1. 为什么我要把百炼文档查询做成 Agent Skill查一个模型的输入输出价格要在定价页点开三四层折叠面板想确认 QPM 限流得去文档站搜关键词再翻到某个角落要一段 OpenAI 兼容接口的 Python 示例又得切到 SDK 文档里找。这几个入口——帮助文档、控制台、模型广场、API 参考——来回跳一次查询十分钟就没了。bailian-docs-llm-wiki 这个 Agent Skill 解决的就是这件事。它把百炼平台的技术文档和模型广场数据拉到本地让 AI Agent 直接读文件回答查询模型价格、QPM 限流、上下文窗口、示例代码、错误码全部本地检索。查询本身不调用模型 API所以不产生费用也不需要 API Key。它适合谁三类人一是经常要对比多个模型价格和限流参数的选型同学二是写代码时需要快速拿到官方示例和参数默认值的开发者三是想把「查百炼文档」这个动作固化进 Agent 工作流的团队。如果你已经在用 Claude Code、Qwen Code、Cursor 这类支持 Agent Skills 的工具装完就能用。我试过把它和 TaoToken 的统一 Key 通道搭配Skill 负责本地查文档TaoToken 负责实际调用模型两边分工明确。下面从安装到验证一步步来。2. TaoToken 统一 Key 与 API 通道前置准备Skill 本身只读本地文件不碰网络请求。但查完文档你总归要跑代码验证这时候就需要一个能调模型的通道。TaoToken 在这里的角色是统一入口一个 Key 走通多家模型Base URL 固定不用为每个平台单独配环境变量。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 端点是 https://taotoken.net/api 。注意 API 地址不带 UTM 参数直接写就行。你需要准备的东西Node.js 18 或更高版本用node -v检查。低于 18 的话npx skills可能跑不起来。一个支持 Agent Skills 的工具Claude Code、Qwen Code、Cursor 任选其一。我用的是 Claude Code下面的命令都按这个环境写。TaoToken 的 API Key在控制台创建。地址是 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 进去之后找 API Keys 页面新建一个。这个 Key 在 Skill 查询阶段用不到但后面验证示例代码时要用来发真实请求。模型 ID 方面TaoToken 的模型列表可以在模型对话页确认 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。百炼的 qwen3-max 这类模型 ID 直接填进去即可。三件套记牢Base URL 填https://taotoken.net/apiKey 填你刚创建的Model ID 填qwen3-max或你要查的那个。这三样在后面的配置片段里会反复出现。如果你打算长期跑编码类 Agent 任务可以看下 Coding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 按套餐走比单次调用省心。3. 可复制的 Skill 安装与配置片段安装命令只有一行npx skills add modelstudioai/skills执行后会列出仓库里可用的 skill 列表用方向键选bailian-docs-llm-wiki回车确认。装完之后不需要额外配置Agent 对话里提到百炼文档、模型、价格相关的问题会自动激活。数据分三层落地models/放模型广场结构化数据直连控制台数据网关用来查价格、限流、上下文和官方示例wiki/放自动合成的主题页和对比页适合概念理解raw/放官方帮助文档原文查 API 细节和错误码。如果你用的是 Claude CodeSkill 会装到项目的.claude/skills/目录下。想确认安装位置可以看这个路径。Cursor 的话在.cursor/skills/附近。接下来配 TaoToken 的接入参数。在项目根目录建一个.env文件TAOTOKEN_BASE_URLhttps://taotoken.net/api TAOTOKEN_API_KEYsk-你的Key TAOTOKEN_MODELqwen3-max如果你用 Claude Code 的 settings 文件可以写成 JSON 格式。路径是.claude/settings.json{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的Key, ANTHROPIC_MODEL: qwen3-max } }注意这里 Base URL 和 Key 是配套的Model ID 按你实际要调的模型填。三件套缺一不可只填 Key 不填 Base URL 会走到默认端点报 401 或者连不上。如果你用 Codex 的 auth.json路径在~/.codex/auth.json结构类似{ base_url: https://taotoken.net/api, api_key: sk-你的Key, model: qwen3-max }Cline 的 MCP 配置里也是同样三件套Base URL、Key、Model ID 填进对应的 provider 字段。不管哪个工具核心就这三样别漏。配置完可以跑一个最小验证确认通道通curl https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer sk-你的Key \ -H Content-Type: application/json \ -d {model:qwen3-max,messages:[{role:user,content:ping}]}返回里有choices字段就说明通道正常。这一步过了再往下走。4. 验证查询请求与成功结果装好 Skill、配好通道之后来验证几个高频查询场景。场景一查价格和限流。直接在 Agent 对话里问qwen3-max 输入输出分别多少钱限流多少Agent 会返回分档价格、QPM、上下文窗口、最大输出并且附上数据来源文件路径通常在models/groups/下的 JSON 文件里。你可以自己打开那个文件核对数字这是它可靠性设计的一部分——回答必须基于本地实际文件禁止编造。场景二按条件筛选模型。比如支持 function calling、上下文至少 128K 的文本模型有哪些Agent 会在models.jsonl里做字段精确匹配。这个文件一行一个模型结构化程度很高。熟悉命令行的也可以直接查jq -c select(.contextWindow128000) models.jsonl grep function-calling models.jsonl | jq -c {model,family,contextWindow}场景三拿示例代码和参数定义。问用 OpenAI 兼容接口调 qwen3-max给我 Python 示例temperature 的默认值和取值范围是多少示例代码来自官方维护的samples字段覆盖 curl、Python、Node.js、Java 四种。参数定义来自predictConfig字段和控制台 Playground 对齐。拿到代码后用前面配好的 TaoToken 通道跑一遍from openai import OpenAI client OpenAI( base_urlhttps://taotoken.net/api, api_keysk-你的Key ) resp client.chat.completions.create( modelqwen3-max, messages[{role: user, content: 用一句话解释什么是限流}], temperature0.7 ) print(resp.choices[0].message.content)跑通说明示例代码和通道都没问题。这一步很关键因为 Skill 返回的代码是官方维护的但你的环境变量和 Base URL 得自己配对。场景四错误码查询。报错时把错误码丢给 Agent它在raw/层官方文档原文里本地检索。比如问「百炼返回 429 是什么原因」它会定位到限流相关的原文段落。场景五更新数据。本地数据是安装时的快照需要最新数据时重跑一次安装命令npx skills add modelstudioai/skills然后问「最近模型列表里有什么新家族有哪些价格变化」。注意这是手动更新快照不是自动订阅推送官方刚调价或发新模型时建议先更新再查。验证成功的标志每个数字都带来源文件路径你能顺着路径打开核对。如果 Agent 只给结论不给路径说明 Skill 没正确激活检查一下安装目录。5. 常见报错排查对照401 Unauthorized。这个最常见通常是 Key 没填对或者 Base URL 和 Key 不匹配。检查.env或 settings 里的ANTHROPIC_BASE_URL是不是https://taotoken.net/apiKey 有没有多余空格。如果你只填了 Key 没填 Base URL请求会走到默认端点那边不认这个 Key直接 401。local proxy failed / connection refused。这个报错说明请求根本没发出去卡在本地代理层。检查你的环境变量里有没有残留的HTTP_PROXY或HTTPS_PROXY指向一个没启动的本地端口。清掉这些变量再试。另外确认https://taotoken.net/api这个地址能通用 curl 测一下。reading choices 报错 / choices 字段为空。返回体里没有choices通常是请求体格式不对。检查model字段填的是不是有效模型 IDmessages是不是数组格式。用前面那段 curl 最小验证跑一遍能返回choices就说明格式没问题。如果 curl 通但代码不通对比一下代码里的请求体结构和 curl 的差异。OAuth 相关报错。如果你用的是 Claude Code 并且之前登录过官方账号可能会走 OAuth 流程而不是 API Key。检查 settings 里是不是同时存在 OAuth token 和 API Key两者冲突时会报错。清掉 OAuth 相关的配置只保留 Base URL Key Model ID 三件套。Skill 没激活 / 查询返回通用回答。检查npx skills add modelstudioai/skills是不是在项目根目录执行的Skill 装到了哪个路径。Claude Code 的话看.claude/skills/下有没有bailian-docs-llm-wiki目录。没有的话重新装一次确认选择时选中的是这个 skill。数据过时 / 查不到新模型。本地是快照重跑安装命令更新。更新后如果还查不到可能是官方数据网关还没同步等一段时间再试。wiki 层内容不可靠。wiki 层由 LLM 自动合成可能滞后。Skill 内置质量分机制低质合成页会自动绕过、回退官方原文。关键决策建议顺着引用路径核对raw/层原文。数据冲突时按models接口直拉raw官方原文wiki自动合成的优先级取信。排查顺序建议先 curl 测通道再确认 Skill 安装路径最后看请求体格式。三步走完基本能定位问题。6. 把查询动作固化进 Agent 工作流装好之后日常用法就是直接在对话里提问不用记命令。但有几个习惯能让它更顺手。第一查询前先更新快照。官方调价或发新模型后本地数据不会自动同步重跑一次安装命令再查避免拿到旧价格。第二关键数字顺着引用路径核对。Agent 返回的每个价格和限流值都带文件路径打开那个 JSON 看一眼比盲信结论靠谱。这是它反幻觉设计的核心——回答必须基于本地实际文件。第三示例代码拿到后先用 TaoToken 通道跑一遍再集成。官方示例是维护过的但你的环境变量和 Base URL 得自己配对跑通再进项目。第四概念类问题走 wiki 层API 细节和错误码走 raw 层。问「百炼上做 RAG 有几种方式」这类对比问题wiki 层有预合成的概念页问具体错误码raw 层原文更准。如果你还想让 Agent 直接调模型做验证TaoToken 的模型对话页可以快速试 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 。长期跑编码任务的话Coding Plan 按套餐走更省心 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。API Key 在控制台管理 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 遇到配置问题先翻这里。最后一步把「查百炼文档」这个动作写进你的 Agent 系统提示里比如「涉及百炼模型价格、限流、示例代码的问题优先使用 bailian-docs-llm-wiki skill 查询」。这样每次提问都会自动触发不用手动指定。装完、配好、验证通过这套流程就能稳定跑了。