1. 拿 CAD 生成结果对照 GPT-5.2先把 TaoToken 请求差异记录跑通在拿港大 1.5B CAD 生成模型对照 GPT-5.2 时我建议先到 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_intro 创建 Key再把 Base URL 固定为 https://taotoken.net/api。原因很直接CAD 生成对照不是“跑一次截图”就结束。你要记录的是请求差异比如模型 ID、system prompt、temperature、max_tokens、stream、返回 JSON 结构、是否要求单位、是否允许解释文字还要记录输出差异比如外径、内径、厚度、螺栓孔数量、孔径、中心圆直径、倒角、槽宽、坐标基准。若两个模型分别用不同 Key、不同脚本、不同参数最后你很难判断差异来自模型本身还是来自请求漂移。港大 1.5B 模型在 CAD 生成上的讨论点主要集中在“参数级精度”和“结构化输出稳定性”。而 GPT-5.2 作为通用大模型优势通常在语义理解、补全说明、复杂约束拆解上。把两者放在同一套 CAD 任务里对照最有价值的方式不是只看最终图形像不像而是把请求、响应、参数解析、几何结果分层记录。TaoToken 可以作为一个统一入口先用同一个 Base URL https://taotoken.net/api 发请求再用不同模型 ID 路由到目标模型最后把每次请求的元数据和输出结果落盘。这样你得到的才是可复现的“请求差异表”和“输出对照表”而不是聊天窗口里的主观感受。本文会按这个路径展开先在 TaoToken 官网拿到 Key配置本地环境然后给出 Claude Code、Codex、CC Switch 的配置示例接着设计一组参数化 CAD 对照任务再产出请求差异表、输出对照表和复现命令最后整理 401、404、429、流式断流、模型名错误等排障清单。所有命令都在本地执行不连接生产库也不依赖任何灰色方案。2. 环境准备TaoToken Key、Base URL 与本地 CAD 对照目录第一步不是写 Prompt而是把凭据和入口固定下来。访问 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_setup 完成账号流程再进入 API Keys 页面创建 Keyhttps://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_keys 。创建后不要把 Key 写进 Git 仓库也不要在截图里暴露。本文统一使用占位符YOUR_API_KEY。第二步是确认 Base URL。TaoToken 的 API Base URL 使用https://taotoken.net/api这个地址不加 UTM 参数它只用于工具配置。官网页面可以带 UTM 方便追踪来源但接口地址保持干净。你会在 Claude Code、Codex、curl、Python SDK 里反复使用这个 Base URL。第三步是建立本地对照目录。CAD 生成任务会产生 Prompt 文件、请求 JSON、响应 JSON、解析后的参数表、DXF/STEP 导出文件、截图和日志。建议目录如下mkdir -p cad_compare/{prompts,requests,responses,parsed,exports,logs} touch cad_compare/.env.env示例export TAOTOKEN_BASE_URLhttps://taotoken.net/api export TAOTOKEN_API_KEYYOUR_API_KEY export MODEL_CAD_1_5BYOUR_HKU_CAD_1_5B_MODEL_ID export MODEL_GPT_5_2YOUR_GPT_5_2_MODEL_ID不要把.env提交到公开仓库。加载环境变量source cad_compare/.env echo $TAOTOKEN_BASE_URL如果这里输出https://taotoken.net/api说明基础入口正确。接下来所有请求都只改模型 ID 和 Prompt不再改 Base URL。3. Claude Code、Codex、CC Switch 三件套配置很多读者会把 CAD 生成 Prompt 放到 Claude Code 或 Codex 里辅助整理再通过脚本请求模型。这里要分清Claude Code 用settings.json和ANTHROPIC_*环境变量Codex 用config.toml不要把ANTHROPIC_*套到 Codex 上。两者配置方式不同混用会导致请求发给错误端点。3.1 Claude Codesettings.json 与 ANTHROPIC_*Claude Code 可读取~/.claude/settings.json或项目级配置。示例{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: YOUR_CLAUDE_CODE_MODEL_ID } }这里ANTHROPIC_BASE_URL指向 TaoToken Base URLANTHROPIC_AUTH_TOKEN使用你在 TaoToken 创建的 Key。ANTHROPIC_MODEL填 TaoToken 控制台或模型列表里对应的模型 ID。配置后重启 Claude Code让它重新读取环境。如果出现 401先检查ANTHROPIC_AUTH_TOKEN是否真的被加载。可以在终端里临时导出export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_AUTH_TOKENYOUR_API_KEY然后再启动 Claude Code。不要把 Key 直接拼进 URL也不要把 Key 写进公开的 settings 示例。3.2 Codexconfig.toml 独立配置Codex 使用~/.codex/config.toml。示例model YOUR_CODEX_MODEL_ID model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat然后设置环境变量export TAOTOKEN_API_KEYYOUR_API_KEY注意这里没有使用ANTHROPIC_*。Codex 走的是TAOTOKEN_API_KEY和base_url。如果你把 Claude Code 的ANTHROPIC_BASE_URL复制到 Codex常见结果是请求格式不匹配、端点 404 或认证失败。3.3 CC Switch 三件套供应商、Base URL、API Key如果你使用 CC Switch 管理不同环境只需要记录三件套字段值供应商名称TaoTokenBase URLhttps://taotoken.net/apiAPI KeyYOUR_API_KEY切换后建议重启对应工具。CC Switch 的价值在于你可以在多个工具间切换同一套 TaoToken 凭据但不要让不同工具共享错误的协议字段。Claude Code 看ANTHROPIC_*Codex 看config.tomlcurl 和 Python 直接看Authorization: Bearer YOUR_API_KEY。4. 设计 CAD 对照任务参数级 Prompt 比“画个零件”更有意义要让港大 1.5B 模型和 GPT-5.2 的输出可对照Prompt 必须尽量参数化。不要只说“画一个法兰”而要给出单位、尺寸、孔位、倒角、基准和输出格式。下面给出一组可复用的 CAD 任务。任务 A法兰盘外径 80 mm内径 30 mm厚度 8 mm6 个直径 8 mm 螺栓孔螺栓孔中心圆直径 60 mm孔均布输出 JSON字段包含outer_diameter、inner_diameter、thickness、hole_count、hole_diameter、bolt_circle_diameter任务 BL 型支架长边 100 mm短边 60 mm宽度 40 mm厚度 5 mm两个安装孔直径 6 mm孔中心距边缘 10 mm输出 JSON并给出折弯线位置任务 C阶梯轴总长 120 mm第一段直径 20 mm长 40 mm第二段直径 30 mm长 50 mm第三段直径 25 mm长 30 mm两端倒角 1 mm × 45°输出 JSON字段包含各段直径、长度、倒角任务 D带槽底板底板 150 mm × 80 mm × 10 mm中央通槽宽 20 mm长 100 mm四角圆角 R5四个安装孔直径 8 mm输出 JSON并明确坐标原点在底板左下角统一 system prompt 可以这样写你是 CAD 参数生成器。只输出一个合法 JSON 对象不要 Markdown不要解释。 所有尺寸单位为 mm。角度单位为度。缺失参数用 null不要编造。 字段名必须使用用户指定的英文名。数值使用数字不要带单位字符串。统一 user prompt 模板任务法兰盘 参数 - 外径80 - 内径30 - 厚度8 - 螺栓孔数量6 - 螺栓孔直径8 - 螺栓孔中心圆直径60 要求 - 孔均布。 - 输出字段outer_diameter, inner_diameter, thickness, hole_count, hole_diameter, bolt_circle_diameter。 - 只输出 JSON。把每个任务保存为文件cat cad_compare/prompts/flange.txt EOF 任务法兰盘 参数 - 外径80 - 内径30 - 厚度8 - 螺栓孔数量6 - 螺栓孔直径8 - 螺栓孔中心圆直径60 要求 - 孔均布。 - 输出字段outer_diameter, inner_diameter, thickness, hole_count, hole_diameter, bolt_circle_diameter。 - 只输出 JSON。 EOF这样后续才能比较“谁更贴近参数”而不是比较“谁画得更像”。5. 请求差异表同一条 CAD Prompt 在两个模型上如何记录请求差异表的核心不是记录模型回答而是记录你发了什么。建议字段如下编号任务模型 IDBase URLsystem prompt 版本temperaturemax_tokensstream返回格式要求request_id备注R001法兰盘YOUR_HKU_CAD_1_5B_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录对照小模型参数保持R002法兰盘YOUR_GPT_5_2_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录对照通用模型语义补全R003L 型支架YOUR_HKU_CAD_1_5B_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查折弯线R004L 型支架YOUR_GPT_5_2_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查安装孔位置R005阶梯轴YOUR_HKU_CAD_1_5B_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查分段尺寸R006阶梯轴YOUR_GPT_5_2_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查倒角字段R007带槽底板YOUR_HKU_CAD_1_5B_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查坐标原点R008带槽底板YOUR_GPT_5_2_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查槽宽与孔位为什么要把temperature固定为 0因为 CAD 参数对照需要尽量降低随机性。为什么要把stream固定为 false因为流式返回不利于一次性解析 JSON也不利于计算完整响应时间。为什么要记录request_id因为一旦输出异常你可以回到日志里定位该次请求而不是重新猜。在 TaoToken 里你可以在一次批处理中复用同一个 Key只切换模型 ID。请求差异表的目的是让你在输出对照出现分歧时能快速回答三个问题两个请求是否真的同 Prompt两个请求是否同参数两个请求是否同 Base URL如果这三点不统一后面的输出对照就没有意义。6. 输出对照表参数级精度怎么看不只靠肉眼输出对照表建议按“参数解析是否正确”和“几何意图是否完整”两层来评。下面是一个模板任务关键参数港大 1.5B 输出观察GPT-5.2 输出观察参数级差异检查本地验证结果法兰盘外径 80观察是否输出 80 数字观察是否输出 80 数字数值相等解析 JSON 后比对法兰盘内径 30是否保持 30是否保持 30数值相等解析 JSON 后比对法兰盘孔数 6是否输出 6是否输出 6数值相等解析 JSON 后比对法兰盘孔径 8是否输出 8是否输出 8数值相等解析 JSON 后比对法兰盘中心圆 60是否输出 60是否输出 60数值相等解析 JSON 后比对L 支架长边 100是否保持 100是否可能补充说明检查字段解析 JSON 后比对L 支架短边 60是否保持 60是否保持 60检查字段解析 JSON 后比对L 支架孔边距 10是否保持 10是否保持 10检查字段解析 JSON 后比对阶梯轴分段直径是否按 20/30/25是否按 20/30/25数组顺序解析 JSON 后比对阶梯轴分段长度是否按 40/50/30是否按 40/50/30数组顺序解析 JSON 后比对阶梯轴倒角是否输出 1×45°是否输出 1×45°数值与角度解析 JSON 后比对带槽底板槽宽 20是否保持 20是否保持 20数值相等解析 JSON 后比对带槽底板圆角 R5是否输出 5是否输出 5数值相等解析 JSON 后比对带槽底板坐标原点是否明确左下角是否可能重定义语义检查人工复核在本次对照思路里不预先写“谁一定反超谁”。更可靠的做法是同一批任务、同一套字段、同一温度、同一最大 token然后看两个模型在参数保持、JSON 合法性、单位一致性、坐标基准、缺失值处理上的表现。港大 1.5B 模型的看点在于小参数量下能否把显式参数稳定写入结构化字段GPT-5.2 的看点在于复杂任务拆解、自然语言约束补全和异常输入处理。两类能力不是同一个维度输出对照表要把它们分开。参数级精度检查可以写成脚本。例如读取响应 JSON检查必需字段是否存在、数值是否等于 Prompt 给定值、单位是否被改写为字符串、数组长度是否匹配。下面是一个简化的 Python 校验片段import json from pathlib import Path expected { outer_diameter: 80, inner_diameter: 30, thickness: 8, hole_count: 6, hole_diameter: 8, bolt_circle_diameter: 60, } resp_file Path(cad_compare/responses/R001_flange_hku.json) data json.loads(resp_file.read_text(encodingutf-8)) for key, value in expected.items(): actual data.get(key) status OK if actual value else DIFF print(f{key}: expected{value}, actual{actual}, status{status})这个脚本不连接任何生产库只读取你本地的响应文件。你可以把它扩展到所有任务生成 CSV 对照表import csv import json from pathlib import Path rows [] for resp in Path(cad_compare/responses).glob(*.json): data json.loads(resp.read_text(encodingutf-8)) rows.append({ file: resp.name, outer_diameter: data.get(outer_diameter), inner_diameter: data.get(inner_diameter), thickness: data.get(thickness), hole_count: data.get(hole_count), hole_diameter: data.get(hole_diameter), bolt_circle_diameter: data.get(bolt_circle_diameter), }) with open(cad_compare/parsed/flange_summary.csv, w, newline, encodingutf-8) as f: writer csv.DictWriter(f, fieldnamesrows[0].keys()) writer.writeheader() writer.writerows(rows)7. 复现命令curl、批处理与日志归档先加载环境变量source cad_compare/.env确认变量存在test -n $TAOTOKEN_API_KEY echo key loaded test $TAOTOKEN_BASE_URL https://taotoken.net/api echo base url ok单次 curl 请求港大 1.5B 模型curl -sS ${TAOTOKEN_BASE_URL}/v1/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: ${MODEL_CAD_1_5B}, messages: [ { role: system, content: 你是 CAD 参数生成器。只输出一个合法 JSON 对象不要 Markdown不要解释。所有尺寸单位为 mm。 }, { role: user, content: 任务法兰盘。外径 80内径 30厚度 8螺栓孔数量 6螺栓孔直径 8中心圆直径 60。输出字段outer_diameter, inner_diameter, thickness, hole_count, hole_diameter, bolt_circle_diameter。只输出 JSON。 } ], temperature: 0, max_tokens: 1024, stream: false } | tee cad_compare/responses/R001_flange_hku.json单次 curl 请求 GPT-5.2curl -sS ${TAOTOKEN_BASE_URL}/v1/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: ${MODEL_GPT_5_2}, messages: [ { role: system, content: 你是 CAD 参数生成器。只输出一个合法 JSON 对象不要 Markdown不要解释。所有尺寸单位为 mm。 }, { role: user, content: 任务法兰盘。外径 80内径 30厚度 8螺栓孔数量 6螺栓孔直径 8中心圆直径 60。输出字段outer_diameter, inner_diameter, thickness, hole_count, hole_diameter, bolt_circle_diameter。只输出 JSON。 } ], temperature: 0, max_tokens: 1024, stream: false } | tee cad_compare/responses/R002_flange_gpt52.json批处理两个模型for MODEL_ID in $MODEL_CAD_1_5B $MODEL_GPT_5_2; do SAFE_NAME$(echo $MODEL_ID | tr /: __) curl -sS ${TAOTOKEN_BASE_URL}/v1/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: ${MODEL_ID}, messages: [ {role: system, content: 你是 CAD 参数生成器。只输出 JSON。}, {role: user, content: 任务法兰盘。外径 80内径 30厚度 8孔数 6孔径 8中心圆 60。字段outer_diameter, inner_diameter, thickness, hole_count, hole_diameter, bolt_circle_diameter。} ], temperature: 0, max_tokens: 1024, stream: false } cad_compare/responses/flange_${SAFE_NAME}.json done如果你使用 Python OpenAI 兼容 SDK可以这样写import os from openai import OpenAI client OpenAI( api_keyos.environ[TAOTOKEN_API_KEY], base_urlos.environ[TAOTOKEN_BASE_URL], ) models [ os.environ[MODEL_CAD_1_5B], os.environ[MODEL_GPT_5_2], ] prompt 任务法兰盘。外径 80内径 30厚度 8孔数 6孔径 8中心圆 60。只输出 JSON。 for model in models: resp client.chat.completions.create( modelmodel, messages[ {role: system, content: 你是 CAD 参数生成器。只输出 JSON。}, {role: user, content: prompt}, ], temperature0, max_tokens1024, ) safe model.replace(/, _).replace(:, _) with open(fcad_compare/responses/{safe}_flange.json, w, encodingutf-8) as f: f.write(resp.choices[0].message.content)记录请求差异时可以在每次调用后追加一行 CSVecho R001,flange,${MODEL_CAD_1_5B},https://taotoken.net/api,0,1024,false,json cad_compare/logs/request_diff.csv echo R002,flange,${MODEL_GPT_5_2},https://taotoken.net/api,0,1024,false,json cad_compare/logs/request_diff.csv这样你就有了复现命令、请求差异表和响应文件。后续无论输出对照结果如何都能回溯到具体请求。8. 排障清单401、404、429、流式断流与模型名错误接入阶段最容易遇到的问题不是模型能力而是配置细节。下面按现象排查。现象一401 Unauthorized先检查请求头curl -sS ${TAOTOKEN_BASE_URL}/v1/chat/completions \ -H Authorization: Bearer YOUR_API_KEY \ -H Content-Type: application/json \ -d {model:YOUR_MODEL_ID,messages:[{role:user,content:ping}]}如果仍然 401回到 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_troubleshoot 检查 Key 是否有效或重新进入 API Keys 页面创建新 Keyhttps://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_keys_retry 。注意 Key 不要带空格也不要把Bearer写错。现象二404 Not Found常见原因是 Base URL 写成了别的路径或者 curl 里少写或多写/v1。统一原则是工具配置里 Base URL 用https://taotoken.net/apicurl 直连时使用${TAOTOKEN_BASE_URL}/v1/chat/completions。不要混用两个不同供应商的端点。现象三模型不存在或 model not found请求差异表里记录的是模型 ID不是模型展示名。去 TaoToken 模型对话或控制台确认可用模型 ID。代码里用环境变量export MODEL_CAD_1_5BYOUR_HKU_CAD_1_5B_MODEL_ID export MODEL_GPT_5_2YOUR_GPT_5_2_MODEL_ID如果模型 ID 包含斜杠或冒号日志文件名要做替换否则路径会出错。现象四429 Too Many Requests批处理 CAD 对照时容易并发过高。降低并发增加重试和退避import time import random for attempt in range(5): try: # 在这里放你的请求调用 break except Exception as e: wait min(2 ** attempt random.random(), 10) print(fretry after {wait:.2f}s: {e}) time.sleep(wait)现象五流式返回导致 JSON 解析失败CAD 参数对照建议先关闭流式{ stream: false }如果必须流式先把分片拼接成完整字符串再解析 JSON。不要把每个 chunk 单独json.loads。现象六Claude Code 正常Codex 报协议错误这通常是把ANTHROPIC_*配置复制到了 Codex。Codex 使用config.toml和model_providers。检查[model_providers.taotoken] base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat而 Claude Code 检查{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY } }两者不要互相覆盖。现象七CC Switch 切换后不生效检查三件套是否完整供应商名称、Base URL、API Key。切换后重启对应工具。如果仍不生效查看工具自己的配置文件是否被项目级配置覆盖。9. 把对照结果沉淀成可复用的 CAD 生成评测流程当你跑完法兰盘、L 支架、阶梯轴、带槽底板四组任务后不要只保留聊天记录。建议整理成三个文件request_diff.csv请求差异表。记录任务、模型、Base URL、temperature、max_tokens、stream、返回格式、时间戳。output_compare.csv输出对照表。记录任务、期望参数、港大 1.5B 输出值、GPT-5.2 输出值、差异类型、是否通过。reproduce.sh复现命令。把环境变量、curl 或 Python 调用、日志归档串起来。复现脚本可以长这样#!/usr/bin/env bash set -euo pipefail source cad_compare/.env mkdir -p cad_compare/{responses,logs,parsed} TASKS(flange bracket stepped_shaft slotted_plate) for TASK in ${TASKS[]}; do for MODEL_ID in $MODEL_CAD_1_5B $MODEL_GPT_5_2; do SAFE_NAME$(echo $MODEL_ID | tr /: __) echo run task${TASK} model${MODEL_ID} curl -sS ${TAOTOKEN_BASE_URL}/v1/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: ${MODEL_ID}, messages: [ {role: system, content: 你是 CAD 参数生成器。只输出 JSON。}, {role: user, content: 请根据任务文件生成参数 JSON。} ], temperature: 0, max_tokens: 1024, stream: false } cad_compare/responses/${TASK}_${SAFE_NAME}.json echo ${TASK},${MODEL_ID},https://taotoken.net/api,0,1024,false cad_compare/logs/request_diff.csv done done更完整的做法是把每个任务的 Prompt 放在prompts/${TASK}.txt请求时读取文件。这样修改任务不用改脚本只需改 Prompt 文件。评测维度建议固定为五项JSON 合法性是否能被json.loads解析。字段完整性指定字段是否全部出现。数值一致性输出值是否等于 Prompt 给定值。单位一致性是否把 mm 写成字符串或省略。几何可解释性坐标、方向、基准、孔位是否明确。对港大 1.5B 模型的对照重点是看它在参数级任务上是否稳定保留数字对 GPT-5.2 的对照重点是看它在复杂语义、缺失参数、多约束冲突时如何取舍。不要只写“A 比 B 好”而要写“在哪个任务、哪个字段、哪种约束下A 的请求差异是什么B 的输出差异是什么”。这才符合结果对照的视角。10. 下一步模型对话、Coding Plan、创建 Key、Claude Code 文档如果你还没有开始建议按下面的 CTA 路径走一遍先到模型对话页看看目标模型 ID 和返回格式https://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_chat如果你准备把 CAD 对照脚本长期跑起来可以看 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_plan然后创建或管理 API Key填入你的YOUR_API_KEY位置https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_keys如果你使用 Claude Code 辅助整理 Prompt、日志和对照表按官方文档配置settings.json与ANTHROPIC_*https://taotoken.net/doc/ClaudeCodeAnthropic?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_claudecode最后再确认一次基础配置官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_final Base URL 是 https://taotoken.net/api Key 占位符是YOUR_API_KEY。先把法兰盘这一组任务跑通记录请求差异表再解析两个模型的 JSON 输出生成输出对照表。只要请求入口统一、参数固定、日志落盘你就能把“港大 1.5B 模型对照 GPT-5.2”的讨论变成一套可复现、可扩展、可继续追加任务的 CAD 生成评测流程。
拿 CAD 生成结果对照 GPT-5.2，TaoToken 记录请求差异
1. 拿 CAD 生成结果对照 GPT-5.2先把 TaoToken 请求差异记录跑通在拿港大 1.5B CAD 生成模型对照 GPT-5.2 时我建议先到 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_intro 创建 Key再把 Base URL 固定为 https://taotoken.net/api。原因很直接CAD 生成对照不是“跑一次截图”就结束。你要记录的是请求差异比如模型 ID、system prompt、temperature、max_tokens、stream、返回 JSON 结构、是否要求单位、是否允许解释文字还要记录输出差异比如外径、内径、厚度、螺栓孔数量、孔径、中心圆直径、倒角、槽宽、坐标基准。若两个模型分别用不同 Key、不同脚本、不同参数最后你很难判断差异来自模型本身还是来自请求漂移。港大 1.5B 模型在 CAD 生成上的讨论点主要集中在“参数级精度”和“结构化输出稳定性”。而 GPT-5.2 作为通用大模型优势通常在语义理解、补全说明、复杂约束拆解上。把两者放在同一套 CAD 任务里对照最有价值的方式不是只看最终图形像不像而是把请求、响应、参数解析、几何结果分层记录。TaoToken 可以作为一个统一入口先用同一个 Base URL https://taotoken.net/api 发请求再用不同模型 ID 路由到目标模型最后把每次请求的元数据和输出结果落盘。这样你得到的才是可复现的“请求差异表”和“输出对照表”而不是聊天窗口里的主观感受。本文会按这个路径展开先在 TaoToken 官网拿到 Key配置本地环境然后给出 Claude Code、Codex、CC Switch 的配置示例接着设计一组参数化 CAD 对照任务再产出请求差异表、输出对照表和复现命令最后整理 401、404、429、流式断流、模型名错误等排障清单。所有命令都在本地执行不连接生产库也不依赖任何灰色方案。2. 环境准备TaoToken Key、Base URL 与本地 CAD 对照目录第一步不是写 Prompt而是把凭据和入口固定下来。访问 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_setup 完成账号流程再进入 API Keys 页面创建 Keyhttps://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_keys 。创建后不要把 Key 写进 Git 仓库也不要在截图里暴露。本文统一使用占位符YOUR_API_KEY。第二步是确认 Base URL。TaoToken 的 API Base URL 使用https://taotoken.net/api这个地址不加 UTM 参数它只用于工具配置。官网页面可以带 UTM 方便追踪来源但接口地址保持干净。你会在 Claude Code、Codex、curl、Python SDK 里反复使用这个 Base URL。第三步是建立本地对照目录。CAD 生成任务会产生 Prompt 文件、请求 JSON、响应 JSON、解析后的参数表、DXF/STEP 导出文件、截图和日志。建议目录如下mkdir -p cad_compare/{prompts,requests,responses,parsed,exports,logs} touch cad_compare/.env.env示例export TAOTOKEN_BASE_URLhttps://taotoken.net/api export TAOTOKEN_API_KEYYOUR_API_KEY export MODEL_CAD_1_5BYOUR_HKU_CAD_1_5B_MODEL_ID export MODEL_GPT_5_2YOUR_GPT_5_2_MODEL_ID不要把.env提交到公开仓库。加载环境变量source cad_compare/.env echo $TAOTOKEN_BASE_URL如果这里输出https://taotoken.net/api说明基础入口正确。接下来所有请求都只改模型 ID 和 Prompt不再改 Base URL。3. Claude Code、Codex、CC Switch 三件套配置很多读者会把 CAD 生成 Prompt 放到 Claude Code 或 Codex 里辅助整理再通过脚本请求模型。这里要分清Claude Code 用settings.json和ANTHROPIC_*环境变量Codex 用config.toml不要把ANTHROPIC_*套到 Codex 上。两者配置方式不同混用会导致请求发给错误端点。3.1 Claude Codesettings.json 与 ANTHROPIC_*Claude Code 可读取~/.claude/settings.json或项目级配置。示例{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: YOUR_CLAUDE_CODE_MODEL_ID } }这里ANTHROPIC_BASE_URL指向 TaoToken Base URLANTHROPIC_AUTH_TOKEN使用你在 TaoToken 创建的 Key。ANTHROPIC_MODEL填 TaoToken 控制台或模型列表里对应的模型 ID。配置后重启 Claude Code让它重新读取环境。如果出现 401先检查ANTHROPIC_AUTH_TOKEN是否真的被加载。可以在终端里临时导出export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_AUTH_TOKENYOUR_API_KEY然后再启动 Claude Code。不要把 Key 直接拼进 URL也不要把 Key 写进公开的 settings 示例。3.2 Codexconfig.toml 独立配置Codex 使用~/.codex/config.toml。示例model YOUR_CODEX_MODEL_ID model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat然后设置环境变量export TAOTOKEN_API_KEYYOUR_API_KEY注意这里没有使用ANTHROPIC_*。Codex 走的是TAOTOKEN_API_KEY和base_url。如果你把 Claude Code 的ANTHROPIC_BASE_URL复制到 Codex常见结果是请求格式不匹配、端点 404 或认证失败。3.3 CC Switch 三件套供应商、Base URL、API Key如果你使用 CC Switch 管理不同环境只需要记录三件套字段值供应商名称TaoTokenBase URLhttps://taotoken.net/apiAPI KeyYOUR_API_KEY切换后建议重启对应工具。CC Switch 的价值在于你可以在多个工具间切换同一套 TaoToken 凭据但不要让不同工具共享错误的协议字段。Claude Code 看ANTHROPIC_*Codex 看config.tomlcurl 和 Python 直接看Authorization: Bearer YOUR_API_KEY。4. 设计 CAD 对照任务参数级 Prompt 比“画个零件”更有意义要让港大 1.5B 模型和 GPT-5.2 的输出可对照Prompt 必须尽量参数化。不要只说“画一个法兰”而要给出单位、尺寸、孔位、倒角、基准和输出格式。下面给出一组可复用的 CAD 任务。任务 A法兰盘外径 80 mm内径 30 mm厚度 8 mm6 个直径 8 mm 螺栓孔螺栓孔中心圆直径 60 mm孔均布输出 JSON字段包含outer_diameter、inner_diameter、thickness、hole_count、hole_diameter、bolt_circle_diameter任务 BL 型支架长边 100 mm短边 60 mm宽度 40 mm厚度 5 mm两个安装孔直径 6 mm孔中心距边缘 10 mm输出 JSON并给出折弯线位置任务 C阶梯轴总长 120 mm第一段直径 20 mm长 40 mm第二段直径 30 mm长 50 mm第三段直径 25 mm长 30 mm两端倒角 1 mm × 45°输出 JSON字段包含各段直径、长度、倒角任务 D带槽底板底板 150 mm × 80 mm × 10 mm中央通槽宽 20 mm长 100 mm四角圆角 R5四个安装孔直径 8 mm输出 JSON并明确坐标原点在底板左下角统一 system prompt 可以这样写你是 CAD 参数生成器。只输出一个合法 JSON 对象不要 Markdown不要解释。 所有尺寸单位为 mm。角度单位为度。缺失参数用 null不要编造。 字段名必须使用用户指定的英文名。数值使用数字不要带单位字符串。统一 user prompt 模板任务法兰盘 参数 - 外径80 - 内径30 - 厚度8 - 螺栓孔数量6 - 螺栓孔直径8 - 螺栓孔中心圆直径60 要求 - 孔均布。 - 输出字段outer_diameter, inner_diameter, thickness, hole_count, hole_diameter, bolt_circle_diameter。 - 只输出 JSON。把每个任务保存为文件cat cad_compare/prompts/flange.txt EOF 任务法兰盘 参数 - 外径80 - 内径30 - 厚度8 - 螺栓孔数量6 - 螺栓孔直径8 - 螺栓孔中心圆直径60 要求 - 孔均布。 - 输出字段outer_diameter, inner_diameter, thickness, hole_count, hole_diameter, bolt_circle_diameter。 - 只输出 JSON。 EOF这样后续才能比较“谁更贴近参数”而不是比较“谁画得更像”。5. 请求差异表同一条 CAD Prompt 在两个模型上如何记录请求差异表的核心不是记录模型回答而是记录你发了什么。建议字段如下编号任务模型 IDBase URLsystem prompt 版本temperaturemax_tokensstream返回格式要求request_id备注R001法兰盘YOUR_HKU_CAD_1_5B_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录对照小模型参数保持R002法兰盘YOUR_GPT_5_2_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录对照通用模型语义补全R003L 型支架YOUR_HKU_CAD_1_5B_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查折弯线R004L 型支架YOUR_GPT_5_2_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查安装孔位置R005阶梯轴YOUR_HKU_CAD_1_5B_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查分段尺寸R006阶梯轴YOUR_GPT_5_2_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查倒角字段R007带槽底板YOUR_HKU_CAD_1_5B_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查坐标原点R008带槽底板YOUR_GPT_5_2_MODEL_IDhttps://taotoken.net/apiv101024falseJSON本地记录检查槽宽与孔位为什么要把temperature固定为 0因为 CAD 参数对照需要尽量降低随机性。为什么要把stream固定为 false因为流式返回不利于一次性解析 JSON也不利于计算完整响应时间。为什么要记录request_id因为一旦输出异常你可以回到日志里定位该次请求而不是重新猜。在 TaoToken 里你可以在一次批处理中复用同一个 Key只切换模型 ID。请求差异表的目的是让你在输出对照出现分歧时能快速回答三个问题两个请求是否真的同 Prompt两个请求是否同参数两个请求是否同 Base URL如果这三点不统一后面的输出对照就没有意义。6. 输出对照表参数级精度怎么看不只靠肉眼输出对照表建议按“参数解析是否正确”和“几何意图是否完整”两层来评。下面是一个模板任务关键参数港大 1.5B 输出观察GPT-5.2 输出观察参数级差异检查本地验证结果法兰盘外径 80观察是否输出 80 数字观察是否输出 80 数字数值相等解析 JSON 后比对法兰盘内径 30是否保持 30是否保持 30数值相等解析 JSON 后比对法兰盘孔数 6是否输出 6是否输出 6数值相等解析 JSON 后比对法兰盘孔径 8是否输出 8是否输出 8数值相等解析 JSON 后比对法兰盘中心圆 60是否输出 60是否输出 60数值相等解析 JSON 后比对L 支架长边 100是否保持 100是否可能补充说明检查字段解析 JSON 后比对L 支架短边 60是否保持 60是否保持 60检查字段解析 JSON 后比对L 支架孔边距 10是否保持 10是否保持 10检查字段解析 JSON 后比对阶梯轴分段直径是否按 20/30/25是否按 20/30/25数组顺序解析 JSON 后比对阶梯轴分段长度是否按 40/50/30是否按 40/50/30数组顺序解析 JSON 后比对阶梯轴倒角是否输出 1×45°是否输出 1×45°数值与角度解析 JSON 后比对带槽底板槽宽 20是否保持 20是否保持 20数值相等解析 JSON 后比对带槽底板圆角 R5是否输出 5是否输出 5数值相等解析 JSON 后比对带槽底板坐标原点是否明确左下角是否可能重定义语义检查人工复核在本次对照思路里不预先写“谁一定反超谁”。更可靠的做法是同一批任务、同一套字段、同一温度、同一最大 token然后看两个模型在参数保持、JSON 合法性、单位一致性、坐标基准、缺失值处理上的表现。港大 1.5B 模型的看点在于小参数量下能否把显式参数稳定写入结构化字段GPT-5.2 的看点在于复杂任务拆解、自然语言约束补全和异常输入处理。两类能力不是同一个维度输出对照表要把它们分开。参数级精度检查可以写成脚本。例如读取响应 JSON检查必需字段是否存在、数值是否等于 Prompt 给定值、单位是否被改写为字符串、数组长度是否匹配。下面是一个简化的 Python 校验片段import json from pathlib import Path expected { outer_diameter: 80, inner_diameter: 30, thickness: 8, hole_count: 6, hole_diameter: 8, bolt_circle_diameter: 60, } resp_file Path(cad_compare/responses/R001_flange_hku.json) data json.loads(resp_file.read_text(encodingutf-8)) for key, value in expected.items(): actual data.get(key) status OK if actual value else DIFF print(f{key}: expected{value}, actual{actual}, status{status})这个脚本不连接任何生产库只读取你本地的响应文件。你可以把它扩展到所有任务生成 CSV 对照表import csv import json from pathlib import Path rows [] for resp in Path(cad_compare/responses).glob(*.json): data json.loads(resp.read_text(encodingutf-8)) rows.append({ file: resp.name, outer_diameter: data.get(outer_diameter), inner_diameter: data.get(inner_diameter), thickness: data.get(thickness), hole_count: data.get(hole_count), hole_diameter: data.get(hole_diameter), bolt_circle_diameter: data.get(bolt_circle_diameter), }) with open(cad_compare/parsed/flange_summary.csv, w, newline, encodingutf-8) as f: writer csv.DictWriter(f, fieldnamesrows[0].keys()) writer.writeheader() writer.writerows(rows)7. 复现命令curl、批处理与日志归档先加载环境变量source cad_compare/.env确认变量存在test -n $TAOTOKEN_API_KEY echo key loaded test $TAOTOKEN_BASE_URL https://taotoken.net/api echo base url ok单次 curl 请求港大 1.5B 模型curl -sS ${TAOTOKEN_BASE_URL}/v1/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: ${MODEL_CAD_1_5B}, messages: [ { role: system, content: 你是 CAD 参数生成器。只输出一个合法 JSON 对象不要 Markdown不要解释。所有尺寸单位为 mm。 }, { role: user, content: 任务法兰盘。外径 80内径 30厚度 8螺栓孔数量 6螺栓孔直径 8中心圆直径 60。输出字段outer_diameter, inner_diameter, thickness, hole_count, hole_diameter, bolt_circle_diameter。只输出 JSON。 } ], temperature: 0, max_tokens: 1024, stream: false } | tee cad_compare/responses/R001_flange_hku.json单次 curl 请求 GPT-5.2curl -sS ${TAOTOKEN_BASE_URL}/v1/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: ${MODEL_GPT_5_2}, messages: [ { role: system, content: 你是 CAD 参数生成器。只输出一个合法 JSON 对象不要 Markdown不要解释。所有尺寸单位为 mm。 }, { role: user, content: 任务法兰盘。外径 80内径 30厚度 8螺栓孔数量 6螺栓孔直径 8中心圆直径 60。输出字段outer_diameter, inner_diameter, thickness, hole_count, hole_diameter, bolt_circle_diameter。只输出 JSON。 } ], temperature: 0, max_tokens: 1024, stream: false } | tee cad_compare/responses/R002_flange_gpt52.json批处理两个模型for MODEL_ID in $MODEL_CAD_1_5B $MODEL_GPT_5_2; do SAFE_NAME$(echo $MODEL_ID | tr /: __) curl -sS ${TAOTOKEN_BASE_URL}/v1/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: ${MODEL_ID}, messages: [ {role: system, content: 你是 CAD 参数生成器。只输出 JSON。}, {role: user, content: 任务法兰盘。外径 80内径 30厚度 8孔数 6孔径 8中心圆 60。字段outer_diameter, inner_diameter, thickness, hole_count, hole_diameter, bolt_circle_diameter。} ], temperature: 0, max_tokens: 1024, stream: false } cad_compare/responses/flange_${SAFE_NAME}.json done如果你使用 Python OpenAI 兼容 SDK可以这样写import os from openai import OpenAI client OpenAI( api_keyos.environ[TAOTOKEN_API_KEY], base_urlos.environ[TAOTOKEN_BASE_URL], ) models [ os.environ[MODEL_CAD_1_5B], os.environ[MODEL_GPT_5_2], ] prompt 任务法兰盘。外径 80内径 30厚度 8孔数 6孔径 8中心圆 60。只输出 JSON。 for model in models: resp client.chat.completions.create( modelmodel, messages[ {role: system, content: 你是 CAD 参数生成器。只输出 JSON。}, {role: user, content: prompt}, ], temperature0, max_tokens1024, ) safe model.replace(/, _).replace(:, _) with open(fcad_compare/responses/{safe}_flange.json, w, encodingutf-8) as f: f.write(resp.choices[0].message.content)记录请求差异时可以在每次调用后追加一行 CSVecho R001,flange,${MODEL_CAD_1_5B},https://taotoken.net/api,0,1024,false,json cad_compare/logs/request_diff.csv echo R002,flange,${MODEL_GPT_5_2},https://taotoken.net/api,0,1024,false,json cad_compare/logs/request_diff.csv这样你就有了复现命令、请求差异表和响应文件。后续无论输出对照结果如何都能回溯到具体请求。8. 排障清单401、404、429、流式断流与模型名错误接入阶段最容易遇到的问题不是模型能力而是配置细节。下面按现象排查。现象一401 Unauthorized先检查请求头curl -sS ${TAOTOKEN_BASE_URL}/v1/chat/completions \ -H Authorization: Bearer YOUR_API_KEY \ -H Content-Type: application/json \ -d {model:YOUR_MODEL_ID,messages:[{role:user,content:ping}]}如果仍然 401回到 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_troubleshoot 检查 Key 是否有效或重新进入 API Keys 页面创建新 Keyhttps://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_keys_retry 。注意 Key 不要带空格也不要把Bearer写错。现象二404 Not Found常见原因是 Base URL 写成了别的路径或者 curl 里少写或多写/v1。统一原则是工具配置里 Base URL 用https://taotoken.net/apicurl 直连时使用${TAOTOKEN_BASE_URL}/v1/chat/completions。不要混用两个不同供应商的端点。现象三模型不存在或 model not found请求差异表里记录的是模型 ID不是模型展示名。去 TaoToken 模型对话或控制台确认可用模型 ID。代码里用环境变量export MODEL_CAD_1_5BYOUR_HKU_CAD_1_5B_MODEL_ID export MODEL_GPT_5_2YOUR_GPT_5_2_MODEL_ID如果模型 ID 包含斜杠或冒号日志文件名要做替换否则路径会出错。现象四429 Too Many Requests批处理 CAD 对照时容易并发过高。降低并发增加重试和退避import time import random for attempt in range(5): try: # 在这里放你的请求调用 break except Exception as e: wait min(2 ** attempt random.random(), 10) print(fretry after {wait:.2f}s: {e}) time.sleep(wait)现象五流式返回导致 JSON 解析失败CAD 参数对照建议先关闭流式{ stream: false }如果必须流式先把分片拼接成完整字符串再解析 JSON。不要把每个 chunk 单独json.loads。现象六Claude Code 正常Codex 报协议错误这通常是把ANTHROPIC_*配置复制到了 Codex。Codex 使用config.toml和model_providers。检查[model_providers.taotoken] base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat而 Claude Code 检查{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY } }两者不要互相覆盖。现象七CC Switch 切换后不生效检查三件套是否完整供应商名称、Base URL、API Key。切换后重启对应工具。如果仍不生效查看工具自己的配置文件是否被项目级配置覆盖。9. 把对照结果沉淀成可复用的 CAD 生成评测流程当你跑完法兰盘、L 支架、阶梯轴、带槽底板四组任务后不要只保留聊天记录。建议整理成三个文件request_diff.csv请求差异表。记录任务、模型、Base URL、temperature、max_tokens、stream、返回格式、时间戳。output_compare.csv输出对照表。记录任务、期望参数、港大 1.5B 输出值、GPT-5.2 输出值、差异类型、是否通过。reproduce.sh复现命令。把环境变量、curl 或 Python 调用、日志归档串起来。复现脚本可以长这样#!/usr/bin/env bash set -euo pipefail source cad_compare/.env mkdir -p cad_compare/{responses,logs,parsed} TASKS(flange bracket stepped_shaft slotted_plate) for TASK in ${TASKS[]}; do for MODEL_ID in $MODEL_CAD_1_5B $MODEL_GPT_5_2; do SAFE_NAME$(echo $MODEL_ID | tr /: __) echo run task${TASK} model${MODEL_ID} curl -sS ${TAOTOKEN_BASE_URL}/v1/chat/completions \ -H Authorization: Bearer ${TAOTOKEN_API_KEY} \ -H Content-Type: application/json \ -d { model: ${MODEL_ID}, messages: [ {role: system, content: 你是 CAD 参数生成器。只输出 JSON。}, {role: user, content: 请根据任务文件生成参数 JSON。} ], temperature: 0, max_tokens: 1024, stream: false } cad_compare/responses/${TASK}_${SAFE_NAME}.json echo ${TASK},${MODEL_ID},https://taotoken.net/api,0,1024,false cad_compare/logs/request_diff.csv done done更完整的做法是把每个任务的 Prompt 放在prompts/${TASK}.txt请求时读取文件。这样修改任务不用改脚本只需改 Prompt 文件。评测维度建议固定为五项JSON 合法性是否能被json.loads解析。字段完整性指定字段是否全部出现。数值一致性输出值是否等于 Prompt 给定值。单位一致性是否把 mm 写成字符串或省略。几何可解释性坐标、方向、基准、孔位是否明确。对港大 1.5B 模型的对照重点是看它在参数级任务上是否稳定保留数字对 GPT-5.2 的对照重点是看它在复杂语义、缺失参数、多约束冲突时如何取舍。不要只写“A 比 B 好”而要写“在哪个任务、哪个字段、哪种约束下A 的请求差异是什么B 的输出差异是什么”。这才符合结果对照的视角。10. 下一步模型对话、Coding Plan、创建 Key、Claude Code 文档如果你还没有开始建议按下面的 CTA 路径走一遍先到模型对话页看看目标模型 ID 和返回格式https://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_chat如果你准备把 CAD 对照脚本长期跑起来可以看 Coding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_plan然后创建或管理 API Key填入你的YOUR_API_KEY位置https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_keys如果你使用 Claude Code 辅助整理 Prompt、日志和对照表按官方文档配置settings.json与ANTHROPIC_*https://taotoken.net/doc/ClaudeCodeAnthropic?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_claudecode最后再确认一次基础配置官网入口是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentcad_compare_final Base URL 是 https://taotoken.net/api Key 占位符是YOUR_API_KEY。先把法兰盘这一组任务跑通记录请求差异表再解析两个模型的 JSON 输出生成输出对照表。只要请求入口统一、参数固定、日志落盘你就能把“港大 1.5B 模型对照 GPT-5.2”的讨论变成一套可复现、可扩展、可继续追加任务的 CAD 生成评测流程。
