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_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_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_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite ，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_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 。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/api，Key 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_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite ，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 Code，Skill 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_URL=https://taotoken.net/api TAOTOKEN_API_KEY=sk-你的Key TAOTOKEN_MODEL=qwen3-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(.contextWindow>=128000)' 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_url="https://taotoken.net/api", api_key="sk-你的Key" ) resp = client.chat.completions.create( model="qwen3-max", messages=[{"role": "user", "content": "用一句话解释什么是限流"}], temperature=0.7 ) 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/api，Key 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 ID，messages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_source=taotoken_aicg_blog_end&utm_content=models&utm_campaign=rewrite 。长期跑编码任务的话，Coding Plan 按套餐走更省心： https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding-plan&utm_campaign=rewrite 。API Key 在控制台管理： https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api-keys&utm_campaign=rewrite 。接入文档在 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite ，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。
