1. 从 settings 到 skill-creator一次把 Claude Code 的 skill 工作流跑通Claude Code 里的 skill 机制本质上是把「一段可复用的操作说明 配套脚本」打包成SKILL.md让模型在合适的时机自动加载或由你手动用斜杠命令触发。skill-creator 则是官方提供的一个元技能专门用来帮你生成规范的SKILL.md目录结构。很多人卡住的地方不在写 skill而在两件事一是 Claude Code 的请求通道没配好导致 skill-creator 拉不下来或者调用超时二是settings.json里模型和地址没统一skill 触发了但请求发不出去。这篇就把 settings 配置、skill-creator 初始化、SKILL.md 目录结构、加载验证这条链路一次讲清楚适合已经在用 Claude Code、想把自己的重复操作沉淀成 skill 的开发者。我试过把请求通道统一到 TaoToken 之后再跑 skill-creator整个流程会顺很多因为 Key 和 Base URL 只维护一份skill 里调用的模型和主对话用的是同一套配置不会出现「对话能通、skill 里脚本调不通」的割裂。下面按顺序来先讲清楚问题和场景再配前置然后是可复制的 settings 片段接着验证 skill 加载最后排错和分流。2. 原问题与场景skill-creator 生成 SKILL.md 时请求通道不统一会怎样先说清楚 skill 到底是什么。你可以把 skill 理解成给 Claude Code 准备的一份「岗位说明书」SKILL.md里写清楚这个技能叫什么、什么时候该被触发、具体步骤是什么、有哪些注意事项旁边可以放 Python 脚本或参考文档。模型读到描述后判断当前任务匹配就自动加载你也可以用/技能名手动触发。skill-creator 的作用是让你不用手写这套结构直接让 Claude Code 引导你生成一个符合规范的目录。问题出在请求链路上。Claude Code 默认走官方通道但很多团队和个人希望把模型请求统一到一个可控的入口方便管理 Key、切换模型、看用量。这时候如果只改了主对话的配置没管 skill 里脚本调用的环境变量就会出现几种典型症状skill-creator 初始化时npx skills add能跑但生成过程中模型请求 401或者 skill 加载成功触发后脚本里读不到ANTHROPIC_BASE_URL报local proxy failed再或者返回体里reading choices报错说明响应结构和预期不一致。场景很具体你在本地用 Claude Code 做开发想把「对比两个以上 PDF 并输出 diff.pdf」这类重复任务做成 skill。你希望 skill-creator 帮你生成骨架希望生成的 skill 能被自动触发也希望所有模型请求都走同一个 Key 和 API 地址。要做到这点settings.json是核心它决定了 Claude Code 用哪个地址、哪个 Key、哪个模型。把这块配对了skill-creator 和后续的 skill 才能跑在同一条通道上。这里要强调一个认知skill 不是替代编辑器或 IDE 的东西它是 Claude Code 的能力扩展。你写的业务代码还是在编辑器里写skill 负责的是「让 Claude Code 按你定义的流程去操作」。所以配置的重点始终是 Claude Code 这一侧的请求参数而不是去改你的项目代码。3. TaoToken 前置统一 Key 与 API 地址再谈 skill 工作流在动 skill-creator 之前先把请求通道这件事定下来。TaoToken 提供统一的 API 入口Claude Code 通过配置ANTHROPIC_BASE_URL和ANTHROPIC_AUTH_TOKEN就能把请求发过去。官网是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 地址是 https://taotoken.net/api 注意 API 这个地址不带 UTM 参数配置里填的就是它。你需要准备的东西不多一个可用的 Key以及确认你要用的模型 ID。Key 在控制台的 API Keys 页面创建地址是 https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。创建完复制出来后面填进 settings。模型 ID 这块Claude Code 场景下通常用 Claude 系列具体以你账号下可用的为准填错模型 ID 会直接报模型不存在。为什么要在 skill 之前做这一步因为 skill-creator 本身也是通过 Claude Code 发请求的。如果通道没配好你连 skill-creator 的引导流程都走不完。而且 skill 生成之后里面如果有脚本要调模型读的也是同一套环境变量。统一到 TaoToken 之后你只需要维护一份 Keyskill 和主对话共享省去多套配置对不上的麻烦。配置的载体是 Claude Code 的settings.json。这个文件的位置分用户级和项目级用户级在~/.claude/settings.jsonWindows 是C:\Users\你的用户名\.claude\settings.json项目级在项目根目录的.claude/settings.json。建议把通道配置放用户级skill 相关的放项目级这样换项目不用重配 Key。下面直接给可复制的片段。4. 可复制配置settings.json 片段与 skill-creator 初始化命令先给settings.json的完整片段。这个文件是 JSON 格式路径按你的系统来。核心是env字段Claude Code 会读取里面的环境变量。{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: sk-你的TaoTokenKey, ANTHROPIC_MODEL: claude-sonnet-4-20250514, ANTHROPIC_SMALL_FAST_MODEL: claude-3-5-haiku-20241022 } }三个关键点ANTHROPIC_BASE_URL填https://taotoken.net/api不要带结尾斜杠ANTHROPIC_AUTH_TOKEN填你创建的 KeyANTHROPIC_MODEL填你要用的模型 ID。ANTHROPIC_SMALL_FAST_MODEL是给轻量任务用的可以不填填了能省一些调用成本。如果你用的是项目级配置把这段放进项目根目录.claude/settings.json即可字段结构一样。配好之后验证通道是否通最直接的方式是跑一次模型对话。你可以打开 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 确认模型可用然后在 Claude Code 里随便问一句能正常返回就说明通道没问题。这一步别跳过后面 skill 出问题时要靠它排除是不是通道的锅。通道通了再装 skill-creator。官方 skills 仓库里带了 skill-creator用npx skills add拉取。Windows 下按 WinR 输入 cmd 打开命令行执行npx skills add https://github.com/anthropics/skills --skill skill-creator这条命令会把 skill-creator 装到你的 skills 目录。装完之后在 Claude Code 里就可以用/skill-creator触发引导流程。如果你更想直接让模型生成也可以直接对 Claude Code 说「生成一个对比两个以上 PDF 格式文档并输出 diff.pdf 的 skill」它会调用 skill-creator 的能力帮你产出SKILL.md。生成的 skill 目录结构大致是这样.claude/skills/ └── pdf-diff/ ├── SKILL.md └── scripts/ └── diff_pdf.pySKILL.md是必须的scripts/和参考文档是可选的。SKILL.md的头部是 YAML frontmatter写 name 和 description正文写具体步骤和注意事项。name 就是斜杠命令名description 是给模型判断触发时机的描述写得越具体自动触发越准。5. 验证请求与成功结果一次 skill 加载与触发配置和生成都做完接下来验证 skill 能不能被加载和触发。这一步要看到具体结果不能停在「应该可以」。先看 skill 有没有被识别。在 Claude Code 里输入/skills会列出当前已安装的技能名。如果你看到pdf-diff在列表里说明目录结构和SKILL.md被正确读取了。如果没看到先检查目录层级必须是.claude/skills/技能名/SKILL.md少一层或多一层都不行。然后验证自动触发。自动触发靠的是SKILL.md里 description 和当前任务的匹配度。你可以直接对 Claude Code 说「帮我对比 a.pdf 和 b.pdf输出差异文件」。如果 description 写得清楚模型会判断该加载pdf-diff然后按SKILL.md里的步骤执行。执行过程中你会看到它调用scripts/diff_pdf.py最后生成diff.pdf。看到文件生成就是成功结果。手动触发更可控直接输入/pdf-diff后面跟上参数。手动触发不依赖模型判断适合你已经明确要用某个 skill 的场景。两种方式都验证一遍能确认 skill 的加载路径和触发逻辑都没问题。这里有个细节skill 触发后如果脚本里要调模型它读的是环境变量。因为你在settings.json里配了ANTHROPIC_BASE_URL和ANTHROPIC_AUTH_TOKEN脚本里用os.environ.get(ANTHROPIC_BASE_URL)就能拿到同一个地址。这就是统一通道的好处skill 和主对话不会各走各的。验证通过后你可以进一步控制触发行为。在SKILL.md的 frontmatter 里加disable-model-invocation: true这个 skill 就不会被模型自动调用只能通过/技能名手动触发。加user-invocable: false则不出现在用户的斜杠命令列表里只让模型自动调用。这两个开关配合使用能把 skill 的触发边界控制得很细。6. 本篇常见错排查401、local proxy failed、reading choices、OAuth跑 skill 工作流时报错基本集中在几个地方。下面按真实报错对照排查。401 未授权。最常见的原因是 Key 填错或过期。检查settings.json里的ANTHROPIC_AUTH_TOKEN是不是完整的 Key有没有多余空格。如果 Key 没问题确认ANTHROPIC_BASE_URL填的是https://taotoken.net/api地址写错会导致请求发到错误入口返回 401。还有一种情况是项目级配置覆盖了用户级配置两个文件里的 Key 不一致以项目级为准检查一下。local proxy failed。这个报错通常出现在 skill 里的脚本发起请求时。原因是脚本没读到环境变量或者读到的地址不对。排查方法在脚本里打印os.environ.get(ANTHROPIC_BASE_URL)看输出是不是https://taotoken.net/api。如果是空说明环境变量没传进去检查settings.json的env字段有没有写对以及 Claude Code 是不是从你改的那个文件读的配置。reading choices 报错。这个一般和响应结构有关。如果你在 skill 脚本里自己拼请求返回体解析时按 OpenAI 格式去读choices但实际返回结构不同就会报这个。解决办法是确认你调用的接口格式按实际返回结构解析。用 Claude Code 内置的调用方式一般不会遇到自己写脚本时要注意。OAuth 相关报错。如果你之前登录过官方账号本地可能残留 OAuth 凭证和ANTHROPIC_AUTH_TOKEN冲突。排查时确认没有同时启用两套认证。清理掉旧的登录状态只保留settings.json里的 Key 认证通常能解决。skill 不触发。不是报错但很常见。检查SKILL.md的 description 是不是太模糊模型判断不出来。把 description 写具体比如「对比两个以上 PDF 文档并输出差异文件」比「处理 PDF」更容易命中。另外确认没有误加disable-model-invocation: true加了就只能手动触发。skill 列表里没有。检查目录结构必须是.claude/skills/技能名/SKILL.md。文件名大小写也要对SKILL.md全大写。frontmatter 的 YAML 格式错了也会导致读取失败注意冒号后面要有空格。排错时如果涉及接入配置可以对照接入文档 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 核对参数。模型相关的问题去模型对话页面 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodelsutm_campaignrewrite 确认模型 ID 和可用性。7. 语义一致 CTA把 skill 工作流沉淀成长期能力skill 工作流跑通之后真正有价值的是把它变成你日常开发的一部分。每当你发现自己重复做同一类操作就值得沉淀成一个 skill。skill-creator 降低了创建门槛TaoToken 统一了请求通道两者配合你只需要关注 skill 本身的逻辑。如果你还在频繁切换模型、管理多个 Key建议把长期编码和 Agent 类的任务统一到 Coding Plan地址是 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。这样 skill 里调用的模型和主对话保持一致不用来回改配置。Key 的管理集中在 API Keys 页面 https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 需要新增或轮换时直接在那里操作。最后给一个实用技巧把常用的 skill 目录纳入版本管理SKILL.md和脚本一起提交。这样换机器或者团队协作时直接拉下来就能用配合settings.json里的通道配置几分钟就能复现整套工作流。skill 的 description 建议随着使用不断打磨触发不准的时候优先改描述而不是改代码。