsonl运行同一套任务检查。通过率、重试次数、人工修正次数都记录到 CSV。每周抽查memory/rejected.jsonl看拒绝理由是否合理。如果拒绝太多说明候选记忆质量差如果接受太多说明校验太松。评估命令可以写成python clbench_like_eval.py \ --memory memory/verified.jsonl \ --tasks tasks/clbench_mini.jsonl \ --out runs/probe_$(date %s).csvCSV 字段建议task_id,baseline_pass,probe_pass,accepted_count,rejected_count,token_in,token_out,retry_count,human_fix如果你要把 TaoToken 的用量拆开可以在脚本里分别记录写入调用和校验调用的model、input_tokens、output_tokens。TaoToken 官网控制台入口在这里https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentmemory_probe_clbench 。建议把校验模型固定为便宜、稳定、温度 0 的模型把写入模型留给主力模型。校验模型不需要创造力它需要的是严格按证据输出 JSON。不要期望一次就复刻出 39% 到 73% 的绝对数字。你的任务集、项目状态、模型版本都不同。真正可复刻的是流程差异直接写入 vs 写入前独立只读校验。只要你能记录“错误记忆进入持久层”的次数就能看到差异。9. 常见排障403、404、模型名不对、记忆重复第一类问题401 或 403。通常是 Key 复制不完整、Key 被禁用、或者把 Key 写进了错误的环境变量。Claude Code 检查ANTHROPIC_AUTH_TOKENCodex 检查TAOTOKEN_API_KEYPython 脚本检查ANTHROPIC_AUTH_TOKEN。不要把 Codex 的 Key 环境变量写成ANTHROPIC_AUTH_TOKEN也不要把 Claude Code 的ANTHROPIC_*塞进 Codex 的model_providers。第二类问题404 或路径错误。工具配置的 Base URL 统一用https://taotoken.net/api不要带 UTM不要额外拼/v1除非你使用的 SDK 或工具文档明确要求。Claude Code、Codex、Python SDK 对路径的处理不同先把 Base URL 保持干净再按工具文档调整。第三类问题模型名不对。模型列表会变化配置里写死的模型 ID 可能已经不可用。去模型对话页确认当前模型 IDhttps://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmemory_probe_chat 。校验脚本里用MEMORY_PROBER_MODEL环境变量覆盖不要在代码里四处硬编码。第四类问题记忆重复。两条候选记忆语义相同但表述不同校验智能体可能都接受。解决方法是让裁决输出dedupe_key提交器在写入前检查verified.jsonl中是否已有相同 key。如果有只更新证据和更新时间不追加新行。第五类问题校验消耗 Token 太多。常见原因是把完整日志、完整仓库都塞进 prompt。正确做法是只传候选记忆、少量文件片段、最近一次 Git 状态和精确搜索结果。校验智能体只读不代表它要读全量。你可以把证据收集拆成两步先用规则脚本抽取相关文件片段再交给模型裁决。第六类问题只读环境被破坏。检查权限配置确保校验智能体没有Write、EditBash 白名单里没有rm、mv、sed -i、npm install、docker、kubectl、数据库客户端写入命令。数据库相关证据必须由读者在本地只读副本执行 SQL 后导出校验智能体只读该导出文件。10. 文末 CTA模型对话、Coding Plan、创建 Key、Claude Code 文档如果你准备把这套“写入前独立校验”的流程跑起来按下面顺序操作最省时间。先到模型对话页确认可用模型和请求格式https://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentmemory_probe_chat需要长期高频调用时查看 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentmemory_probe_plan创建或管理 API Key把YOUR_API_KEY替换成真实值https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentmemory_probe_keysClaude Code 的 Anthropic 兼容配置以这份文档为准https://taotoken.net/doc/ClaudeCodeAnthropic?utm_sourcetaotoken_aicg_blog_endutm_contentmemory_probe_doc最后再强调一次配置边界Claude Code 用settings.json和ANTHROPIC_*Codex 用config.toml和独立环境变量CC Switch 三件套分开维护Base URL 统一为https://taotoken.net/apiKey 占位符统一为YOUR_API_KEY。把写入智能体和校验智能体拆开把只读环境探测放在持久记忆提交之前再用本地 CLBench 风格记录表观察通过率变化。这样你不仅是在用 TaoToken 给 Key更是在给长期记忆加一道可审计的闸门。
