企业官网建设流程全解析

1. 保密文档批处理的真实痛点与 Codex Skills 的切入点

如果你在企业里负责过文档分发，大概率遇到过这种场景：法务部要你把一份 100 页的技术白皮书发给 30 个供应商，每份都要带上对方公司名的防伪水印，还要单独设一个打开密码。手动用 Acrobat 一份份加？一天就没了，而且中途漏掉一份没加密，后果可能比加班更严重。

我试过用纯 Python 脚本硬扛，结果卡在两个地方：一是水印字体和透明度在不同 PDF 上表现不一致，二是加密权限的位掩码写错一位，打印权限就全开了。后来把整套流程封装成 Codex Skill，才算把「输入约定 → 水印生成 → 加密输出 → 校验解密」这条链路固定下来。

Codex Skills 在这里的价值，不是帮你写代码，而是把「批量防伪加密水印」这件事变成一个可复用、可版本管理的原子能力。你只需要约定好输入目录、水印模板、密码策略，剩下的扫描、渲染、加密、日志全部自动跑完。适合谁？适合需要定期向外部合作方分发保密 PDF 的运维、安全工程师，以及想把文档 DLP 流程自动化的后端开发。

这一篇我会以 100 份文档为样本，拆解 Skill 的输入约定、水印生成与加密输出流程，给出可复制的 Skill 配置片段和 TaoToken 统一 Key 接入示例，最后附上批量运行后的水印校验与解密验证动作。你跟着做，基本能一次跑通。

2. TaoToken 统一 Key 前置：让 Skill 调用模型时不再散落密钥

Codex Skills 在运行过程中，如果需要调用大模型来做水印文案生成、文档摘要或异常判断，就会涉及 API Key 的管理。传统做法是把 Key 硬编码在脚本里，或者每个 Skill 单独配一份环境变量，结果就是密钥散落、轮换困难、审计无门。TaoToken 在这里的角色，是提供一个统一的 API 入口，让你用同一个 Key 驱动多个 Skill 的模型调用。

先明确几个地址，后面配置会反复用到：

• 官网入口：https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=
• API 基地址：https://taotoken.net/api
• 模型对话页：https://taotoken.net/models?utm_source=taotoken_aicg_blog_end&utm_content=model_chat&utm_campaign=rewrite
• Coding Plan 页：https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_content=coding_plan&utm_campaign=rewrite
• 控制台：https://taotoken.net/console?utm_source=taotoken_aicg_blog_end&utm_content=console&utm_campaign=rewrite
• API Keys 管理：https://taotoken.net/api-keys?utm_source=taotoken_aicg_blog_end&utm_content=api_keys&utm_campaign=rewrite
• 接入文档：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_content=doc&utm_campaign=rewrite
• Claude Code 接入：https://taotoken.net/claude-code-anthropic?utm_source=taotoken_aicg_blog_end&utm_content=claude_code&utm_campaign=rewrite

拿到 Key 之后，不要直接写进 Skill 的源码。推荐的做法是在项目根目录建一个.env文件，把 Key 和 Base URL 放进去，Skill 运行时通过环境变量读取。这样你在 Codex 里切换不同 Skill 时，只需要维护一份密钥配置。

具体操作：登录控制台后进入 API Keys 页面，创建一个新 Key，复制出来。然后在你的 Skill 项目目录下创建.env：

# .env TAOTOKEN_API_KEY=sk-你的实际Key TAOTOKEN_BASE_URL=https://taotoken.net/api

接着在 Skill 的入口脚本里加载：

import os from dotenv import load_dotenv load_dotenv() API_KEY = os.getenv("TAOTOKEN_API_KEY") BASE_URL = os.getenv("TAOTOKEN_BASE_URL") if not API_KEY: raise RuntimeError("TAOTOKEN_API_KEY 未设置，请检查 .env 文件")

这里有个容易踩的坑：.env一定要加进.gitignore，否则 Key 会跟着代码进仓库。另外，如果你在 Codex 的 Skill 配置里直接写env字段，注意不要和系统环境变量冲突，优先级是 Skill 配置 > 系统环境变量。

对于需要长期跑批量任务的场景，比如每天定时处理 100 份文档，建议用 Coding Plan 的额度，比按次调用更划算，而且 Key 的权限可以单独限制，避免一个 Key 被所有 Skill 共用导致审计混乱。配置完成后，你可以先用模型对话页发一条测试请求，确认 Key 和 Base URL 都能通，再进入下一步的 Skill 编写。

3. 可复制的 Skill 配置：输入约定、水印生成与加密输出

这一节是核心，我会给出完整的 Skill 配置片段和代码结构。先约定输入输出，再拆水印生成，最后做加密输出。

3.1 输入约定与目录结构

Skill 的输入约定必须固定，否则批量跑的时候文件名一乱就找不到对应关系。我采用的约定是：

skill_workspace/ ├── input_pdfs/ # 原始 PDF，命名规则：{接收方}_{文档名}.pdf │ ├── ClientA_Proposal.pdf │ ├── ClientB_Proposal.pdf │ └── ... ├── output_pdfs/ # 加密后的 PDF，命名规则：secure_{原文件名} ├── config/ │ └── skill_config.json ├── logs/ │ └── watermark_process.log └── skill.py

skill_config.json是 Skill 的配置中心，所有可变参数都放这里，避免改代码：

{ "input_folder": "./input_pdfs", "output_folder": "./output_pdfs", "watermark": { "text_template": "CONFIDENTIAL - {recipient} ONLY", "font_path": "/System/Library/Fonts/PingFang.ttc", "font_size": 42, "transparency": 0.15, "rotation": 45, "color_rgb": [0.5, 0.5, 0.5] }, "encryption": { "user_password_template": "Open_{recipient}_2024", "owner_password": "OwnerSecure_2024", "allow_printing": false, "allow_copying": false, "allow_modifying": false, "algorithm": "AES-256" }, "model": { "base_url": "https://taotoken.net/api", "model_id": "gpt-4o-mini", "api_key_env": "TAOTOKEN_API_KEY" } }

注意text_template和user_password_template里的{recipient}占位符，Skill 会从文件名里解析出接收方名称，动态替换。这样 100 份文档就能自动生成 100 个不同的水印和密码，不需要手动改。

3.2 水印生成：reportlab Canvas 的关键参数

水印生成用 reportlab 的 Canvas，核心是透明度、旋转和字体注册。下面这段代码可以直接复制：

from reportlab.lib.pagesizes import A4 from reportlab.pdfgen import canvas from reportlab.pdfbase import pdfmetrics from reportlab.pdfbase.ttfonts import TTFont def register_font(font_path: str) -> str: if font_path and os.path.exists(font_path): pdfmetrics.registerFont(TTFont("CustomFont", font_path)) return "CustomFont" return "Helvetica" def create_watermark_pdf(text: str, font_name: str, cfg: dict, out_path: str): c = canvas.Canvas(out_path, pagesize=A4) width, height = A4 c.setFillAlpha(cfg["transparency"]) c.setFont(font_name, cfg["font_size"]) c.setFillColorRGB(*cfg["color_rgb"]) c.saveState() c.translate(width / 2, height / 2) c.rotate(cfg["rotation"]) text_width = c.stringWidth(text, font_name, cfg["font_size"]) c.drawString(-text_width / 2, -cfg["font_size"] / 2, text) c.restoreState() c.save() return out_path

这里有几个参数需要你根据实际文档调整。transparency设成 0.15 是比较安全的区间，既能看清又不遮挡正文；rotation用 45 度是行业惯例，裁剪难度高；font_size42 在 A4 上大约占页面宽度的三分之一，视觉上够醒目。如果你用的是中文字体，font_path在 macOS 上可以指向 PingFang.ttc，Windows 上指向 simhei.ttf，Linux 上如果没有中文字体，建议水印文案先用英文，避免出现方框乱码。

3.3 加密输出：权限位掩码与 AES-256

加密部分用 pypdf 的encrypt方法，关键是权限位掩码别写错。下面是对照表：

如果你要禁止打印、复制、修改，权限码就是 0。代码里这样构建：

from pypdf import PdfReader, PdfWriter def encrypt_pdf(input_path, output_path, watermark_path, user_pw, owner_pw, cfg): reader = PdfReader(input_path) watermark_page = PdfReader(watermark_path).pages[0] writer = PdfWriter() for page in reader.pages: page.merge_page(watermark_page, over=True) writer.add_page(page) perm_code = 0 if cfg["allow_printing"]: perm_code |= 0x04 if cfg["allow_copying"]: perm_code |= 0x08 if cfg["allow_modifying"]: perm_code |= 0x10 writer.encrypt( user_password=user_pw, owner_password=owner_pw, permissions_flag=perm_code, algorithm="AES-256" ) with open(output_path, "wb") as f: writer.write(f)

merge_page的over=True表示水印覆盖在正文之上，配合 0.15 的透明度，效果就是水印浮在文字上方但不影响阅读。如果你希望水印在文字下方，改成over=False，但要注意有些 PDF 的图层顺序会导致水印被完全遮住，实测下来over=True更稳定。

3.4 批量调度与日志

批量处理用pathlib扫描目录，每个文件独立 try-except，单个失败不中断整体：

from pathlib import Path import logging def process_batch(config: dict): input_dir = Path(config["input_folder"]) output_dir = Path(config["output_folder"]) output_dir.mkdir(parents=True, exist_ok=True) pdf_files = list(input_dir.glob("*.pdf")) success, fail = 0, 0 for pdf_file in pdf_files: recipient = pdf_file.stem.split("_")[0] watermark_text = config["watermark"]["text_template"].format(recipient=recipient) user_pw = config["encryption"]["user_password_template"].format(recipient=recipient) try: wm_path = create_watermark_pdf(watermark_text, font_name, config["watermark"], "temp_wm.pdf") encrypt_pdf( str(pdf_file), str(output_dir / f"secure_{pdf_file.name}"), wm_path, user_pw, config["encryption"]["owner_password"], config["encryption"] ) success += 1 logging.info(f"成功: {pdf_file.name}") except Exception as e: fail += 1 logging.error(f"失败: {pdf_file.name}, 原因: {e}") logging.info(f"批量完成，成功 {success}，失败 {fail}")

跑完 100 份文档，日志里会清楚记录每一份的状态。如果某一份因为字体缺失或 PDF 损坏失败，其他 99 份不受影响。

4. 验证请求与成功结果：水印校验与解密验证

批量跑完之后，不能只看日志说成功就完事，必须做两步验证：水印是否真的盖上去了，加密是否真的生效了。

4.1 水印校验

最直接的方法是用 pypdf 读取输出文件，检查页面内容流里是否包含水印文本。但更实用的是用命令行工具快速抽检：

# 用 pdftotext 提取文本，看水印文字是否出现 pdftotext output_pdfs/secure_ClientA_Proposal.pdf - | grep "CONFIDENTIAL"

如果输出里有CONFIDENTIAL - ClientA ONLY，说明水印文本已经写入。但文本提取只能验证文字存在，验证不了透明度和旋转。要验证视觉效果，建议用 Python 渲染第一页为图片：

from pdf2image import convert_from_path images = convert_from_path("output_pdfs/secure_ClientA_Proposal.pdf", first_page=1, last_page=1) images[0].save("check_watermark.png")

打开图片，你应该能看到 45 度倾斜的灰色半透明水印，覆盖在正文上方。如果水印太淡或太浓，回去调transparency参数。

4.2 解密验证

加密验证要确认两件事：用正确密码能打开，用错误密码打不开，且权限限制生效。

from pypdf import PdfReader # 正确密码 reader = PdfReader("output_pdfs/secure_ClientA_Proposal.pdf") if reader.is_encrypted: result = reader.decrypt("Open_ClientA_2024") print(f"解密结果: {result}") # 应该输出 1 或 2，表示成功 print(f"页数: {len(reader.pages)}") # 错误密码 reader2 = PdfReader("output_pdfs/secure_ClientA_Proposal.pdf") if reader2.is_encrypted: result2 = reader2.decrypt("WrongPassword") print(f"错误密码解密结果: {result2}") # 应该输出 0，表示失败

如果正确密码返回 1 或 2，错误密码返回 0，说明加密生效。权限验证可以用reader.user_access_permissions查看，确认打印和复制都是 False。

4.3 用 TaoToken 模型做异常摘要

100 份文档跑完，日志可能有几百行。你可以用 TaoToken 的模型对话能力，把日志丢给模型做异常摘要。配置如下：

import requests def summarize_log(log_text: str): resp = requests.post( f"{BASE_URL}/v1/chat/completions", headers={"Authorization": f"Bearer {API_KEY}"}, json={ "model": "gpt-4o-mini", "messages": [ {"role": "system", "content": "你是一个日志分析助手，请提取失败项和原因。"}, {"role": "user", "content": log_text} ] } ) return resp.json()["choices"][0]["message"]["content"]

这样你不需要逐行翻日志，模型会直接告诉你哪几份失败了、可能的原因是什么。注意 Base URL 用https://taotoken.net/api，不要加 UTM 参数，那是给网页用的。

5. 本篇常见错排查：401、local proxy failed、reading choices、OAuth

批量跑 Skill 的时候，报错集中在几个地方。我按真实遇到的顺序列出来，你对照排查。

5.1 401 Unauthorized

这是最常见的，通常是 Key 没读到或 Key 无效。检查顺序：

1. .env文件是否在 Skill 运行目录下，load_dotenv()是否在读取 Key 之前调用。
2. 环境变量名是否和代码里一致，比如代码读TAOTOKEN_API_KEY，.env里写的是TAOTOKEN_KEY，那就读不到。
3. Key 是否被复制时带了空格或换行，建议用strip()处理。
4. 如果用的是 Coding Plan 的 Key，确认该 Key 是否有权限调用你指定的模型。

修复后重新跑一份文档测试，不要直接跑 100 份。

5.2 local proxy failed

这个报错通常出现在你本地网络环境有代理设置，但 Skill 请求 TaoToken API 时走了代理导致连接失败。检查：

echo $HTTP_PROXY echo $HTTPS_PROXY

如果有值，在 Skill 里显式禁用代理：

import os os.environ["HTTP_PROXY"] = "" os.environ["HTTPS_PROXY"] = ""

或者在 requests 调用时加proxies={"http": None, "https": None}。注意不要用任何非正规的网络工具，直接连 TaoToken 的 API 地址即可。

5.3 reading 'choices' 报错

这个报错说明模型返回的 JSON 结构里没有choices字段，通常是请求体格式不对或模型 ID 写错。检查：

1. model字段是否拼写正确，比如gpt-4o-mini不要写成gpt4o-mini。
2. 请求头Content-Type是否为application/json。
3. 如果返回的是错误信息，先打印resp.text看完整内容，再定位。

resp = requests.post(...) print(resp.status_code) print(resp.text) # 先看原始返回 data = resp.json() if "choices" in data: content = data["choices"][0]["message"]["content"] else: raise RuntimeError(f"模型返回异常: {data}")

5.4 OAuth 相关报错

如果你在 Codex 里配置了 OAuth 方式的接入，报错通常是 token 过期或回调地址不匹配。检查：

1. 回调地址是否和控制台里配置的一致，包括端口号。
2. token 是否过期，重新走一次授权流程。
3. 如果同时配了 API Key 和 OAuth，确认 Skill 实际用的是哪一种，不要混用。

对于批量文档处理这种场景，我建议直接用 API Key，比 OAuth 简单，而且 Key 可以单独限制权限，审计更方便。

5.5 三件套检查清单

如果你用的是 CC Switch、Cline MCP 或 Codex 的auth.json，出现连接问题时，按这三件套逐项核对：

auth.json的配置示例：

{ "base_url": "https://taotoken.net/api", "api_key": "sk-你的Key", "model": "gpt-4o-mini" }

三项都对上，基本不会出现连接问题。如果还报错，先去模型对话页发一条测试消息，确认 Key 本身可用，再排查 Skill 侧。

6. 语义一致 CTA：把 Skill 接入你的文档安全流程

到这里，你已经有了一个能跑通 100 份文档的防伪加密水印 Skill。接下来要做的，是把它接入你日常的文档分发流程。

如果你在排障或接入阶段遇到问题，先去 API Keys 页面确认 Key 状态，再对照接入文档检查 Base URL 和 Model ID。文档里有完整的请求示例和错误码说明，比在代码里猜要快。

如果你想先验证模型调用是否正常，用模型对话页发一条测试消息，确认返回结构里有choices字段，再回到 Skill 里跑批量任务。

如果你打算把这个 Skill 做成每天定时跑的长期任务，比如每天早上 8 点自动处理前一天的待分发文档，建议用 Coding Plan 的额度，Key 的权限可以单独限制在文档处理相关的模型上，避免和其他业务混用。

最后提醒一个实操细节：批量跑之前，先用 3 份文档做小样本测试，确认水印位置、透明度、密码规则都符合预期，再放开到 100 份。我踩过的坑是第一次直接跑全量，结果水印字体没注册成功，100 份全变成方框，只能删掉重来。小样本测试花 5 分钟，能省你半小时。