1. 小程序云函数调微信 AIToken 归属为什么要落在后端当个人小程序准备接入微信生态里的 AI 对话能力时最容易被低估的不是提示词而是 Token 归属。很多实现会把模型调用直接放在小程序端结果很快遇到三个具体问题wx.request合法域名没有配置、真机调试时 Key 暴露在请求链路里、用户 openid 与模型消耗对不上。更稳妥的做法是把模型调用收口到微信云函数小程序端只调用wx.cloud.callFunction云函数再去请求模型服务。在后端接入模型调用前先去 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentwx_cloud_token_intro 拿 Key请求地址统一用 https://taotoken.net/api。这样 Token 消耗发生在云函数所属的后端环境里前端不接触 Key后续对账、限流、场景归属也有地方落。从 Token 归属视角看小程序端直连模型至少有四个麻烦。第一Key 一旦下发到前端就不存在真正的秘密反编译、抓包、日志回显都可能泄漏。第二小程序合法域名、TLS 版本、真机与开发者工具差异会让调试成本变高。第三模型返回的usage只留在前端日志里无法和 openid、场景、云函数版本稳定关联。第四如果后面要做额度控制、按用户限流、按功能分摊成本前端直连几乎无法闭环。云函数方案的本质不是“多一层转发”而是把 Token 消耗变成后端事件谁调用了云函数、云函数在哪个环境、用了哪个模型、消耗多少 Token、请求耗时多少都可以在云函数侧记录。本文按“个人小程序如何被微信 AI 调用接入微信生态最小步骤”这个任务来拆但视角换成 Token 归属。最终可复现的产出是三类云函数请求示例、Token 日志、Token 归属表。你可以在微信云开发里创建一个aiChat云函数把 TaoToken 的 Base URL 和 Key 放在云函数环境变量中小程序端只传问题与场景标识。这样微信生态里的 AI 入口、小程序页面、客服消息或定时任务触发时Token 消耗都落在后端而不是散落在每个用户设备上。2. 接入前检查清单TaoToken Key、Base URL、云函数环境变量在写云函数之前先把配置项固定下来不要一边调试一边改地址。这里的最小检查清单如下。打开 TaoToken 官网 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentwx_cloud_key_checklist 进入控制台创建 API Key。Key 不要写进小程序代码不要提交到 Git不要放在前端配置文件。请求地址使用https://taotoken.net/api。这是工具配置里的 Base URL不需要额外拼接 UTM 参数。真正发请求时以 OpenAI 兼容协议为例可以拼成https://taotoken.net/api/v1/chat/completions。Key 占位符统一写成YOUR_API_KEY。在云函数环境变量里再替换成真实值。微信云开发里至少准备两套环境变量开发环境和生产环境。开发用测试 Key生产用正式 Key避免调试请求把生产 Token 归属搅乱。云函数需要安装 HTTP 客户端依赖。Node.js 云函数可以在本地函数目录执行npm install axios然后上传依赖。小程序端只保留云函数名和场景参数不要出现模型 Key、Base URL、模型名等后端配置。云函数环境变量可以按下面这样配置字段名只是示例你可以按团队规范调整{ TAOTOKEN_BASE_URL: https://taotoken.net/api, TAOTOKEN_API_KEY: YOUR_API_KEY, TAOTOKEN_MODEL: your-model-name, TAOTOKEN_TIMEOUT_MS: 20000 }这里有一个容易踩的坑不要把带 UTM 的官网链接当成 API Base URL。官网链接用于控制台入口和文档跳转模型请求地址必须用https://taotoken.net/api。另外不要把ANTHROPIC_*变量写进 Codex 的配置里Claude Code 和 Codex 的配置体系不同后面会单独说明。云函数创建完成后先不要急着接小程序页面。建议在云函数控制台先用测试事件跑通一次事件体可以写成{ question: 用一句话解释什么是云函数, scene: mini_program_chat }如果云函数日志里出现[TAOTOKEN_TOKEN_LOG]说明请求已经到达模型侧并拿到 usage。如果没有先检查环境变量是否生效、Key 是否有空格、Base URL 是否被误写成控制台地址。3. 云函数请求示例用 TaoToken Base URL 承接小程序 AI 调用下面是一个最小可运行的微信云函数示例。它做了四件事读取环境变量、调用 TaoToken 的 OpenAI 兼容接口、提取usage、把 Token 日志打印到云函数日志。你可以把它复制到cloudfunctions/aiChat/index.js中按需调整模型名和系统提示词。const cloud require(wx-server-sdk); const axios require(axios); cloud.init({ env: cloud.DYNAMIC_CURRENT_ENV }); const BASE_URL process.env.TAOTOKEN_BASE_URL || https://taotoken.net/api; const API_KEY process.env.TAOTOKEN_API_KEY; const MODEL process.env.TAOTOKEN_MODEL || your-model-name; const TIMEOUT_MS Number(process.env.TAOTOKEN_TIMEOUT_MS || 20000); exports.main async (event, context) { const question event.question; const scene event.scene || mini_program_chat; const requestId context.requestId || context.request_id || local_${Date.now()}; if (!question) { return { ok: false, request_id: requestId, error: question is required }; } const started Date.now(); try { const response await axios.post( ${BASE_URL}/v1/chat/completions, { model: MODEL, messages: [ { role: system, content: 你是微信小程序里的助手回答尽量简洁不编造不确定的信息。 }, { role: user, content: question } ], temperature: 0.3 }, { headers: { Authorization: Bearer ${API_KEY}, Content-Type: application/json }, timeout: TIMEOUT_MS } ); const usage response.data.usage || {}; const tokenLog { request_id: requestId, scene, model: MODEL, prompt_tokens: usage.prompt_tokens || 0, completion_tokens: usage.completion_tokens || 0, total_tokens: usage.total_tokens || 0, latency_ms: Date.now() - started, created_at: new Date().toISOString() }; console.log([TAOTOKEN_TOKEN_LOG], JSON.stringify(tokenLog)); return { ok: true, request_id: requestId, answer: response.data.choices?.[0]?.message?.content || , usage: tokenLog }; } catch (error) { const errorLog { request_id: requestId, scene, message: error.message, status: error.response?.status, response: error.response?.data }; console.error([TAOTOKEN_ERROR], JSON.stringify(errorLog)); return { ok: false, request_id: requestId, error: error.message, status: error.response?.status || 500 }; } };小程序端调用时只传业务参数不传 Keywx.cloud.callFunction({ name: aiChat, data: { question: 帮我生成一段小程序使用说明, scene: mini_program_chat }, success: res { console.log(云函数返回, res.result); }, fail: err { console.error(云函数调用失败, err); } });这个示例的重点不是“把请求发出去”而是让 Token 消耗可追踪。requestId来自云函数上下文scene来自小程序端usage来自模型响应latency_ms来自云函数侧计时。把这三类信息放进同一条日志后面就能做归属表。注意真实项目中还要加内容安全、频率限制、用户身份校验和敏感词处理不要让云函数变成一个无保护的模型代理。如果你在本地调试云函数可以用 curl 直接测 TaoToken 连通性。下面命令只在本地终端执行不要写进小程序代码也不要把真实 Key 提交到仓库curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer YOUR_API_KEY \ -H Content-Type: application/json \ -d { model: your-model-name, messages: [ { role: user, content: ping } ], max_tokens: 16 }如果 curl 能返回usage说明 Key、Base URL、模型名基本正确如果云函数里失败而 curl 成功优先检查云函数环境变量和依赖上传。4. Token 日志与归属表把云函数、用户、场景、模型消耗对齐Token 日志只是原始记录归属表才是对账依据。建议至少设计以下字段请求 ID、环境、云函数名、用户标识哈希、场景、模型、输入 Token、输出 Token、总 Token、耗时、创建时间。用户标识不要直接存 openid 明文可以做哈希或只存内部用户 ID。下面是一张本地或测试库用的建表 SQL生产库变更请走你自己的数据库管理流程不要让云函数直接连生产库执行 DDL。CREATE TABLE token_usage_ledger ( id BIGINT PRIMARY KEY AUTO_INCREMENT, request_id VARCHAR(64) NOT NULL, env_name VARCHAR(32) NOT NULL, function_name VARCHAR(64) NOT NULL, openid_hash VARCHAR(64) DEFAULT NULL, scene VARCHAR(64) NOT NULL, model VARCHAR(64) NOT NULL, prompt_tokens INT DEFAULT 0, completion_tokens INT DEFAULT 0, total_tokens INT DEFAULT 0, latency_ms INT DEFAULT 0, created_at DATETIME NOT NULL );一条写入示例可以这样INSERT INTO token_usage_ledger ( request_id, env_name, function_name, openid_hash, scene, model, prompt_tokens, completion_tokens, total_tokens, latency_ms, created_at ) VALUES ( req_20260101_xxx, prod, aiChat, hash_openid_xxx, mini_program_chat, your-model-name, 128, 64, 192, 1350, NOW() );有了归属表就可以回答几个关键问题哪个云函数消耗最多哪个场景的 Token 增长最快开发环境和生产环境是否混用某个用户是否异常高频调用下面是一个按环境和云函数聚合的查询示例同样建议在只读副本或本地数据上执行SELECT env_name, function_name, scene, model, SUM(total_tokens) AS total_tokens, COUNT(*) AS request_count, AVG(latency_ms) AS avg_latency_ms FROM token_usage_ledger WHERE created_at 2026-01-01 GROUP BY env_name, function_name, scene, model ORDER BY total_tokens DESC;从 Token 归属视角表里最关键的是env_name、function_name、scene、model四个维度。env_name区分开发、体验、生产function_name区分是对话云函数、摘要云函数还是审核云函数scene区分小程序页面、客服入口、定时任务model区分不同模型的价格和消耗。TaoToken 控制台的 API Keys 页面可以看 Key 维度的消耗云函数日志看请求维度的细节两边通过request_id和created_at做时间窗口对账。另外Token 日志不要只写console.log(usage)。建议统一加前缀例如[TAOTOKEN_TOKEN_LOG]这样在微信云开发日志检索时可以直接过滤。错误日志也统一加[TAOTOKEN_ERROR]把状态码、响应体和 request_id 带上。不要把完整 Key 打进日志也不要记录用户隐私原文必要时只记录问题长度和哈希。5. 本地调试与多工具配置Claude Code、Codex、CC Switch 不要混用小程序云函数开发过程中你可能会在本地用 Claude Code、Codex 或 CC Switch 管理模型供应商。这里必须区分配置体系Claude Code 用settings.json和ANTHROPIC_*变量Codex 用config.tomlCC Switch 管理多供应商时核心是三件套Base URL、API Key、模型名。不要把ANTHROPIC_*套到 Codex 的config.toml里也不要把 Codex 的 provider 字段写进 Claude Code 的settings.json。Claude Code 的配置可以放在用户级或项目级settings.json中示例{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_AUTH_TOKEN: YOUR_API_KEY, ANTHROPIC_MODEL: YOUR_CLAUDE_MODEL } }注意ANTHROPIC_BASE_URL使用https://taotoken.net/api不要加 UTM 参数。ANTHROPIC_MODEL填你在 TaoToken 控制台可用的 Claude 模型名。Claude Code 读取的是 Anthropic 风格变量所以这里用ANTHROPIC_*是合适的。Codex 则使用config.toml配置结构不同。一个 provider 示例model YOUR_CODEX_MODEL model_provider taotoken [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api/v1 env_key TAOTOKEN_API_KEY wire_api chat对应的环境变量可以在本地终端设置export TAOTOKEN_API_KEYYOUR_API_KEYCodex 读的是TAOTOKEN_API_KEY不是ANTHROPIC_AUTH_TOKEN。这就是为什么不能把 Claude Code 的配置直接复制到 Codex。反过来Codex 的model_providers也不能写到 Claude Code 的settings.json里。如果你用 CC Switch 管理多个供应商建议把 TaoToken 也当成一个独立供应商维护。三件套如下供应商名称TaoToken Base URLhttps://taotoken.net/api API KeyYOUR_API_KEY 默认模型按 TaoToken 控制台可用模型填写CC Switch 的价值是快速切换供应商但切换后要确认当前工具读取的是正确配置。比如 Claude Code 是否读到了settings.jsonCodex 是否读到了config.toml环境变量是否在当前终端会话生效。调试云函数时建议把本地工具配置和云函数环境变量分开管理避免本地测试 Key 被误传到云函数生产环境。6. 常见报错与排查401、404、超时、环境变量为空、Token 归属错位云函数接 TaoToken 时报错通常集中在几类。下面按现象给出排查顺序。第一类401 Unauthorized。优先看Authorization头是不是Bearer YOUR_API_KEY中间有空格没有Key 是否复制完整云函数环境变量是否真的生效。微信云开发修改环境变量后通常需要重新部署或重新触发云函数。不要把 Key 写到小程序端再传给云函数那样既容易泄漏也会让归属混乱。第二类404 Not Found。优先看请求地址。Base URL 应该是https://taotoken.net/api完整接口是https://taotoken.net/api/v1/chat/completions。如果误把官网控制台地址、带 UTM 的营销链接或文档地址当成接口地址就会出现 404。注意Base URL 本身不要加 UTMUTM 只用于官网入口和 CTA 链接。第三类请求超时。云函数侧有超时时间TaoToken 请求也有timeout。如果模型响应较慢可以适当调大云函数超时配置和TAOTOKEN_TIMEOUT_MS但不要无限调大。更好的做法是给小程序端返回一个可接受的最大等待时间超时后提示用户重试并把超时日志写入归属表。第四类环境变量为空。常见原因是云函数没有配置环境变量或者配置在了错误的环境。微信云开发有开发、体验、生产多个环境云函数需要在自己的环境里配置变量。可以在云函数入口打印process.env.TAOTOKEN_BASE_URL是否存在但不要打印 Key 本身。第五类Token 归属错位。表现是控制台消耗和归属表对不上。检查三点开发环境是否用了生产 Key是否有前端直连模型导致日志缺失是否多个云函数共用一个 Key 但没有记录function_name。解决办法是环境隔离、Key 分用途、云函数日志统一加前缀、归属表保留request_id。下面是一个云函数错误日志示例建议按这个结构记录{ request_id: req_20260101_xxx, scene: mini_program_chat, function_name: aiChat, env_name: prod, status: 401, message: Request failed with status code 401, created_at: 2026-01-01T10:00:00.000Z }如果 401 和 404 都排除了还是拿不到usage检查模型返回结构。有些兼容接口会把 usage 放在顶层有些放在data.usage。本文示例按 OpenAI 兼容的response.data.usage取值。如果你用的模型或接口格式不同按实际响应调整字段映射但不要省略日志。7. 上线前检查与 CTA模型对话 → Coding Plan → 创建 Key → Claude Code 文档上线前建议再走一遍 Token 归属检查清单。第一确认小程序端没有任何模型 Key。第二确认云函数环境变量分开发和生产。第三确认请求地址固定为https://taotoken.net/api没有混入 UTM。第四确认云函数日志里有[TAOTOKEN_TOKEN_LOG]。第五确认归属表能按env_name、function_name、scene、model聚合。第六确认异常请求有[TAOTOKEN_ERROR]日志并带 request_id。第七确认云函数有基础限流避免单个用户高频调用拖高 Token 消耗。第八确认内容安全和隐私合规由后端统一处理。如果你还没有在 TaoToken 创建 Key可以按这个路径走。先进入模型对话验证模型是否可用再决定是否需要 Coding Plan然后到 API Keys 创建用于云函数的 Key最后如果是 Claude Code 工作流再看 Claude Code 文档。模型对话 https://taotoken.net/models/detail/chat?utm_sourcetaotoken_aicg_blog_endutm_contentwx_cloud_chatCoding Plan https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentwx_cloud_coding_plan创建 API Key https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentwx_cloud_api_keysClaude Code 文档 https://taotoken.net/doc/ClaudeCodeAnthropic?utm_sourcetaotoken_aicg_blog_endutm_contentwx_cloud_claude_code_docTaoToken 官网入口 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_contentwx_cloud_final云函数请求 Base URL 始终使用 https://taotoken.net/api把 Token 消耗落在后端不是为了让架构看起来更复杂而是为了让小程序接入微信 AI 时可控、可查、可对账。小程序端负责交互云函数负责调用与记录TaoToken 负责提供模型访问入口。只要 Key 不进前端、请求地址固定、日志和归属表打通个人小程序也能用较小的改造量完成微信生态 AI 接入。