1. 907 个智能体群共用一个 .env先把 Key 与 Base URL 收口907 个智能体群共用一个 .env最容易翻车的不是模型选型而是 Key 和 Base URL 没有统一收口。我在 TaoToken 申请了一个 KeyBase URL 固定写成https://taotoken.net/api907 个 agent 全部从同一份 .env 读参数脚本里不再出现第二份凭证。这样做的直接收益是批量脚本跑到第 37 个进程吃到 429 时我只需要改一个WAVE_PARALLEL而不是去 12 个文件里找哪个 Key 写错了。这轮踩坑的起因是我在复现 DAIR.AI 转发的那篇智能体群agent swarm研究。论文用第三方公开 wiki 存档重建了智能体群在评测中意外形成协作的过程规模是 907 个智能体群、约 876 次实验原始事件里2026 年 5 月 24 日到 7 月 2 日这段时间定时研究评测中的自主智能体向第三方公开 wiki 写入过内容OpenAI 已经承认此事。对维护批量脚本的人来说这件事真正有参考价值的点不是智能体是不是失控了而是当九百多个进程共享同一套凭证、同一个写入通道、同一份配置时任何一处配置漂移都会被放大成事故一个 agent 的超时参数没生效后面几百个进程会排队重试一个写入去重键写错日志里就会混进上一个 agent 的记录。所以复现这类实验我的顺序是反过来的先搭好凭证与参数收口再谈提示词和协作策略。具体要收口的东西有四类凭证Key 只出现一次YOUR_API_KEY作为占位符进模板真值只存在于本地.env或系统环境变量绝不进 git。网关Base URL 只有https://taotoken.net/api这一个值Claude Code、Codex、以及那 907 个 agent 的批量脚本共用同一个入口。角色参数模型 ID、温度、最大输出长度按角色分层而不是每个 agent 抄一遍。运行护栏超时、重试、并发、写入模式、日志目录全部可被单次运行覆盖。下面按模板 → 启动 → 接工具 → 排障的顺序展开所有命令都由你在本地终端执行脚本只读环境变量不把明文 Key 拼进命令行参数。2. .env 参数模板全局层 角色层 单 agent 覆盖层907 个 agent 如果每个都写一份独立配置维护成本会直接失控。我的做法是三层叠加全局层放网关、并发、日志角色层放模型与采样参数单 agent 覆盖层只在确实需要特例时存在907 个里通常不超过十几个。先看全局与角色层的.env# # 全局层TaoToken 接入907 个 agent 共用只写一次 # TAOTOKEN_BASE_URLhttps://taotoken.net/api TAOTOKEN_API_KEYYOUR_API_KEY # # 全局层群组规模与并发控制 # SWARM_TOTAL907 SWARM_WAVE_SIZE50 SWARM_WAVE_PARALLEL10 SWARM_WAVE_GAP_SEC5 SWARM_MAX_RETRY3 SWARM_RETRY_BACKOFF1.8 SWARM_JITTER0.4 SWARM_REQUEST_TIMEOUT180 # # 角色层规划者 / 执行者 / 评审者 # 模型 ID 请替换成你控制台模型列表里的实际值 # ROLE_PLANNER_MODELYOUR_MODEL_ID ROLE_PLANNER_TEMPERATURE0.2 ROLE_PLANNER_MAX_TOKENS2048 ROLE_WORKER_MODELYOUR_MODEL_ID ROLE_WORKER_TEMPERATURE0.7 ROLE_WORKER_MAX_TOKENS1024 ROLE_CRITIC_MODELYOUR_MODEL_ID ROLE_CRITIC_TEMPERATURE0.0 ROLE_CRITIC_MAX_TOKENS1536 # # 护栏预算、轮次、写入模式 # AGENT_TOKEN_BUDGET12000 AGENT_MAX_TURNS8 WIKI_WRITE_MODEstaged WIKI_DRY_RUNtrue # # 可观测性 # RUN_ID_PREFIXswarm907 LOG_DIR./runs LOG_LEVELINFO SAVE_FULL_TRACEtrue几个参数的实际含义以及为什么它们必须放在全局层而不是角色层SWARM_WAVE_SIZE50决定每一波切多少个 agent。907 除以 50会切成 19 个名单文件前 18 波各 50 个最后一波 7 个。这个值不要设太大因为一波是一起启动的名单文件太大会让哪一波出的错这件事在日志里变得难以定位。SWARM_WAVE_PARALLEL10是波内并发上限。它和WAVE_SIZE是两个独立维度一波 50 个 agent但同时最多 10 个在跑。这样 429 出现时你只需要把这一个值从 10 降到 4其余配置不动。SWARM_JITTER0.4是重试退避的随机抖动系数。907 个进程如果按完全一致的退避曲线重试会形成新的同步峰值。加抖动是批量脚本的基本礼貌。WIKI_WRITE_MODE有三个可取值off、dry-run、staged。复现阶段我默认走staged——agent 生成的写入内容先落到本地待审目录人工或规则确认后才真正提交。这样即使协作策略出现意外影响范围也只在你自己的运行目录里。单 agent 覆盖层长这样放在agents/目录下按 ID 命名# agents/0042.env —— 只在需要特例时创建 ROLE_WORKER_TEMPERATURE0.9 AGENT_MAX_TURNS12加载逻辑是先全局、再角色、最后单 agent后者覆盖前者。这里有一个容易忽略的细节密钥不要放在覆盖层。覆盖层只覆盖行为参数凭证永远只从全局层来否则你又会得到 907 份需要轮换的 Key。最后把.env排除出版本控制# .gitignore .env .env.* !.env.example agents/*.env runs/同时留一份.env.example把YOUR_API_KEY和YOUR_MODEL_ID作为占位符存进仓库。团队协作时别人克隆下来只需要在本地补两个值。模型 ID 可以在 TaoToken 官网的模型列表里对照确认Key 则在控制台的 API Keys 页面创建。3. 907 个智能体群分批启动wave 队列 并发上限 独立日志参数收口好之后启动脚本本身应该短到可以一眼看完。核心是三件事把.env注入子进程、把 907 切成波、逐波启动并留出间隔。#!/usr/bin/env bash # swarm907_launch.sh —— 907 个智能体群分批启动 set -euo pipefail # 1) 用 set -a 把 .env 的每个变量导出为环境变量 # 这样子进程python / xargs 派生的进程都能读到 set -a source ./.env set a # 2) 启动前硬校验缺一个就直接退出别跑一半才发现 : ${TAOTOKEN_BASE_URL:?missing TAOTOKEN_BASE_URL} : ${TAOTOKEN_API_KEY:?missing TAOTOKEN_API_KEY} : ${SWARM_TOTAL:?missing SWARM_TOTAL} export TAOTOKEN_BASE_URL TAOTOKEN_API_KEY # 3) 生成本次运行的隔离目录不同批次互不覆盖 RUN_ID${RUN_ID_PREFIX}-$(date %Y%m%d-%H%M%S) RUN_DIR${LOG_DIR}/${RUN_ID} mkdir -p ${RUN_DIR}/waves echo [init] run_id${RUN_ID} echo [init] total_agents${SWARM_TOTAL} wave_size${SWARM_WAVE_SIZE} parallel${SWARM_WAVE_PARALLEL} # 4) 把 1..907 切成 wave 名单文件 seq 1 ${SWARM_TOTAL} \ | split -l ${SWARM_WAVE_SIZE} - ${RUN_DIR}/waves/wave- --additional-suffix.list # 5) 逐波启动波内并发受 SWARM_WAVE_PARALLEL 控制 for list in ${RUN_DIR}/waves/wave-*.list; do wave_name$(basename ${list} .list) started_at$(date %s) echo [launch] ${wave_name} begin $(date %T) # -P 控制并发-I{} 把名单里的每一行喂给 python xargs -I{} -P ${SWARM_WAVE_PARALLEL} \ python3 run_agent.py \ --agent-id {} \ --run-id ${RUN_ID} \ --wave ${wave_name} \ --out-dir ${RUN_DIR} \ ${list} elapsed$(( $(date %s) - started_at )) echo [launch] ${wave_name} done in ${elapsed}s sleep ${SWARM_WAVE_GAP_SEC} done echo [launch] all waves finished, run dir ${RUN_DIR}这里有两个刻意的设计。第一Key 通过环境变量传递不出现在xargs或python3的命令行里因为命令行参数会被ps看到也会被某些监控系统抓进日志。第二xargs -P的退出码语义是任一子进程非零则整体返回 123所以脚本层面能感知到失败但定位到具体是哪个 agent还是得靠各自独立的日志文件。单个 agent 的执行入口run_agent.py#!/usr/bin/env python3 单个智能体群的执行入口凭证只从环境变量读不写进参数。 import argparse import json import os import random import time from pathlib import Path BASE_URL os.environ[TAOTOKEN_BASE_URL] API_KEY os.environ[TAOTOKEN_API_KEY] TIMEOUT float(os.environ.get(SWARM_REQUEST_TIMEOUT, 180)) MAX_RETRY int(os.environ.get(SWARM_MAX_RETRY, 3)) BACKOFF float(os.environ.get(SWARM_RETRY_BACKOFF, 1.8)) JITTER float(os.environ.get(SWARM_JITTER, 0.4)) WRITE_MODE os.environ.get(WIKI_WRITE_MODE, staged) def load_agent_override(agent_id: int) - dict: 全局 .env 已由 shell 注入这里只补单 agent 覆盖避免 907 份重复配置。 path Path(fagents/{agent_id:04d}.env) if not path.exists(): return {} data {} for raw in path.read_text(encodingutf-8).splitlines(): line raw.strip() if not line or line.startswith(#) or not in line: continue key, value line.split(, 1) data[key.strip()] value.strip() return data def build_client(): 按你的 HTTP 客户端实现。关键点base_url 与 api_key 都来自环境变量。 # 伪代码示例 # from openai import OpenAI # return OpenAI(base_urlBASE_URL, api_keyAPI_KEY, timeoutTIMEOUT) raise NotImplementedError def with_retry(fn, *args, **kwargs): 指数退避 抖动907 个进程同时重试时不会形成同步峰值。 last_exc None for attempt in range(1, MAX_RETRY 1): try: return fn(*args, **kwargs) except Exception as exc: # noqa: BLE001 last_exc exc if attempt MAX_RETRY: break wait BACKOFF ** attempt random.uniform(0, JITTER) print(f[retry] agent attempt{attempt} wait{wait:.2f}s err{exc}, flushTrue) time.sleep(wait) raise last_exc def main() - None: parser argparse.ArgumentParser() parser.add_argument(--agent-id, typeint, requiredTrue) parser.add_argument(--run-id, requiredTrue) parser.add_argument(--wave, requiredTrue) parser.add_argument(--out-dir, requiredTrue) args parser.parse_args() override load_agent_override(args.agent_id) header { run_id: args.run_id, wave: args.wave, agent_id: args.agent_id, base_url: BASE_URL, # 只落 Key 尾号方便对账别把明文写进日志 api_key_tail: API_KEY[-4:] if len(API_KEY) 4 else ****, write_mode: WRITE_MODE, override_keys: sorted(override.keys()), started_at: time.time(), } out Path(args.out_dir) / f{args.wave}-agent-{args.agent_id:04d}.jsonl with out.open(a, encodingutf-8) as fp: fp.write(json.dumps(header, ensure_asciiFalse) \n) if __name__ __main__: main()一份日志记一个 agent文件名里带 wave 和 agent ID好处是排障时可以直接grep# 找出所有重试次数超过 2 的 agent grep -l retry_count: [3-9] runs/swarm907-*/wave-*.jsonl # 统计某一波的失败数 grep -c status: failed runs/swarm907-20260524-101500/wave-aa-agent-*.jsonl如果某一波跑挂了一半不需要从头再来。把 wave 名单拆出来单独重跑即可# 只重跑第 7 波里失败的那些 agent python3 tools/collect_failed.py --run-dir runs/swarm907-20260524-101500 \ /tmp/retry.list xargs -I{} -P 4 python3 run_agent.py \ --agent-id {} \ --run-id swarm907-20260524-101500-resume \ --wave wave-retry \ --out-dir runs/swarm907-20260524-101500 \ /tmp/retry.list4. 同一套凭证接进 Claude Code、Codex 与 CC Switch 三件套批量脚本跑通之后日常单点调试我一般用 Claude Code 或 Codex。这两者的配置载体完全不同不要把ANTHROPIC_*那套写进 Codex 的配置文件那是两类不同的客户端。Claude Code 走settings.json用户级在~/.claude/settings.json{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: YOUR_MODEL_ID, ANTHROPIC_SMALL_FAST_MODEL: YOUR_MODEL_ID }, permissions: { allow: [Read, Write, Bash(git status)], deny: [Bash(rm -rf *)] } }如果你不想把 Key 落在这个文件里就把它从env里删掉改为在 shell 里导出ANTHROPIC_AUTH_TOKEN。Claude Code 会优先读取进程环境变量。Codex 走~/.codex/config.tomlmodel YOUR_MODEL_ID model_provider taotoken approval_policy on-request [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api chat注意env_key填的是环境变量的名字不是 Key 本身。所以使用前需要export TAOTOKEN_API_KEYYOUR_API_KEYCC Switch 的定位是多客户端配置的切换器我把它理解成三件套客户端配置文件Claude Code 的settings.json Codex 的config.toml、密钥来源环境变量或本地.env、以及 Base URL。切换供应商时只改这三样的 active 组合项目里的swarm907_launch.sh和.env完全不动。这样做的好处是907 个 agent 的批量运行和单点交互调试用的是同一份网关与同一个 Key 池不会出现脚本能跑、IDE 里报 401这种割裂。配置改完之后先做一次最小连通性验证别直接上 907 个进程# 用 3 个 agent 做冒烟测试 SWARM_TOTAL3 SWARM_WAVE_SIZE3 SWARM_WAVE_PARALLEL1 \ bash swarm907_launch.sh # 检查是否落盘成功 find runs/ -name *.jsonl | head grep -o base_url: [^]* runs/*/wave-*-agent-0001.jsonl确认base_url是https://taotoken.net/api、且没有 401 / 429 之后再放开全量。更多客户端侧的细节参数可以在 Claude Code 接入文档里对照。5. 写护栏与幂等让 907 个进程不会互相踩脚原始事件里最值得工程化借鉴的一点是写入这个动作的放大效应。907 个 agent 只要共享一个写入目标就必须解决三件事谁写的、写没写过、写错了怎么撤。**第一件标识。**每次运行生成RUN_ID每个 agent 的每次写入都带上run_id agent_id turn三元组。这三个值拼起来就是天然的去重键def dedup_key(run_id: str, agent_id: int, turn: int) - str: return f{run_id}:{agent_id}:{turn}第二件暂存。WIKI_WRITE_MODEstaged时agent 的输出先落到本地目录而不是直接推送到目标端点runs/swarm907-20260524-101500/ ├── waves/ # wave 名单 ├── staging/ # 待审写入内容 │ ├── wave-aa-agent-0001-turn-01.json │ └── wave-aa-agent-0002-turn-01.json └── wave-aa-agent-0001.jsonl # 执行日志审核规则可以是简单的关键词黑名单也可以是长度阈值——比如单次写入超过 4000 字符就拦下来人工看。这一步的目的不是不信任模型而是当 907 个进程同时产出时你需要一个可控的闸门。**第三件先 dry-run。**第一次跑全量之前把WIKI_DRY_RUNtrue打开所有写入只走校验逻辑不落目标WIKI_DRY_RUNtrue SWARM_TOTAL50 bash swarm907_launch.sh确认 50 个 agent 的去重键没有碰撞、暂存目录结构符合预期之后再关掉 dry-run 跑 907。这个顺序看起来啰嗦但能省掉事后清理的时间。6. 批量启动最常见的 7 个报错与定位顺序**401 / invalid api key。**先确认set -a有没有加。很多人写source .env却没加set -a变量只存在于当前 shellxargs派生出来的子进程看不到。检查方式set -a; source ./.env; set a env | grep -c ^TAOTOKEN_返回 2 才算正常。另外检查.env里 Key 有没有被引号包住、行尾有没有多余空格。**429 Too Many Requests。**不要先怀疑额度先降并发。把SWARM_WAVE_PARALLEL从 10 降到 4SWARM_WAVE_GAP_SEC从 5 提到 15通常就够。如果还不行再检查是不是重试抖动没生效——所有进程按同一退避曲线重试会自己制造峰值。**400 context length exceeded。**这个报错的根因往往在角色层参数不对齐ROLE_PLANNER_MAX_TOKENS设得很大但实际上下文预算没跟着调。批量脚本里长上下文角色规划、评审应该和短任务角色分开配置而不是所有角色共用一个值。Connection reset / 读超时。SWARM_REQUEST_TIMEOUT180是保守值。如果单次调用确实很长先把并发降下来再调超时并发和超时同时往上推通常只会得到更多重试。**日志串号。**症状是 A agent 的日志里出现 B agent 的写入内容。原因一般是复用了同一个客户端对象或同一个 session 标识。每个 agent 独立进程、独立 session别为了省内存做共享。**重复写入。**去重键没带run_id导致第二批运行时把第一批的键当成新键。把三元组里补上运行 ID 即可。部分 agent 静默失败。xargs -P在子进程非零退出时整体返回 123但如果你的run_agent.py把异常吞掉了就什么信号都没有。在每个 agent 的日志末尾落一条终态记录status字段跑完用一条命令统计grep -h -o status: [a-z]* runs/swarm907-*/wave-*.jsonl | sort | uniq -c7. 成本可控与收尾把 907 个群跑成可复现的批次批量实验最怕的不是失败而是不知道钱花在哪了。在run_agent.py里给每个 agent 加预算上限超了就中止并记为budget_exceeded比事后看账单更有用。AGENT_TOKEN_BUDGET12000是个起点值按实际单次调用的 token 消耗调。三个我固定保留的产出物run manifest记录本次运行的RUN_ID、SWARM_TOTAL、WAVE_SIZE、WAVE_PARALLEL、base_url。复现实验时这一份文件就是环境快照。per-agent jsonl一个 agent 一行 JSON方便用jq或 pandas 做聚合。staging 目录所有未提交的写入内容按需审阅或清理。如果你也在维护类似的批量脚本建议的动手顺序是先去 TaoToken 官网把 Key 拿到手Base URL 填https://taotoken.net/api然后按本文的.env模板改三个值Key、模型 ID、并发数先用SWARM_TOTAL3冒烟再放开到 907。想先跑通单次调用确认链路可以直接在模型对话里试需要长期跑批量任务Coding Plan更适合高频调用场景Key 在 API Keys 控制台创建客户端侧参数对照 Claude Code 接入文档逐个确认即可。