尧图网页设计 
1. Codex CLI 走统一 API 通道时 config.toml 到底改哪几行Codex CLI 是 OpenAI 推出的本地命令行编码代理能读你当前仓库的文件、跑命令、改代码适合习惯在终端里干活的人。它默认连官方 API但很多人会遇到额度分散、多模型切换麻烦、团队想统一出口的情况这时候把 Codex 的请求指向一个统一 API 通道就很实用。TaoToken 就是这样一个统一入口它对外暴露 OpenAI 兼容的接口你只要在 Codex 的config.toml里声明一个自定义model_provider把base_url指过去再注入密钥就能让 Codex 走这条通道。我试过把 Codex 从官方切到统一通道整个过程其实就三个动作改model_provider、写base_url、配环境变量。难点不在操作而在几个字段的对应关系容易搞混——model_provider的值必须和[model_providers.xxx]的段名一致env_key填的是环境变量名而不是密钥本身wire_api选错会导致请求格式不匹配。这篇就把这些坑一次讲清楚给你能直接复制的config.toml片段再跑一次真实对话验证连通性。适合谁看已经在用或准备用 Codex CLI 的开发者手上有 TaoToken 的 API Key想让本地 Codex 走统一通道也适合团队里负责统一模型出口的同学需要一份可复制的配置模板。先说清楚 Codex 的配置分层。它的模型接入由两层控制第一层是当前用谁由顶部的model、model_provider、model_reasoning_effort三个字段决定第二层是这个 provider 怎么连由[model_providers.xxx]段里的base_url、env_key、wire_api等决定。很多人改完不生效就是因为只改了第二层忘了第一层的model_provider还指着openai。理解这两层关系后面所有配置都是顺理成章。config.toml的位置在~/.codex/config.tomlWindows 是%USERPROFILE%\.codex\config.toml。如果这个文件不存在手动建一个即可。Codex 启动时会读它所以改完配置要重开终端或重启 Codex 进程让新配置和环境变量重新加载。这一点和很多 CLI 工具一样别改完就在原窗口里试容易误判。2. 接入前在 TaoToken 侧要准备什么API Key 与模型 ID在动config.toml之前先把 TaoToken 侧的东西备齐否则配置写完也没法验证。你需要两样一个可用的 API Key以及一个确认可用的模型 ID。API Key 在控制台的 API Keys 页面创建地址是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 。创建后复制出来注意它通常只完整显示一次丢了就得重建。这个 Key 不要直接写进config.toml而是放进环境变量配置里只引用变量名这样更安全也方便在不同机器上切换。模型 ID 这块要留意。Codex 顶部的model字段填的是你要调用的模型名它必须和 TaoToken 侧支持的模型名一致。不同通道对模型名的映射可能不一样所以别想当然填官方名字先去文档或模型列表里确认。文档入口在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 里面有当前支持的模型清单和调用说明。如果你不确定某个模型名是否可用最稳的办法是先用模型对话页面手动发一条请求确认能回显再写进配置。Base URL 用 https://taotoken.net/api 注意这个地址不带任何查询参数直接作为base_url的值。Codex 会在它后面拼接具体的路径所以你不要自己加/v1之外的额外后缀也不要带斜杠结尾的混乱写法。统一写成https://taotoken.net/api就行。密钥注入的方式我建议用环境变量。配置里写env_key TAOTOKEN_API_KEY然后在系统里设TAOTOKEN_API_KEY你的密钥。这样config.toml可以放心提交到团队仓库或同步到多台机器密钥本身留在本地环境里。如果你只是想临时试一下也可以在启动 Codex 的那个终端里临时 export但长期用还是写进 shell 配置文件或系统环境变量。这里有个容易忽略的点环境变量的名字要和env_key的值完全一致大小写、拼写都不能差。我见过有人配置里写TAOTOKEN_API_KEY环境变量却设成了TAOTOKEN_KEY结果 Codex 报找不到密钥排查半天。所以设完环境变量后先在终端里echo $TAOTOKEN_API_KEYWindows 用echo $env:TAOTOKEN_API_KEY确认能打印出来再去启动 Codex。3. 可复制的 config.toml 配置model_provider 与 base_url 指向 TaoToken这一节给你能直接抄的配置。先看完整片段再逐字段解释。# ~/.codex/config.toml model gpt-5.3-codex model_provider taotoken model_reasoning_effort medium [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api responses stream_idle_timeout_ms 300000顶部三行是当前用谁。model填你要调用的模型 ID这里示例用gpt-5.3-codex你按 TaoToken 文档里确认可用的名字替换。model_provider taotoken是这次切换的关键它必须和下面[model_providers.taotoken]的段名一致。model_reasoning_effort medium控制推理强度日常写代码、改 bug 用 medium 比较均衡复杂重构再临时切 high。[model_providers.taotoken]这一段是这个 provider 怎么连。name只是显示用的友好名随便起。base_url https://taotoken.net/api是请求地址Codex 会在此基础上拼接路径。env_key TAOTOKEN_API_KEY告诉 Codex 去哪个环境变量里取密钥注意这里填的是变量名不是密钥本身。wire_api responses表示用 Responses API 的请求格式TaoToken 兼容这个格式所以保持 responses。stream_idle_timeout_ms 300000是流式响应的空闲超时单位毫秒5 分钟代码任务跑得久设长一点能减少中途断流。如果你还想保留官方 provider 方便随时切回可以同时保留两段只改顶部三行model gpt-5.3-codex model_provider taotoken model_reasoning_effort medium [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api responses stream_idle_timeout_ms 300000 [model_providers.openai] name OpenAI base_url https://api.openai.com/v1 env_key OPENAI_API_KEY wire_api responses这样切换时只动model和model_provider两行provider 段不用碰。团队里如果多人共用一份config.toml模板这种写法很省事。环境变量设置macOS / Linux 写进~/.zshrc或~/.bashrcexport TAOTOKEN_API_KEY你的TaoToken密钥Windows PowerShell 临时生效$env:TAOTOKEN_API_KEY你的TaoToken密钥长期生效用setxsetx TAOTOKEN_API_KEY 你的TaoToken密钥设完重开终端echo一下确认变量在。然后重启 Codex让它重新读配置。4. 验证请求跑一次对话看模型回显与连通性配置写完不能只看文件得实际发一次请求确认链路通。最直接的方式是在终端里启动 Codex让它做一件小事观察是否正常回显。先确认 Codex 能读到配置。启动 Codex 后随便问一个简单问题比如让它解释当前目录下某个文件的作用。如果配置正确你会看到它开始流式输出模型名和 provider 都走的是你设的 TaoToken 通道。如果想更干净地验证不掺杂仓库上下文可以新建一个空目录在里面启动 Codex发一条纯对话请求mkdir -p /tmp/codex-check cd /tmp/codex-check codex进入交互后输入用一句话说明你当前使用的模型名称和提供方。正常的话Codex 会返回一段包含模型信息的回复说明请求已经通过 TaoToken 通道发出并成功回显。这一步能同时验证三件事base_url可达、密钥有效、模型 ID 被正确识别。如果交互模式不方便观察也可以用 Codex 的非交互方式跑一条命令把输出直接打到终端codex exec 输出当前使用的模型名称codex exec适合脚本化验证输出更干净方便你确认模型回显。实测下来第一次请求可能会稍慢因为要建立连接和加载配置后续会快很多。验证通过后你可以再跑一个稍微真实的任务比如让它读一个文件并总结读取当前目录的 README.md用三句话总结它的内容。这一步能确认 Codex 的工具调用读文件和模型请求都正常。如果文件读取正常、总结也合理说明整条链路已经打通可以正式投入日常使用了。想单独验证模型通道本身也可以直接在模型对话页面发一条请求地址是 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 用它交叉确认模型 ID 和密钥没问题。这样如果 Codex 侧报错你能快速判断是配置问题还是通道问题。5. 常见报错排查401、local proxy failed、reading choices、OAuth配置过程中最容易撞上几类报错逐个说清楚怎么定位。401 Unauthorized / 找不到 API Key。这是最常见的一类。先检查env_key的值和环境变量名是否完全一致大小写、拼写都不能差。然后在启动 Codex 的同一个终端里echo一下变量确认能打印出密钥。如果打印为空说明环境变量没生效可能是写错了 shell 配置文件或者设完没重开终端。Windows 上用setx设的变量需要新开终端才读得到原窗口不会自动刷新。还有一种情况是密钥本身失效或被删了去控制台 API Keys 页面确认一下必要时重建。local proxy failed / 连接被拒。这类报错通常指向base_url写错或网络不可达。先确认base_url是https://taotoken.net/api没有多余后缀、没有拼写错误、没有多余斜杠。然后在终端里直接 curl 一下这个地址看是否能建立连接curl -I https://taotoken.net/api如果 curl 都连不上那就是网络层的问题和 Codex 配置无关。如果 curl 能通但 Codex 报 proxy failed检查是不是本地有残留的代理环境变量HTTP_PROXY、HTTPS_PROXY干扰了请求临时 unset 掉再试。reading choices / 响应格式解析失败。这个报错说明请求发出去了但返回的结构 Codex 解析不了。最常见的原因是wire_api选错。TaoToken 兼容 Responses API所以wire_api responses。如果你误填成别的值请求格式和返回格式就对不上Codex 解析响应时就会在choices字段上报错。改回responses再试。另外如果模型 ID 填了一个通道不支持的模型名也可能返回非预期结构去文档确认模型名。OAuth 相关报错 / 登录态冲突。Codex 某些版本会走 OAuth 登录流程如果你之前登录过官方账号本地可能残留了登录态和自定义 provider 冲突。表现是它不走你配的base_url而是尝试刷新官方 token。解决办法是清理本地登录缓存或者显式用 API Key 模式启动。具体做法是确认config.toml里model_provider已经指向taotoken并且没有其他覆盖配置。如果还是冲突检查是否有环境变量强制指定了 provider把它清掉。排查时有个通用思路先确认配置文件的字段对应关系没错model_provider和段名一致、env_key和变量名一致再确认环境变量在启动 Codex 的终端里可见最后确认base_url和模型 ID 在通道侧有效。这三层逐层排除基本能定位到问题。6. 长期编码与 Agent 场景把 Codex 固定到统一通道配置验证通过后如果你打算长期用 Codex 做编码和 Agent 任务建议把这份配置固化下来别每次临时改。第一把config.toml纳入你的 dotfiles 管理但密钥走环境变量这样配置可以跨机器同步密钥留在本地。团队协作时可以共享一份 provider 段模板每个人只填自己的环境变量。第二model_reasoning_effort按任务类型调。日常改 bug、写小函数用 medium遇到跨文件重构、复杂架构分析临时切 high简单问答切 low 省额度。不用改配置文件Codex 支持在会话里临时指定或者你改顶部一行重启也行。第三stream_idle_timeout_ms根据任务长度调。默认 3000005 分钟对大多数任务够用如果你经常跑长任务可以调到 60000010 分钟减少中途断流。但别设太大否则真卡住时你要等很久才看到超时。第四如果你同时用多个编码工具比如 Cline、Claude Code 之类可以把它们都指向同一个 TaoToken 通道统一管理额度和模型出口。Codex 这边就是这份config.toml其他工具各有各的配置方式但核心三件套是一样的Base URL 填https://taotoken.net/apiKey 用同一个环境变量Model ID 按各自支持的模型名填。这样你在一个地方管理密钥和额度多个工具共享。长期跑 Agent 任务的话Coding Plan 会更合适地址是 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 它针对持续编码场景做了额度优化。如果你只是偶尔用 Codex 改改代码按量走 API 就够了。最后提醒一句改完config.toml一定要重启 Codex 进程环境变量变更也要重开终端。我踩过的坑就是改完配置直接在原窗口试结果读的还是旧配置白白排查半天。养成改配置→重开终端→验证的习惯能省很多时间。 Codex 使用中转 API 的 config.toml 配置指南：model_provider 与 base_url 改到 TaoToken
1. Codex CLI 走统一 API 通道时 config.toml 到底改哪几行Codex CLI 是 OpenAI 推出的本地命令行编码代理能读你当前仓库的文件、跑命令、改代码适合习惯在终端里干活的人。它默认连官方 API但很多人会遇到额度分散、多模型切换麻烦、团队想统一出口的情况这时候把 Codex 的请求指向一个统一 API 通道就很实用。TaoToken 就是这样一个统一入口它对外暴露 OpenAI 兼容的接口你只要在 Codex 的config.toml里声明一个自定义model_provider把base_url指过去再注入密钥就能让 Codex 走这条通道。我试过把 Codex 从官方切到统一通道整个过程其实就三个动作改model_provider、写base_url、配环境变量。难点不在操作而在几个字段的对应关系容易搞混——model_provider的值必须和[model_providers.xxx]的段名一致env_key填的是环境变量名而不是密钥本身wire_api选错会导致请求格式不匹配。这篇就把这些坑一次讲清楚给你能直接复制的config.toml片段再跑一次真实对话验证连通性。适合谁看已经在用或准备用 Codex CLI 的开发者手上有 TaoToken 的 API Key想让本地 Codex 走统一通道也适合团队里负责统一模型出口的同学需要一份可复制的配置模板。先说清楚 Codex 的配置分层。它的模型接入由两层控制第一层是当前用谁由顶部的model、model_provider、model_reasoning_effort三个字段决定第二层是这个 provider 怎么连由[model_providers.xxx]段里的base_url、env_key、wire_api等决定。很多人改完不生效就是因为只改了第二层忘了第一层的model_provider还指着openai。理解这两层关系后面所有配置都是顺理成章。config.toml的位置在~/.codex/config.tomlWindows 是%USERPROFILE%\.codex\config.toml。如果这个文件不存在手动建一个即可。Codex 启动时会读它所以改完配置要重开终端或重启 Codex 进程让新配置和环境变量重新加载。这一点和很多 CLI 工具一样别改完就在原窗口里试容易误判。2. 接入前在 TaoToken 侧要准备什么API Key 与模型 ID在动config.toml之前先把 TaoToken 侧的东西备齐否则配置写完也没法验证。你需要两样一个可用的 API Key以及一个确认可用的模型 ID。API Key 在控制台的 API Keys 页面创建地址是 https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 。创建后复制出来注意它通常只完整显示一次丢了就得重建。这个 Key 不要直接写进config.toml而是放进环境变量配置里只引用变量名这样更安全也方便在不同机器上切换。模型 ID 这块要留意。Codex 顶部的model字段填的是你要调用的模型名它必须和 TaoToken 侧支持的模型名一致。不同通道对模型名的映射可能不一样所以别想当然填官方名字先去文档或模型列表里确认。文档入口在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 里面有当前支持的模型清单和调用说明。如果你不确定某个模型名是否可用最稳的办法是先用模型对话页面手动发一条请求确认能回显再写进配置。Base URL 用 https://taotoken.net/api 注意这个地址不带任何查询参数直接作为base_url的值。Codex 会在它后面拼接具体的路径所以你不要自己加/v1之外的额外后缀也不要带斜杠结尾的混乱写法。统一写成https://taotoken.net/api就行。密钥注入的方式我建议用环境变量。配置里写env_key TAOTOKEN_API_KEY然后在系统里设TAOTOKEN_API_KEY你的密钥。这样config.toml可以放心提交到团队仓库或同步到多台机器密钥本身留在本地环境里。如果你只是想临时试一下也可以在启动 Codex 的那个终端里临时 export但长期用还是写进 shell 配置文件或系统环境变量。这里有个容易忽略的点环境变量的名字要和env_key的值完全一致大小写、拼写都不能差。我见过有人配置里写TAOTOKEN_API_KEY环境变量却设成了TAOTOKEN_KEY结果 Codex 报找不到密钥排查半天。所以设完环境变量后先在终端里echo $TAOTOKEN_API_KEYWindows 用echo $env:TAOTOKEN_API_KEY确认能打印出来再去启动 Codex。3. 可复制的 config.toml 配置model_provider 与 base_url 指向 TaoToken这一节给你能直接抄的配置。先看完整片段再逐字段解释。# ~/.codex/config.toml model gpt-5.3-codex model_provider taotoken model_reasoning_effort medium [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api responses stream_idle_timeout_ms 300000顶部三行是当前用谁。model填你要调用的模型 ID这里示例用gpt-5.3-codex你按 TaoToken 文档里确认可用的名字替换。model_provider taotoken是这次切换的关键它必须和下面[model_providers.taotoken]的段名一致。model_reasoning_effort medium控制推理强度日常写代码、改 bug 用 medium 比较均衡复杂重构再临时切 high。[model_providers.taotoken]这一段是这个 provider 怎么连。name只是显示用的友好名随便起。base_url https://taotoken.net/api是请求地址Codex 会在此基础上拼接路径。env_key TAOTOKEN_API_KEY告诉 Codex 去哪个环境变量里取密钥注意这里填的是变量名不是密钥本身。wire_api responses表示用 Responses API 的请求格式TaoToken 兼容这个格式所以保持 responses。stream_idle_timeout_ms 300000是流式响应的空闲超时单位毫秒5 分钟代码任务跑得久设长一点能减少中途断流。如果你还想保留官方 provider 方便随时切回可以同时保留两段只改顶部三行model gpt-5.3-codex model_provider taotoken model_reasoning_effort medium [model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key TAOTOKEN_API_KEY wire_api responses stream_idle_timeout_ms 300000 [model_providers.openai] name OpenAI base_url https://api.openai.com/v1 env_key OPENAI_API_KEY wire_api responses这样切换时只动model和model_provider两行provider 段不用碰。团队里如果多人共用一份config.toml模板这种写法很省事。环境变量设置macOS / Linux 写进~/.zshrc或~/.bashrcexport TAOTOKEN_API_KEY你的TaoToken密钥Windows PowerShell 临时生效$env:TAOTOKEN_API_KEY你的TaoToken密钥长期生效用setxsetx TAOTOKEN_API_KEY 你的TaoToken密钥设完重开终端echo一下确认变量在。然后重启 Codex让它重新读配置。4. 验证请求跑一次对话看模型回显与连通性配置写完不能只看文件得实际发一次请求确认链路通。最直接的方式是在终端里启动 Codex让它做一件小事观察是否正常回显。先确认 Codex 能读到配置。启动 Codex 后随便问一个简单问题比如让它解释当前目录下某个文件的作用。如果配置正确你会看到它开始流式输出模型名和 provider 都走的是你设的 TaoToken 通道。如果想更干净地验证不掺杂仓库上下文可以新建一个空目录在里面启动 Codex发一条纯对话请求mkdir -p /tmp/codex-check cd /tmp/codex-check codex进入交互后输入用一句话说明你当前使用的模型名称和提供方。正常的话Codex 会返回一段包含模型信息的回复说明请求已经通过 TaoToken 通道发出并成功回显。这一步能同时验证三件事base_url可达、密钥有效、模型 ID 被正确识别。如果交互模式不方便观察也可以用 Codex 的非交互方式跑一条命令把输出直接打到终端codex exec 输出当前使用的模型名称codex exec适合脚本化验证输出更干净方便你确认模型回显。实测下来第一次请求可能会稍慢因为要建立连接和加载配置后续会快很多。验证通过后你可以再跑一个稍微真实的任务比如让它读一个文件并总结读取当前目录的 README.md用三句话总结它的内容。这一步能确认 Codex 的工具调用读文件和模型请求都正常。如果文件读取正常、总结也合理说明整条链路已经打通可以正式投入日常使用了。想单独验证模型通道本身也可以直接在模型对话页面发一条请求地址是 https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 用它交叉确认模型 ID 和密钥没问题。这样如果 Codex 侧报错你能快速判断是配置问题还是通道问题。5. 常见报错排查401、local proxy failed、reading choices、OAuth配置过程中最容易撞上几类报错逐个说清楚怎么定位。401 Unauthorized / 找不到 API Key。这是最常见的一类。先检查env_key的值和环境变量名是否完全一致大小写、拼写都不能差。然后在启动 Codex 的同一个终端里echo一下变量确认能打印出密钥。如果打印为空说明环境变量没生效可能是写错了 shell 配置文件或者设完没重开终端。Windows 上用setx设的变量需要新开终端才读得到原窗口不会自动刷新。还有一种情况是密钥本身失效或被删了去控制台 API Keys 页面确认一下必要时重建。local proxy failed / 连接被拒。这类报错通常指向base_url写错或网络不可达。先确认base_url是https://taotoken.net/api没有多余后缀、没有拼写错误、没有多余斜杠。然后在终端里直接 curl 一下这个地址看是否能建立连接curl -I https://taotoken.net/api如果 curl 都连不上那就是网络层的问题和 Codex 配置无关。如果 curl 能通但 Codex 报 proxy failed检查是不是本地有残留的代理环境变量HTTP_PROXY、HTTPS_PROXY干扰了请求临时 unset 掉再试。reading choices / 响应格式解析失败。这个报错说明请求发出去了但返回的结构 Codex 解析不了。最常见的原因是wire_api选错。TaoToken 兼容 Responses API所以wire_api responses。如果你误填成别的值请求格式和返回格式就对不上Codex 解析响应时就会在choices字段上报错。改回responses再试。另外如果模型 ID 填了一个通道不支持的模型名也可能返回非预期结构去文档确认模型名。OAuth 相关报错 / 登录态冲突。Codex 某些版本会走 OAuth 登录流程如果你之前登录过官方账号本地可能残留了登录态和自定义 provider 冲突。表现是它不走你配的base_url而是尝试刷新官方 token。解决办法是清理本地登录缓存或者显式用 API Key 模式启动。具体做法是确认config.toml里model_provider已经指向taotoken并且没有其他覆盖配置。如果还是冲突检查是否有环境变量强制指定了 provider把它清掉。排查时有个通用思路先确认配置文件的字段对应关系没错model_provider和段名一致、env_key和变量名一致再确认环境变量在启动 Codex 的终端里可见最后确认base_url和模型 ID 在通道侧有效。这三层逐层排除基本能定位到问题。6. 长期编码与 Agent 场景把 Codex 固定到统一通道配置验证通过后如果你打算长期用 Codex 做编码和 Agent 任务建议把这份配置固化下来别每次临时改。第一把config.toml纳入你的 dotfiles 管理但密钥走环境变量这样配置可以跨机器同步密钥留在本地。团队协作时可以共享一份 provider 段模板每个人只填自己的环境变量。第二model_reasoning_effort按任务类型调。日常改 bug、写小函数用 medium遇到跨文件重构、复杂架构分析临时切 high简单问答切 low 省额度。不用改配置文件Codex 支持在会话里临时指定或者你改顶部一行重启也行。第三stream_idle_timeout_ms根据任务长度调。默认 3000005 分钟对大多数任务够用如果你经常跑长任务可以调到 60000010 分钟减少中途断流。但别设太大否则真卡住时你要等很久才看到超时。第四如果你同时用多个编码工具比如 Cline、Claude Code 之类可以把它们都指向同一个 TaoToken 通道统一管理额度和模型出口。Codex 这边就是这份config.toml其他工具各有各的配置方式但核心三件套是一样的Base URL 填https://taotoken.net/apiKey 用同一个环境变量Model ID 按各自支持的模型名填。这样你在一个地方管理密钥和额度多个工具共享。长期跑 Agent 任务的话Coding Plan 会更合适地址是 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewrite 它针对持续编码场景做了额度优化。如果你只是偶尔用 Codex 改改代码按量走 API 就够了。最后提醒一句改完config.toml一定要重启 Codex 进程环境变量变更也要重开终端。我踩过的坑就是改完配置直接在原窗口试结果读的还是旧配置白白排查半天。养成改配置→重开终端→验证的习惯能省很多时间。