1. 从一行 401 报错开始去 AI 味 Skill 的请求出口才是故障点你按 README 把那个 42.2K Star 的开源去 AI 味 Skill 装进 Claude Code挑了一段 800 字的英译中译文喂进去回车之后终端只回你一行API Error: 401 authentication_error很多人第一反应是去翻 SKILL.md是不是 frontmatter 写错了是不是 description 不够具体是不是规则清单漏了「禁用『值得注意的是』」。但真正的断点往往在更外层——Skill 只是把指令拼进上下文真正把这段上下文送出去的是 Claude Code 的请求出口。出口没配对规则写得再漂亮也跑不起来。把 Base URL 换成 TaoToken 之后入口在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contenttrans_skill_intro 同一份 SKILL.md、同一段译文、同一套审校口令可以一次跑完不需要动 Skill 里的任何一个字。这篇不是「又一个去 AI 味工具推荐」。它记录的是一条翻译审校流水线英译中初稿出来之后怎么用开源去 AI 味 Skill 做后编辑怎么把请求从原来的出口切到 TaoToken怎么在两个工具Claude Code 和 Codex之间保持同一套 Base URL以及怎么留下可复核的替换记录和前后译文对照。术语表不动、事实不动、数字不动只动风格层。下面所有步骤都是本地可执行的配置没有一步需要你把生产库或者内部系统直接暴露给模型。2. 去 AI 味 Skill 在翻译审校里到底改什么、不改什么先把边界划清楚否则后面配置跑通了你也不知道该拿它干什么。翻译稿的「AI 味」和「翻译腔」是两种病经常同时发作但成因不同。翻译腔来自源语句法结构的残留长定语不拆、被动语态照搬、代词密度过高、「的」字连用、名词化优先。AI 味则来自生成侧的统计偏好连接词通货膨胀然而、此外、值得注意的是、总的来说、每段三句的均匀节奏、三元排比、破折号与冒号滥用、以及「不仅……而且……」这类模板化递进。开源去 AI 味 Skill 的价值是把这些现象变成一份可复用的规则清单和改写流程先扫一遍标记词再做句长打散再做名词化还原最后做一次术语一致性回查。它的输出是一份改写后的文本不是一份质检报告所以它必须跑在一个能稳定调用大模型的客户端里——Claude Code、Codex、或者任何支持自定义 Base URL 的 CLI。它的边界同样明确不碰事实层。译文中的人名、机构名、数字、法规条款、产品型号、术语表映射Skill 一律做冻结处理只允许在风格层做等价替换。如果有人拿它去改技术文档里的参数那不是 Skill 的问题是用错了工具。审校视角下它更像一个「后编辑助手」你出初稿或者机器初稿它做风格清洗你最后做事实与术语的终审。所以真正需要配置的只有两件事Skill 文件本身和请求出口。前者是一次性投入后者是你每天都要用到的开关。3. 到 TaoToken 拿 Key、抄 Base URL翻译流水线的第一颗螺丝配置任何客户端之前先把两个值拿到手一个 API Key一个 Base URL。这一步在 TaoToken 官网完成不需要装额外工具。第一步打开 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contenttrans_skill_getkey 进入控制台。如果你还没确认自己要用哪个模型先去「模型对话」页面随便跑一句把「英译中 去 AI 味」这个组合试一遍看输出风格是不是你要的再回来建 Key。试跑用的是网页端不消耗你本地任何配置。第二步创建 API Key。Key 只显示一次复制下来之后先丢进本地环境变量不要直接硬编码到 git 仓库里的配置文件。本文所有示例统一用占位符YOUR_API_KEY你替换成自己的即可。第三步记住 Base URLhttps://taotoken.net/api这个地址后面会出现在settings.json和config.toml里两处写法不同但值完全一样。注意它不带任何查询参数不要把你从浏览器复制的带 UTM 的完整地址粘进配置文件那会导致路径拼接错误。用一个环境变量把它固化下来后续切换工具时只改这一处export TAOTOKEN_BASE_URLhttps://taotoken.net/api export TAOTOKEN_API_KEYYOUR_API_KEYWindows PowerShell 用户写成$env:TAOTOKEN_API_KEYYOUR_API_KEY或者在系统环境变量面板里新建同名变量。做完之后关掉终端重开一次避免旧会话读不到。4. Claude Code 接入settings.json 里只动 ANTHROPIC_ 三个字段Claude Code 读取配置的优先级是命令行参数 项目级.claude/settings.json 用户级~/.claude/settings.json。做翻译审校项目建议把供应商配置写在用户级把 Skill 和术语表写在项目级这样切换项目时不用重复改 Key。用户级配置文件路径macOS / Linux~/.claude/settings.jsonWindowsC:\Users\你的用户名\.claude\settings.json内容如下{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: YOUR_MODEL_ID } }三个字段的含义ANTHROPIC_BASE_URL请求出口填 TaoToken 的https://taotoken.net/api末尾不要加/v1客户端会自己补路径。ANTHROPIC_AUTH_TOKEN放你的 Key。如果你的客户端版本读的是ANTHROPIC_API_KEY两个都写上也行但不要只写一个然后怀疑 Key 失效。ANTHROPIC_MODEL填你在模型对话页确认过的模型 ID。不确定就先删掉这一行启动后用/model交互选择选完再回填。如果settings.json里已经有别的配置不要整份覆盖只往env对象里加这三个键。JSON 不允许尾随逗号改完用python -m json.tool ~/.claude/settings.json验一遍语法比在终端里对着 401 猜半天快得多。改完配置后做一次连通性验证不要在 Skill 里试错claude -p 只回复 ok不要解释返回ok说明出口通了。如果仍然报 401先执行claude config list看当前生效的配置来源多半是项目级settings.json覆盖了用户级把两处 Key 对齐即可。5. Codex 接入config.toml 用 provider 段落别把 ANTHROPIC_ 搬过来这是最容易踩的坑Claude Code 和 Codex 的配置模型完全不同。Claude Code 走env里的ANTHROPIC_*系列变量Codex 走config.toml里的model_providers段落。把ANTHROPIC_BASE_URL写进config.toml不会报错但也不会生效你只会看到一个莫名其妙的模型找不到。Codex 配置文件路径macOS / Linux~/.codex/config.tomlWindowsC:\Users\你的用户名\.codex\config.toml配置内容model YOUR_MODEL_ID model_provider taotoken model_reasoning_effort medium [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat要点逐条说明model_provider的值必须和下面[model_providers.名字]的段落名一致这里都叫taotoken。base_url同样是不带/v1的主地址。env_key写的是环境变量的名字不是 Key 本身。Codex 会去读这个变量。wire_api填chat走 Chat Completions 风格如果你的模型在控制台标注走 Responses 接口改成responses。不确定就先按chat跑报 404 再换。导出环境变量后启动export TAOTOKEN_API_KEYYOUR_API_KEY codex进交互界面先用一句短指令验证例如让它把一句英文译成中文并保持术语。返回正常再去挂你的去 AI 味 Skill。两个工具共用同一个TAOTOKEN_BASE_URL值这一点很重要只要出口一致你在 Claude Code 里调好的审校口令迁到 Codex 时风格表现不会漂移太大。6. CC Switch 三件套让 Claude Code 和 Codex 共用一套出口如果你同时在用 Claude Code、Codex可能还有第三个 CLI 工具最省事的做法不是手改三份配置文件而是用 CC Switch 这类配置切换工具统一管理。它需要你填的核心就是三件套项填什么备注Base URL / 供应商地址https://taotoken.net/api三个工具填同一个值API KeyYOUR_API_KEY从控制台创建只显示一次模型名控制台里确认的模型 ID不同工具可各选各的但建议统一三件套填完之后切换工具就是点一下的事不需要再进settings.json或者config.toml手动改。这里有个细节值得强调CC Switch 里填的是「供应商地址」很多工具的 UI 会把这个字段叫成Base URL、API Base、Endpoint三种名字含义一样都填到/api这一层就停住别自己往后加路径。如果 CC Switch 版本较老不识别 Codex 的model_providers写法那就退回到手动模式CC Switch 只管 Claude CodeCodex 单独维护config.toml。两边的 Key 引用同一个环境变量改名的时候一处生效两处不打架。7. 把去 AI 味 Skill 落到目录里SKILL.md 的最小结构Skill 不是插件不需要编译它就是一个带 frontmatter 的 Markdown 文件。Claude Code 读取的目录是~/.claude/skills/skill-name/SKILL.md。目录结构~/.claude/skills/deai-translation/ ├── SKILL.md └── glossary.tsvSKILL.md的最小内容--- name: deai-translation description: 清洗英译中译文的 AI 味与翻译腔保留术语、数字与事实不变。当用户提供译文并要求去 AI 味、去翻译腔、口语化、精简连接词时使用。 --- # 译文去 AI 味规则 ## 必须保留 - 人名、机构名、产品名、版本号、数字、单位 - glossary.tsv 中定义的术语映射一律按表替换 ## 需要清理 - 连接词堆叠然而、此外、值得注意的是、总的来说、综上所述 - 名词化结构对……进行优化 → 优化…… - 三元排比与对仗过工整的短句 - 被动语态的无意义堆叠 - 每段句数过于均匀需要打散句长 ## 输出格式 1. 直接给改写后的译文不解释 2. 若某处无法在不改事实的前提下改写保留原文并标注 [保留]description这一行决定 Skill 什么时候被自动触发所以要写清楚「触发场景」和「输入类型」。翻译审校场景里建议把「去翻译腔」也写进去否则模型可能只认「去 AI 味」这个词。术语表用 TSV方便 diffsource target note latency 时延 不要译成延迟 throughput 吞吐量 单位统一 deployment 部署 不要译成上线Skill 挂好之后用一条命令跑通端到端claude -p 用 deai-translation 处理 input.txt结果写入 output.txt术语以 glossary.tsv 为准第一次跑建议把max_tokens设宽松一点译文被截断在句子中间多半是输出长度不够不是 Skill 出错。8. 译文去 AI 味前后对照三组真实改写下面三组对照源句是英文原文初稿是机器翻译直出典型 AI 味终稿是去 AI 味 Skill 处理后再做人工终审的结果。规则清单就是上面那一份。第一组连接词与自我评价堆叠。源句It is worth noting that the model may occasionally produce inconsistent terminology.初稿值得注意的是该模型有时可能会产生不一致的术语这一点值得关注。终稿模型偶尔会前后术语不一致。改动点删掉「值得注意的是」和「这一点值得关注」两处评价性插入把「产生不一致的术语」还原成动词结构「术语不一致」。第二组名词化与被动语态。源句The platform streamlines the review workflow, enabling teams to ship localized content faster.初稿该平台简化了审校工作流程使团队能够更快地交付本地化内容从而显著提升整体效率。终稿平台缩短了审校流程本地化内容能更快上线。改动点删掉「从而显著提升整体效率」这句无信息量的收尾把「交付本地化内容」换成更符合中文技术语境的说法同时把句子长度压下来。第三组排比与均匀节奏。源句Caching reduces latency, lowers cost, and improves stability.初稿缓存能够降低延迟降低成本并提升稳定性。终稿缓存降延迟、省成本稳定性也跟着变好。改动点三元排比结构打散把第三个并列项改成补充说明避免三段等长的机械节奏。这三组对照可以直接作为你团队的审校基准。真正在项目里跑的时候建议每次把「初稿 / 终稿 / 改动类型」记成一行攒够五十行你就能看出自己团队的译文最容易犯哪几类 AI 味反过来收敛 Skill 的规则清单。9. Base URL 替换记录一份可复核的变更台账审校项目里配置变更和译文变更一样需要留痕。下面这份表格是推荐的最小记录格式每次改配置就加一行。日期位置替换前替换后验证方式结果第 1 次~/.claude/settings.json的ANTHROPIC_BASE_URL旧出口地址https://taotoken.net/apiclaude -p 只回复 ok通过第 1 次~/.claude/settings.json的ANTHROPIC_AUTH_TOKEN旧 KeyYOUR_API_KEY同上通过第 1 次~/.codex/config.toml的base_url未配置https://taotoken.net/api交互模式短指令通过第 1 次~/.codex/config.toml的env_key未配置TAOTOKEN_API_KEYecho $TAOTOKEN_API_KEY通过验证通路时除了用 CLI 发一句短指令也可以直接打接口。下面这条命令用于确认地址与鉴权头是否匹配curl -sS -X POST https://taotoken.net/api/v1/messages \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H content-type: application/json \ -d { model: YOUR_MODEL_ID, max_tokens: 32, messages: [{role: user, content: ping}] }如果返回 404说明该平台的路径约定不是/v1/messages以控制台文档给出的路径为准返回 401 则是 Key 或请求头的问题返回 200 但内容为空检查model字段是否填成了显示名而不是 ID。这张表的另一个用途是回滚。任何时候译文风格突然变差先看这份台账最近有没有动过 Base URL 或模型名——出口变更导致的模型切换往往表现为「AI 味规则还在但输出风格变了」比 Skill 本身被改更常见。10. 排障清单翻译流水线上最常见的六类报错现象最可能的原因处理方式401 authentication_errorKey 没生效或项目级配置覆盖了用户级claude config list看生效来源两处 Key 对齐403Key 权限不足或该模型未开通回控制台确认 Key 可用范围模型不存在 /model not foundANTHROPIC_MODEL或model填了显示名改填模型 ID429并发过高降低并行任务数串行跑审校批次连接超时本地代理环境变量指向了不可达地址检查HTTP_PROXY/HTTPS_PROXY必要时加NO_PROXY输出在中途停住max_tokens太小调大输出上限长译文分段处理还有一个不在表里但很常见的现象配置全部正确、请求也通了但译文里的术语被 Skill 改掉了。这不是出口问题是 Skill 里没锁术语表。解决办法是在SKILL.md的「必须保留」段落里明确写上glossary.tsv并且在调用时再强调一次术语以文件为准。最后提醒一点配置习惯settings.json和config.toml都属于本地配置文件不要提交到团队仓库。团队共享的是 Skill 目录和术语表Key 和出口地址走各自的本地环境变量。11. 下一步把出口固定下来再谈风格翻译审校这条流水线里去 AI 味 Skill 是风格层TaoToken 的 Base URL 是通路层。通路层稳定之后风格层的迭代才有意义——你今天调好的规则清单明天换台机器、换个 CLI 工具只要 Base URL 还是https://taotoken.net/api表现就是可复现的。建议的收尾动作有三个把YOUR_API_KEY换成你自己的 Key把 Skill 目录接进版本控制把上面那份替换台账建起来。做完这三步你就有了一个可以长期跑的译文清洗流程。要开始的话先去模型对话页面跑一句「英译中 去 AI 味」看看效果https://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contenttrans_skill_cta_chat 。如果这条流水线要跑量看一下 Coding Plan 的额度策略https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contenttrans_skill_cta_plan 。然后到控制台创建 Keyhttps://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contenttrans_skill_cta_key 。Claude Code 侧的完整字段说明放在文档里配置卡住的时候对着查https://taotoken.net/doc/ClaudeCodeAnthropic?utm_sourcetaotoken_aicg_blog_endutm_contenttrans_skill_cta_doc 。
