1. 从 spark.v1.request.build 到 system promptcapsule-identity 的组装链路一旦 Agent 总线里出现spark.v1.request.buildcapsule-identity 就会进入工作状态。它不是一个独立 CLI而是 Unicity AOS 里的一个 capsuleRust 实现MIT 与 Apache-2.0 双许可GitHub Star 约 7000。一个容易记住的类比是它在这套 Agent OS 里扮演的角色接近 Linux 的/etc/profile——启动时确定“我是谁、我在哪、我该遵守什么”。身份信息不是写死在代码里。它先尝试从 capsule 的 KV 状态读取已持久化的 spark 身份如果 KV 为空就去探测home://.config/spark.toml。随后把当前工作目录、运行平台等环境上下文追加进去最后在spark.v1.response.ready主题上发布拼好的系统提示词。这个顺序很关键身份优先级高于文件文件高于默认引导环境信息最后合并。如果系统里还没有身份发布出去的提示词会带一段 onboarding 说明。LLM 走完引导后调用save_identity把呼号callsign、类别、气质、信号、核心指令等写入胶囊状态同时落一份home://.config/spark.toml作为恢复副本。状态按 principal 隔离会话 ID 也会回传方便多轮循环关联。对外接口是 IPC 主题订阅spark.v1.request.build、tool.v1.execute.save_identity发布spark.v1.response.ready。编译测试是标准 Rust 流程cargo build、cargo testMSRV 1.94。对提示词工程开发者来说这意味着 system prompt 不再是一段散落在.env、YAML、数据库和代码字符串里的文本而是一个有生命周期、可持久化、可恢复、按主体隔离的模块产物。接下来真正要消耗 Token 的动作是把这段产物交给 LLM。初始化 Key 时直接去 TaoToken 官网https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcapsule_identity_intro Base URL 填https://taotoken.net/api。这样 capsule-identity 负责“组装”TaoToken 负责“调用”。但要把整条链路跑顺得先厘清一个边界capsule-identity 只解决“身份从哪里来、怎么拼装、怎么恢复”它不替代模型网关。Agent 运行时拿到 system prompt 后还需要模型名、API Key、Base URL、超时、重试、会话关联这些参数。很多团队把身份管理和模型调用混在一起最后变成提示词里硬编码 Key或者把 Key 塞进 YAML 再由 Agent 动态读取。这种做法的风险很直接轮换困难、审计困难、多主体隔离困难。更合理的拆分是让 capsule-identity 输出结构化身份再由调用层统一走 TaoToken。下面我们按“组装结果 → 调用参数 → 工具配置 → 排障”的顺序把可复现实验串起来。2. 初始化 TaoToken从 Key 到最小可调用请求在 capsule-identity 发布系统提示词之后Agent 需要调用 LLM。此时第一步不是写业务逻辑而是把模型访问入口配好。去 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentapi_key_setup 创建 API Key然后在调用层使用API KeyYOUR_API_KEYBase URLhttps://taotoken.net/api认证方式Authorization: Bearer YOUR_API_KEY模型名以 TaoToken 控制台或模型对话页当前可用列表为准注意 Base URL 不要带 UTM 参数工具配置里只写https://taotoken.net/api。UTM 只用于官网入口统计不要混进 SDK 的base_url。先用curl做最小验证export TAOTOKEN_API_KEYYOUR_API_KEY curl -sS https://taotoken.net/api/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: gpt-4.1-mini, messages: [ { role: system, content: 你是 capsule-identity 组装的 Agent 身份。请用一句话说明你是谁。 }, { role: user, content: 现在开始自我介绍。 } ], temperature: 0.2, max_tokens: 128 }如果返回 401优先检查 Key 是否完整、是否带了Bearer前缀、环境变量是否被 shell 引号截断。如果返回 404优先检查 Base URL 是否写成https://taotoken.net/api而不是多拼了/v1/chat/completions或用了错误协议头。模型名不要凭记忆写去控制台确认当前账号可用的模型标识。这一步的意义是建立“模型访问基线”。只有当最小请求稳定可用后面 capsule-identity 的 system prompt 注入才有调试价值。否则提示词写得再好也会被 401、404、429 掩盖。3. 把 capsule-identity 的组装结果映射成 LLM 调用参数假设 capsule-identity 在spark.v1.response.ready上发布了一份组装结果我们可以把它抽象成下面这种结构{ session_id: spark-session-7f3a, principal: agent:writer-01, identity: { callsign: Atlas, category: 技术写作 Agent, temperament: 直接、稳定、先给结论再给依据, signals: [技术博客, Agent 工程, API 接入], core_instructions: [ 不编造未验证的接口参数, 配置示例必须可复制, 涉及 Key 时使用占位符 ] }, environment: { cwd: /home/agent/workspace, platform: linux-x86_64 }, system_prompt: 你是 Atlas类别技术写作 Agent。气质直接、稳定、先给结论再给依据。信号技术博客、Agent 工程、API 接入。核心指令不编造未验证的接口参数配置示例必须可复制涉及 Key 时使用占位符。当前工作目录/home/agent/workspace。运行平台linux-x86_64。 }这份结构和 LLM 调用参数的映射关系如下capsule-identity 字段LLM 调用参数说明system_promptmessages[0].content且rolesystem系统提示词主体session_id请求头X-Session-Id或网关支持的metadata.session_id用于多轮关联principalmetadata.principal或调用日志字段用于按主体隔离与审计identity.callsign已合并进system_prompt不建议再拆成独立参数environment.cwd已合并进system_prompt若目录敏感先脱敏模型选择model由调用层决定不写入身份模块温度temperature身份描述用 0.1~0.3 更稳最大输出max_tokens先设小值验证再逐步放大下面用 Python 模拟 capsule-identity 的组装函数并调用 TaoTokenimport os import json import requests def build_system_prompt(identity: dict, env: dict) - str: callsign identity.get(callsign, 未命名 Agent) category identity.get(category, 通用助手) temperament identity.get(temperament, 稳定、直接) signals identity.get(signals, []) core_instructions identity.get(core_instructions, []) lines [ f你是 {callsign}类别{category}。, f气质{temperament}。, f信号{, .join(signals) if signals else 无}。, 核心指令, ] lines.extend(f- {item} for item in core_instructions) lines.append(f当前工作目录{env.get(cwd, 未知)}) lines.append(f运行平台{env.get(platform, 未知)}) return \n.join(lines) identity { callsign: Atlas, category: 技术写作 Agent, temperament: 直接、稳定、先给结论再给依据, signals: [技术博客, Agent 工程, API 接入], core_instructions: [ 不编造未验证的接口参数, 配置示例必须可复制, 涉及 Key 时使用占位符, ], } env { cwd: /home/agent/workspace, platform: linux-x86_64, } system_prompt build_system_prompt(identity, env) print( system prompt ) print(system_prompt) api_key os.environ[TAOTOKEN_API_KEY] base_url https://taotoken.net/api payload { model: gpt-4.1-mini, messages: [ {role: system, content: system_prompt}, {role: user, content: 请用三句话介绍你的身份、当前工作目录和一条核心指令。}, ], temperature: 0.2, max_tokens: 256, metadata: { session_id: spark-session-7f3a, principal: agent:writer-01, }, } resp requests.post( f{base_url}/chat/completions, headers{ Authorization: fBearer {api_key}, Content-Type: application/json, }, datajson.dumps(payload), timeout60, ) resp.raise_for_status() result resp.json() print( assistant ) print(result[choices][0][message][content])如果你的网关不支持metadata就把session_id和principal放到自定义请求头里例如X-Session-Id和X-Principal同时在本地日志中记录。这样做的目的是让 capsule-identity 的身份隔离和 LLM 调用日志能对齐。这里有一个工程细节不要直接把 capsule KV 里的全部状态都塞进 system prompt。身份模块的 KV 可能包含恢复副本、内部标记、权限上下文而 LLM 只需要“可以公开表达的身份描述”。在组装阶段做一层白名单只把callsign、category、temperament、signals、core_instructions和环境中的非敏感字段写入 prompt。否则一旦 KV 被污染模型输出也可能被带偏。可复现产出可以整理成一张对照表实验步骤输入输出检查点触发身份组装spark.v1.request.build结构化身份 JSONKV 是否命中是否探测spark.toml生成 system prompt身份 JSON 环境上下文一段完整系统提示词是否包含呼号、类别、核心指令调用 TaoTokensystem prompt 调用参数LLM 回复401/404/429 是否出现多轮关联session_idprincipal日志可追踪是否按主体隔离4. 同一条身份 prompt 在 Claude Code、Codex、CC Switch 里的落地capsule-identity 输出的是模型无关的 system prompt但不同工具读取配置的方式不同。最容易踩的坑是把 Claude Code 的ANTHROPIC_*变量复制到 Codex结果 Codex 完全读不到。下面拆开写。Claude Codesettings.json 与 ANTHROPIC_*Claude Code 侧建议用~/.claude/settings.json或项目级.claude/settings.json管理环境变量。配置示例{ 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-haiku-4-5 } }如果你当前使用的 Claude Code 版本读取的是ANTHROPIC_API_KEY就按版本要求补充同名变量核心是ANTHROPIC_BASE_URL指向https://taotoken.net/api认证值使用YOUR_API_KEY。不要把 Base URL 后面追加 UTM 参数否则会影响 SDK 路由。Codexconfig.toml 与 TAOTOKEN_API_KEYCodex 使用~/.codex/config.toml不要混用ANTHROPIC_*。示例model gpt-5 model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat然后在 shell 中导出export TAOTOKEN_API_KEYYOUR_API_KEY这里的env_key是 Codex 去环境变量里找 Key 的字段名。用TAOTOKEN_API_KEY或OPENAI_API_KEY都可以但不要写成ANTHROPIC_AUTH_TOKEN因为 Codex 的 provider 配置不会读 Claude Code 那套变量。CC Switch把 TaoToken 当成一条 provider如果你用 CC Switch 做多供应商切换核心是维护三件套provider 名称、Base URL、API Key。配置形态可以抽象为{ name: taotoken, baseUrl: https://taotoken.net/api, apiKey: YOUR_API_KEY }不同版本的 CC Switch 字段名可能略有差异但本质不变给 Claude Code 或 Codex 切换时确保它读取的是同一条 TaoToken provider。你可以把 capsule-identity 生成的 system prompt 放在项目级指令文件或 Agent 配置里而把模型访问参数统一交给 CC Switch 管理。这样身份层和接入层不会互相污染。如果你还没有创建 Key可以回到 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentprovider_switch 完成初始化再把同一把 Key 配置到 Claude Code、Codex 或 CC Switch 中。5. 排障提示词组装成功但 LLM 调用失败时怎么查capsule-identity 的日志里显示spark.v1.response.ready已经发布system prompt 也拼好了但 LLM 调用仍然失败。这时不要先改提示词按下面顺序排查。第一看认证。401 通常意味着 Key 无效、过期、复制不完整或者请求头没有使用Bearer。如果你在 Claude Code 里配了ANTHROPIC_AUTH_TOKEN在 Codex 里却用TAOTOKEN_API_KEY检查工具实际读取的是哪一个环境变量。用env | grep -E ANTHROPIC|TAOTOKEN|OPENAI可以快速确认当前 shell 里有哪些值。第二看路由。404 或连接错误通常来自 Base URL。工具配置里只写https://taotoken.net/api不要写成https://taotoken.net/api/v1或https://taotoken.net/api/chat/completions再交给 SDK 二次拼接。SDK 和裸 HTTP 请求的路径拼法不同先用本文的curl验证再换 SDK。第三看模型名。400 里如果出现 model not found说明请求体里的model不在当前账号可用列表。去 TaoToken 模型对话页确认模型标识不要直接把其他平台的模型名照搬过来。不同供应商对同一模型的命名可能不同。第四看限流和超时。429 表示请求频率或并发超过限制先降并发加指数退避。超时则优先检查max_tokens是否过大、system prompt 是否过长、网络是否稳定。capsule-identity 组装出的 prompt 如果包含大量环境信息建议限制长度只保留调用需要的最小上下文。第五看身份加载。如果 LLM 回复明显不像配置的身份检查 capsule KV 是否为空、home://.config/spark.toml是否存在、onboarding 是否已经完成、save_identity是否成功写回。可以在本地打印system_prompt确认呼号、类别、气质、信号和核心指令是否都在。注意不要把含敏感路径的完整 prompt 发到公开日志里。第六看会话关联。多轮循环里如果回复串线检查session_id是否回传并在调用层透传。principal是否按调用主体隔离决定了不同 Agent 的身份状态会不会互相覆盖。对多 Agent 平台来说这一步比提示词措辞更重要。排障时可以在本地先跑一个最小脚本只发一条 system 消息和一条 user 消息模型用控制台确认可用的标识temperature设 0.1max_tokens设 128。最小请求通过后再逐步加回 capsule-identity 的完整 system prompt 和 metadata。这样能快速定位问题在身份层、接入层还是模型层。6. 从模型对话到 Coding Plan把实验变成可维护的 Agent 调用链把 capsule-identity 和 TaoToken 接起来之后建议不要把实验停留在一次性脚本。你可以按下面的路径把链路产品化先在模型对话页验证模型可用性和输出风格确认 system prompt 注入后模型行为符合预期https://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentcta_chat如果你的 Agent 开发流需要长期、稳定的编码调用查看 Coding Plan 是否匹配当前用量和并发需求https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcta_coding_plan为正式环境创建独立 API Key不要复用测试 Key也不要把 Key 写进代码仓库https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentcta_api_keys如果你要把同一套 Base URL 和 Key 接进命令行 Agent按 Claude Code 文档配置settings.json或ANTHROPIC_*https://taotoken.net/doc/ClaudeCodeAnthropic?utm_sourcetaotoken_aicg_blog_endutm_contentcta_claude_code_doc回到 capsule-identity 的设计思路它真正值得借鉴的不是某个主题名而是把“Agent 身份”从散落配置中抽出来变成可持久化、可恢复、按 principal 隔离的模块。TaoToken 在这条链路里承担的是模型访问层Base URL 统一为https://taotoken.net/apiKey 用YOUR_API_KEY占位身份 prompt 由 capsule-identity 组装调用参数由 Agent 运行时管理。这样拆分之后换模型、换工具、换环境时你只需要改接入层而不是重写身份逻辑。