1. 一年调用散落在各处复盘时才发现对不上账个人开发者用 ChatGPT 这类模型最麻烦的不是调用本身而是一年下来根本说不清自己用了多少、花在哪、哪些请求失败了。我自己的情况很典型年初在本地脚本里写死一个 Key年中换到编辑器插件里又填了一个后来跑自动化任务时再申请一个。三个 Key 分散在三台设备、四个项目里等到想复盘全年用量只能一个个登录后台截图拼出来的数字还对不上。这个场景的核心痛点有三个。第一Key 分散导致用量无法归集你看到的账单是分账户的不是分项目的。第二失败率没有记录很多请求超时或限流后脚本直接重试日志里只留一行 warning年底根本查不到。第三成本口径不统一有的按 token 计有的按次计混在一起算总账就是一笔糊涂账。我试过用表格手动记坚持了两周就放弃了因为每次调用都要人肉填一行完全不现实。后来换成统一 Key 通道的思路所有项目、所有设备都指向同一个 API 入口调用记录天然汇聚到一处再按周导出成看板。这篇就按这个思路把settings.json配置骨架、按周导出用量、成本与失败率核对三件事讲清楚最后交付一份可复查的年度看板。适合谁看手上有多个小项目、用 ChatGPT 或同类模型做编码/写作/翻译、想认真盘一次全年账的独立开发者。如果你只有一个项目、一个 Key这套方法同样能用只是收益没那么明显。2. 为什么用 TaoToken 做统一 Key 通道统一 Key 的前提是有一个稳定的 API 入口能把不同工具、不同语言的请求都收拢过来。TaoToken 在这里扮演的角色就是统一通道你申请一个 Key配置到各个客户端里调用记录和用量都从同一个地方出。它的官网是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。注意 API 地址不带 UTM 参数配置时直接写这个就行。我选它做统一通道的原因很实际。一是兼容 OpenAI 风格的接口我原来那些用openaiSDK 写的脚本几乎不用改只换base_url和api_key两个字段。二是模型覆盖够用编码用 Claude 系列、日常对话用 GPT 系列都能从同一个 Key 走不用为每个模型单独维护一套凭证。三是用量可查控制台里能按时间维度看调用情况这是做年度复盘的基础。需要说清楚的是TaoToken 是 API 通道不是编辑器也不是替代你本地开发环境的工具。你的代码还是在自己机器上跑它只负责把请求转发到对应模型并记录用量。这个定位搞清楚了后面的配置就不会走偏。如果你还没申请 Key先去控制台建一个https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。建完之后在 API Keys 页面生成密钥https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。密钥只显示一次复制下来存到安全的地方。3. settings.json 配置骨架与多工具接入统一 Key 的落地方式我推荐用一个中心化的settings.json管理所有配置各个工具从它读取。这样换 Key、换模型只改一处不会出现某个项目还在用旧 Key 的情况。3.1 中心化 settings.json 骨架下面这份是我实际在用的骨架放在项目根目录或者用户配置目录都行。字段含义我写在注释里但 JSON 本身不支持注释所以下面用带说明的版本展示你复制时把注释行删掉。{ taotoken: { base_url: https://taotoken.net/api, api_key: sk-你的密钥, default_model: claude-3-5-sonnet, fallback_model: gpt-4o-mini, timeout_seconds: 60, max_retries: 3 }, usage_tracking: { enabled: true, log_dir: ./logs/taotoken, export_format: jsonl, weekly_report_dir: ./reports/weekly }, projects: { code-assistant: { model: claude-3-5-sonnet, tag: coding }, doc-writer: { model: gpt-4o, tag: writing }, translator: { model: gpt-4o-mini, tag: translate } } }几个关键点解释一下。base_url固定写https://taotoken.net/api不要加斜杠结尾也不要带 UTM 参数。default_model和fallback_model分开配主模型限流或超时时自动降级避免脚本直接挂掉。usage_tracking这一段是给后面按周导出用的log_dir存原始调用日志weekly_report_dir存汇总报告。projects里给每个项目打 tag这样导出时能按项目维度拆分成本。3.2 在 Python 脚本里读取配置大部分个人项目是 Python 写的读取方式很简单import json from openai import OpenAI with open(settings.json, r, encodingutf-8) as f: cfg json.load(f)[taotoken] client OpenAI( base_urlcfg[base_url], api_keycfg[api_key], timeoutcfg[timeout_seconds], max_retriescfg[max_retries], ) resp client.chat.completions.create( modelcfg[default_model], messages[{role: user, content: 用一句话解释什么是幂等}], ) print(resp.choices[0].message.content)注意base_url后面不要手动拼/v1SDK 会自己处理路径。如果你拼成https://taotoken.net/api/v1有些版本会变成双/v1导致 404这是最常见的配置错误之一。3.3 在编辑器插件里接入如果你用 VS Code 的 Continue、Cline 这类插件配置项通常长这样{ models: [ { title: TaoToken Claude, provider: openai, model: claude-3-5-sonnet, apiBase: https://taotoken.net/api, apiKey: sk-你的密钥 } ] }provider选openai是因为接口兼容不是说你只能用 OpenAI 的模型。apiBase同样不要带/v1。配好之后在插件里发一条测试消息能正常返回就说明通道通了。3.4 用环境变量兜底密钥写进settings.json有泄露风险尤其是要提交到 Git 的项目。更稳的做法是密钥走环境变量配置文件里只留占位export TAOTOKEN_API_KEYsk-你的密钥 export TAOTOKEN_BASE_URLhttps://taotoken.net/api然后代码里读os.environ[TAOTOKEN_API_KEY]。这样settings.json可以放心提交密钥留在本地。记得把settings.json里的api_key字段改成从环境变量读取的逻辑别两处都写。4. 按周导出用量与三步验证配置好之后重点是让每次调用都留下记录然后按周汇总。我用的方案是调用即写日志日志格式用 JSONL一行一条方便后续用脚本处理。4.1 记录每次调用的用量在调用封装里加一段记录逻辑import json, time, os from datetime import datetime LOG_DIR ./logs/taotoken os.makedirs(LOG_DIR, exist_okTrue) def log_usage(project_tag, model, resp, latency_ms, successTrue, errorNone): record { ts: datetime.utcnow().isoformat(), project: project_tag, model: model, prompt_tokens: getattr(resp.usage, prompt_tokens, 0) if resp else 0, completion_tokens: getattr(resp.usage, completion_tokens, 0) if resp else 0, latency_ms: latency_ms, success: success, error: error, } fname os.path.join(LOG_DIR, f{datetime.utcnow().strftime(%Y-%m-%d)}.jsonl) with open(fname, a, encodingutf-8) as f: f.write(json.dumps(record, ensure_asciiFalse) \n)调用时包一层start time.time() try: resp client.chat.completions.create(modelmodel, messagesmsgs) log_usage(code-assistant, model, resp, int((time.time()-start)*1000)) except Exception as e: log_usage(code-assistant, model, None, int((time.time()-start)*1000), successFalse, errorstr(e)) raise这样成功和失败都留痕失败率才有数据来源。很多人只记成功调用年底算失败率时只能拍脑袋这是复盘不准的主因。4.2 按周汇总脚本日志按天存汇总时按周聚合import json, glob, os from collections import defaultdict from datetime import datetime, timedelta def week_key(ts_str): dt datetime.fromisoformat(ts_str) monday dt - timedelta(daysdt.weekday()) return monday.strftime(%Y-W%W) def summarize(log_dir./logs/taotoken): buckets defaultdict(lambda: { calls: 0, success: 0, fail: 0, prompt_tokens: 0, completion_tokens: 0, latency_sum: 0, by_project: defaultdict(int), }) for path in glob.glob(os.path.join(log_dir, *.jsonl)): with open(path, encodingutf-8) as f: for line in f: r json.loads(line) wk week_key(r[ts]) b buckets[wk] b[calls] 1 b[success if r[success] else fail] 1 b[prompt_tokens] r[prompt_tokens] b[completion_tokens] r[completion_tokens] b[latency_sum] r[latency_ms] b[by_project][r[project]] 1 return buckets for wk, b in sorted(summarize().items()): fail_rate b[fail] / b[calls] if b[calls] else 0 avg_lat b[latency_sum] / b[calls] if b[calls] else 0 print(f{wk} 调用{b[calls]} 失败率{fail_rate:.1%} 平均延迟{avg_lat:.0f}ms ftoken{b[prompt_tokens]b[completion_tokens]})跑出来就是按周的调用量、失败率、平均延迟、token 总量。把输出重定向到reports/weekly/下的文件一年下来就是一份完整的时间序列。4.3 三步验证动作配置和脚本都就位后用这三步确认整条链路是通的。第一步单次调用验证。跑一次最简单的请求确认能返回内容同时检查logs/taotoken/下有没有生成当天的 JSONL 文件文件里有没有一条success: true的记录。这一步验证的是「通道通 日志写」。第二步失败路径验证。故意把api_key改错一位再跑一次确认脚本抛异常的同时日志里写入了success: false和错误信息。这一步验证的是「失败也留痕」很多人漏掉这步导致失败率永远是 0。第三步周汇总验证。把前两步产生的日志跑一遍汇总脚本确认输出的周报里调用数、失败率、token 数都对得上。如果失败率显示 0 但你明明制造了一次失败说明日志字段没对上回去检查success字段的写入逻辑。三步都过说明你的统一 Key 通道和用量记录已经可用接下来就是让它自然积累每周跑一次汇总。5. 常见错误排查配置和使用过程中我踩过的坑集中在下面几类按出现频率排。401 未授权。最常见的原因是密钥复制时带了空格或者settings.json里api_key字段被引号包了两层。检查方法是把密钥单独打印出来看首尾有没有空白字符。另一个原因是环境变量没生效比如你在 A 终端export却在 B 终端跑脚本。404 路径错误。几乎都是base_url拼错写成https://taotoken.net/api/v1或结尾多了斜杠。正确写法就是https://taotoken.net/apiSDK 会自己补路径。如果你用的是非 OpenAI 官方 SDK确认它是否会自动追加/v1不会的话需要手动处理。429 限流。短时间内并发太高会触发。解决办法是在settings.json里配fallback_model主模型限流时降级到轻量模型同时在调用层加指数退避重试。注意重试也要记日志否则失败率会偏低。超时但实际成功。timeout_seconds设太短请求其实已经到达模型只是响应没在超时前回来。这种情况日志里会记成失败但实际产生了 token 消耗导致失败率和成本都对不上。建议超时设 60 秒以上长文本任务设 120 秒。用量对不上。日志里的 token 数和控制台显示的不一致通常是两个原因一是流式响应时usage字段可能为空需要额外处理二是重试的请求在日志里记了多次但控制台只算一次成功。核对时以控制台为准日志作为趋势参考。周汇总跨月错位。%W周数在跨年时会有边界问题比如 12 月 31 日可能属于下一年的第 0 周。如果要做严格的年度看板建议用 ISO 周%G-W%V而不是%W避免年初年末的周被算错。排障时如果拿不准是配置问题还是通道问题可以先用模型对话页面发一条消息确认通道本身是通的https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。通道通但脚本不通问题就在你的配置或代码里。6. 把年度看板跑起来到这里统一 Key 通道、日志记录、按周汇总三块都齐了。接下来要做的不是再写新代码而是让这套东西自然跑一年然后定期把周报拼成年度看板。我的做法是每周一早上跑一次汇总脚本输出到reports/weekly/2025-W01.json这样的文件。年底用一个小脚本把所有周报读进来按项目 tag 和模型维度做透视得到三张表按项目的调用量分布、按模型的成本占比、按周的失败率趋势。这三张表就是你的年度使用情况看板比任何截图拼凑都准。如果你还在用多个 Key 分散调用建议先花半小时把配置统一到settings.json再补上日志记录。前期这点投入换来的是年底不用再对着一堆后台截图发愁。长期做编码和 Agent 任务的话可以考虑 Coding Plan 把常用模型和额度固定下来https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。接入细节和参数说明在文档里https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content 。最后提醒一句日志里可能包含你的 prompt 内容如果涉及敏感信息记得在写入前做脱敏或者只记录 token 数和元数据不记正文。看板是为了看清用量不是为了留一份完整的对话存档。