数据团队用 Claude Slides，TaoToken 控制预算

1. Claude Slides 视频发布后，数据团队先解决的不是“能不能做”，而是“批量做多少次会超预算”

Claude 官方渠道发布的视频里，Claude Slides、Claude Design、Claude Docs 三款功能一起出现，但视频没有配正文文本，具体能力细节只能以视频内容为准。对数据产品、数据分析、BI 团队来说，这条消息真正的触发点不是“又多了一个幻灯片工具”，而是周报、指标复盘、实验汇报、季度总结这些材料能不能从手工排版变成批量生成。只要进入批量，Token 消耗就会从“偶尔一次”变成“每天几十次甚至上百次调用”。

所以第一步不是研究模板有多好看，而是先把调用入口固定下来：到 TaoToken 官网 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=claude_slides_intro 创建 Key，再把客户端里的 Base URL 改成 https://taotoken.net/api。这个动作看起来简单，但它决定了后面预算能不能被观察、任务能不能被归档、模型能不能在 Claude Code、Codex、以及自定义脚本之间统一切换。本文按数据团队真实工作流拆开：批量幻灯片生成任务怎么配置、Token 怎么记账、输出怎么归档、401/404/429 怎么排。全文不涉及任何生产库直连，SQL 和命令都由读者本地执行。

2. 先拿 Key 再谈批量：TaoToken 接入 Claude Code 的 settings.json 写法

数据团队最容易踩的坑，是把“网页端能用”当成“批量脚本也能用”。网页端一次生成一份幻灯片没问题，但你要每天生成 20 个项目的复盘材料，就需要一个能写进配置文件、能被脚本调用的入口。TaoToken 的 Base URL 是：

https://taotoken.net/api

Key 占位符统一写成YOUR_API_KEY。获取和创建 Key 的入口在 TaoToken 控制台，建议从 API Keys 页面进入并保存好，后续 Claude Code、Codex 和自建脚本都用同一个 Key 做区分管理。官网入口：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_content=claude_slides_apikey 。

Claude Code 的配置优先写settings.json。在项目根目录或用户配置目录中，把env段落补上：

{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_AUTH_TOKEN": "YOUR_API_KEY", "ANTHROPIC_MODEL": "claude-sonnet-4-5-20250929", "ANTHROPIC_SMALL_FAST_MODEL": "claude-haiku-4-5-20251001", "CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC": "1" }, "permissions": { "allow": [ "Bash(ls:*)", "Bash(mkdir:*)", "Bash(python3:*)" ], "deny": [ "Read(./.env)", "Read(./secrets/**)" ] } }

几个细节值得直接抄进团队规范：

1. ANTHROPIC_BASE_URL只写到https://taotoken.net/api，不要在末尾补/v1或/v1/messages，不同客户端对路径拼接方式不同，多写一段经常导致 404。
2. ANTHROPIC_AUTH_TOKEN用YOUR_API_KEY占位，不要把真实 Key 提交到 Git。推荐把 Key 放到系统环境变量，配置里只引用。
3. 大批量幻灯片生成时，主模型用 Sonnet 级别，摘要、标题去重、文件名清洗这类小任务用 Haiku 级别，预算会更容易压住。
4. permissions里只放本地文件读写和 Python 执行权限，不要让脚本拥有访问生产库、生产缓存、线上密钥目录的权限。

如果你不想改全局配置，也可以只开一个终端会话，用环境变量临时覆盖：

export ANTHROPIC_BASE_URL="https://taotoken.net/api" export ANTHROPIC_AUTH_TOKEN="YOUR_API_KEY" export ANTHROPIC_MODEL="claude-sonnet-4-5-20250929" claude

这种方式适合一次性补跑某天的幻灯片任务。跑完关闭终端，环境变量不会污染其他项目。但要记得，环境变量只对当前 shell 生效，cron、systemd、CI 里不会自动继承。

3. Codex 的 config.toml：把 TaoToken 写进 model_providers，不要套 ANTHROPIC_*

很多团队同时用 Claude Code 和 Codex。最容易出错的环节，是把 Claude Code 的ANTHROPIC_*直接套到 Codex 上。Codex 读的是config.toml，不是settings.json；它认的是 provider 和env_key，不是ANTHROPIC_BASE_URL。两者必须分开配置。

Codex 的配置可以写成这样：

model = "gpt-5-codex" model_provider = "taotoken" approval_policy = "on-request" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api/v1" env_key = "TAOTOKEN_API_KEY" wire_api = "chat"

然后在 shell 里提供TAOTOKEN_API_KEY：

export TAOTOKEN_API_KEY="YOUR_API_KEY" codex

注意三个边界：

• base_url在 Codex 里通常需要 OpenAI 兼容的/v1前缀，所以写https://taotoken.net/api/v1；而 Claude Code 的ANTHROPIC_BASE_URL写https://taotoken.net/api。两者不要互相复制。
• env_key是环境变量名，不是 Key 本身。不要把YOUR_API_KEY直接写进env_key字段。
• wire_api按你的 Codex 版本和 TaoToken 文档选择，示例里用chat，如果你的版本要求responses，以控制台文档为准。

如果你用 CC Switch 管理多套配置，可以把它理解成“三件套”：

1. Claude Code Profile：指向https://taotoken.net/api，使用ANTHROPIC_AUTH_TOKEN。
2. Codex Profile：指向https://taotoken.net/api/v1，使用TAOTOKEN_API_KEY。
3. 自定义脚本 Profile：在 Python、Node 或 curl 里显式读取TAOTOKEN_API_KEY，并设置base_url。

CC Switch 的价值不是“多一个切换按钮”，而是让批量幻灯片任务在不同工具之间保持同一套 Key 来源、同一套预算口径。否则 Claude Code 用 A Key，Codex 用 B Key，脚本用 C Key，月底对账根本对不齐。

4. 批量幻灯片任务配置：manifest、分批、重试、归档一次说清

数据团队的幻灯片生成通常不是“一个主题一份”，而是“一个指标域一组”。比如：

• 日会材料：核心指标 1 页、异动归因 1 页、行动项 1 页。
• 周会材料：增长、留存、营收、成本各 3 到 5 页。
• 实验复盘：实验背景、假设、分流、核心指标、显著性、结论、后续计划。
• 季度总结：目标达成、同比环比、区域拆解、预算消耗、下季度目标。

这些材料如果手工做，耗时不在“写内容”，而在“重复排版、复制图表说明、改标题、导出”。批量任务要解决的是把重复部分模板化，把变量部分交给模型，把输出统一归档。

建议先建一个项目目录：

claude-slides-batch/ ├─ config/ │ └─ batch.yaml ├─ manifests/ │ └─ 2026-02-weekly.csv ├─ prompts/ │ └─ weekly_review.md ├─ outputs/ │ └─ 2026-02-weekly/ │ ├─ raw/ │ ├─ slides/ │ └─ archive/ ├─ logs/ │ └─ budget_observe.csv └─ scripts/ └─ run_batch.py

manifest 用 CSV 管理，每行代表一份幻灯片：

slide_id,project,owner,period,audience,source_hint,output_name S001,growth,alice,2026-W07,管理层,增长看板导出,增长周报-2026W07 S002,retention,bob,2026-W07,数据团队,留存分群表,留存周报-2026W07 S003,revenue,carol,2026-W07,财务,营收明细,营收周报-2026W07 S004,cost,david,2026-W07,管理层,成本拆解,成本周报-2026W07

source_hint不要写生产库连接串，也不要写敏感 SQL。它只是提示模型“这份材料参考了哪类本地导出文件”。真正的数据文件由读者在本地准备，脚本只读取本地已脱敏的 CSV 或 Markdown。

批量脚本用 Claude Code CLI 逐条执行，核心逻辑是：

import csv import json import subprocess import time from pathlib import Path from datetime import datetime BASE_DIR = Path("claude-slides-batch") MANIFEST = BASE_DIR / "manifests" / "2026-02-weekly.csv" OUTPUT_DIR = BASE_DIR / "outputs" / "2026-02-weekly" / "raw" BUDGET_LOG = BASE_DIR / "logs" / "budget_observe.csv" PROMPT_TEMPLATE = (BASE_DIR / "prompts" / "weekly_review.md").read_text(encoding="utf-8") OUTPUT_DIR.mkdir(parents=True, exist_ok=True) BUDGET_LOG.parent.mkdir(parents=True, exist_ok=True) def estimate_cost(input_tokens, output_tokens, in_price, out_price): return round(input_tokens / 1_000_000 * in_price + output_tokens / 1_000_000 * out_price, 6) def run_one(row): prompt = PROMPT_TEMPLATE.format( project=row["project"], period=row["period"], audience=row["audience"], source_hint=row["source_hint"], output_name=row["output_name"], ) cmd = [ "claude", "-p", prompt, "--output-format", "json", "--max-turns", "3", ] start = time.time() proc = subprocess.run(cmd, capture_output=True, text=True, timeout=600) duration = round(time.time() - start, 2) if proc.returncode != 0: return { "status": "failed", "error": proc.stderr[:500], "duration_s": duration, "input_tokens": 0, "output_tokens": 0, } try: payload = json.loads(proc.stdout) except json.JSONDecodeError: return { "status": "parse_failed", "error": proc.stdout[:500], "duration_s": duration, "input_tokens": 0, "output_tokens": 0, } usage = payload.get("usage") or {} input_tokens = usage.get("input_tokens", 0) output_tokens = usage.get("output_tokens", 0) cache_read = usage.get("cache_read_input_tokens", 0) slide_md = payload.get("result") or payload.get("content") or "" out_file = OUTPUT_DIR / f"{row['slide_id']}-{row['output_name']}.md" out_file.write_text(slide_md, encoding="utf-8") return { "status": "success", "error": "", "duration_s": duration, "input_tokens": input_tokens, "output_tokens": output_tokens, "cache_read_tokens": cache_read, "output_path": str(out_file), } with MANIFEST.open("r", encoding="utf-8") as f, BUDGET_LOG.open("a", encoding="utf-8") as log: reader = csv.DictReader(f) for row in reader: result = run_one(row) cost = estimate_cost( result["input_tokens"], result["output_tokens"], in_price=3.0, out_price=15.0, ) log.write(",".join([ datetime.now().isoformat(timespec="seconds"), row["slide_id"], row["project"], row["output_name"], result["status"], str(result["input_tokens"]), str(result["output_tokens"]), str(result.get("cache_read_tokens", 0)), str(cost), str(result["duration_s"]), result.get("output_path", ""), result["error"].replace(",", " "), ]) + "\n") log.flush() time.sleep(1.5)

这个脚本的重点不是“跑起来”，而是每个任务都写一行预算记录。没有预算记录，批量任务就是黑盒；有了预算记录，才能知道哪个项目最耗 Token、哪个 prompt 导致输出过长、哪个模型可以降级。

--max-turns 3是防跑飞的硬限制。幻灯片任务不需要无限轮次，通常 1 到 3 轮足够。time.sleep(1.5)是简单限速，避免短时间并发过高触发 429。真正的生产环境应该加指数退避和队列，但本地排障阶段先用最朴素的串行方式。

5. 预算观察表：数据团队要看的不是总价，而是“每份幻灯片成本”

预算观察表建议直接落成 CSV，字段如下：

timestamp,slide_id,project,output_name,status,input_tokens,output_tokens,cache_read_tokens,estimated_cost,duration_s,output_path,error

然后写一个本地汇总脚本，生成团队周报：

import csv from collections import defaultdict BUDGET_LOG = "claude-slides-batch/logs/budget_observe.csv" summary = defaultdict(lambda: {"count": 0, "input": 0, "output": 0, "cost": 0.0, "failed": 0}) with open(BUDGET_LOG, newline="", encoding="utf-8") as f: reader = csv.DictReader(f) for row in reader: key = row["project"] summary[key]["count"] += 1 summary[key]["input"] += int(row["input_tokens"] or 0) summary[key]["output"] += int(row["output_tokens"] or 0) summary[key]["cost"] += float(row["estimated_cost"] or 0) if row["status"] != "success": summary[key]["failed"] += 1 print(f"{'项目':<12}{'任务数':<8}{'输入Token':<12}{'输出Token':<12}{'预估成本':<12}{'失败数':<8}") for project, item in sorted(summary.items(), key=lambda x: -x[1]["cost"]): print(f"{project:<12}{item['count']:<8}{item['input']:<12}{item['output']:<12}{item['cost']:<12.4f}{item['failed']:<8}")

你会看到几种典型现象：

• 输入 Token 远大于输出 Token：通常是 prompt 里塞了太多历史材料。解决方式是把“背景材料”放到本地检索，只把必要片段放进 prompt。
• 输出 Token 远大于预期：通常是要求模型“详细展开”。幻灯片只需要要点，不需要长文。把max_tokens压低，或者在 prompt 里限制“每页不超过 5 个 bullet，每 bullet 不超过 18 字”。
• 失败数集中在某个项目：可能是 manifest 字段缺失，或者某个本地文件路径不存在。先修数据，不要盲目重试。
• 缓存读取 Token 占比高：说明重复前缀被命中，成本会下降。把系统提示、模板说明放在 prompt 前部，有利于缓存。

预算控制不是把单价压到最低，而是让每一份幻灯片的成本可解释。数据团队最容易接受的方式，是把预算观察表和交付物放在同一个目录：谁生成了什么、花了多少、是否成功、归档在哪里，一查就知道。

6. 输出归档：raw、slides、archive 三层，避免“最后一版”满天飞

批量生成之后，最大的混乱不是模型输出质量，而是文件版本。建议固定三层归档：

• raw/：模型直接输出的 Markdown，保留原始结果，不手工改。
• slides/：转换后的 PPTX 或 PDF，用于交付。
• archive/：按日期和批次冻结的压缩包，用于回滚和审计。

转换可以用本地工具完成。比如用 Marp 把 Markdown 转 PPTX，或者用 Pandoc 转 PDF。命令由读者本地执行：

mkdir -p claude-slides-batch/outputs/2026-02-weekly/slides for f in claude-slides-batch/outputs/2026-02-weekly/raw/*.md; do name=$(basename "$f" .md) marp "$f" --pptx --output "claude-slides-batch/outputs/2026-02-weekly/slides/${name}.pptx" done

归档时写一个archive_manifest.json：

{ "batch_id": "2026-02-weekly", "created_at": "2026-02-16T10:30:00+08:00", "slide_count": 4, "success_count": 4, "failed_count": 0, "total_input_tokens": 48210, "total_output_tokens": 12840, "estimated_cost": 0.337, "files": [ "S001-增长周报-2026W07.pptx", "S002-留存周报-2026W07.pptx", "S003-营收周报-2026W07.pptx", "S004-成本周报-2026W07.pptx" ] }

这个 JSON 不写进幻灯片正文，只放在归档目录。它的作用是让下一次批量任务有基线：上次用了多少 Token、成功率多少、哪些文件已经交付。没有基线，预算控制就是拍脑袋。

7. 排障清单：401、404、429、上下文超限分别怎么查

批量任务一旦报错，先看错误类型，不要直接换 Key。

401 Unauthorized

最常见原因是 Key 没读到。检查顺序：

echo "$ANTHROPIC_AUTH_TOKEN" | wc -c echo "$TAOTOKEN_API_KEY" | wc -c

如果长度是 1，说明变量为空。Claude Code 看ANTHROPIC_AUTH_TOKEN，Codex 看TAOTOKEN_API_KEY，不要混。Key 复制时末尾有空格也会导致 401，建议重新从 TaoToken 控制台复制。创建入口：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=claude_slides_troubleshoot 。

404 Not Found

404 通常不是 Key 问题，而是路径拼接问题。Claude Code 的ANTHROPIC_BASE_URL写https://taotoken.net/api，Codex 的base_url写https://taotoken.net/api/v1。如果你在 Claude Code 里写了/v1，或者自定义脚本里少写了/v1，都可能 404。先按客户端类型对齐，再检查有没有多余的尾部斜杠。

429 Too Many Requests

批量脚本串行执行时很少 429，但如果你开了并发，或者多个同事共用一个 Key 跑大批量任务，就可能触发。处理方式：

1. 降低并发，先改成串行。
2. 在脚本里加指数退避：失败后等 2 秒、4 秒、8 秒再重试。
3. 把任务拆成上午、下午两批，避免集中消耗。
4. 给不同项目分配不同 Key，预算观察表也更容易拆开看。

上下文超限

幻灯片批量任务很容易把“所有背景材料”塞进 prompt，导致上下文超限。正确做法是：

• 每个项目只放最近一个周期的材料。
• 历史对比用本地脚本先算成一张小表，不要把原始明细全量给模型。
• prompt 里只保留模板、字段说明、输出格式要求。
• 如果必须引用长文档，先做本地摘要，再把摘要放进 prompt。

这些动作都不需要连生产库，全部在本地文件系统完成。数据团队可以把它做成标准流程：导出、脱敏、本地摘要、批量生成、预算记录、归档。

8. 把 Claude Slides 批量任务接到 TaoToken：下一步入口

Claude Slides、Claude Design、Claude Docs 的具体交互细节以官方视频为准，但数据团队的落地路径是确定的：先固定 Key 和 Base URL，再把批量任务写成可复现脚本，最后用预算观察表和归档目录把成本与交付物绑定。Base URL 始终是：

https://taotoken.net/api

如果你还在选入口，可以从模型对话开始验证一份幻灯片的效果；如果是团队长期使用，直接看 Coding Plan 更合适；如果要做自建脚本和批量任务，先创建 API Key；如果主力工具是 Claude Code，则把官方文档里的配置项对应到本文的settings.json写法。

• 模型对话入口：https://taotoken.net/models/detail/chat?utm_source=taotoken_aicg_blog_end&utm_content=claude_slides_chat
• Coding Plan：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=claude_slides_plan
• 创建 API Key：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=claude_slides_key
• Claude Code 文档：https://taotoken.net/doc/ClaudeCodeAnthropic?utm_source=taotoken_aicg_blog_end&utm_content=claude_slides_doc

建议第一次只跑 4 份幻灯片，确认预算观察表有数据、输出归档有文件、失败任务有错误记录，再扩大到全量。批量生成不可怕，可怕的是批量生成之后不知道钱花在哪里、文件存到哪里、下一批该怎么改。把 Key、Base URL、manifest、预算表、归档目录这五件事固定下来，Claude Slides 才真正从“新功能”变成数据团队可用的生产工具。