1. 终端 Agent 到底解决什么问题Claude Code 是一个跑在终端里的自主智能体不是 IDE 侧边栏那种问答式补全。它能读你的目录、执行 Bash 命令、改文件、跑脚本然后根据命令返回的结果决定下一步做什么。适合谁适合手里有一堆前端项目、部署流程靠手敲命令、每次发版都要重复十几步的人。我这次拿一个叫 Vase Museum 的 3D 展示站做实验。项目目录乱得离谱HTML/CSS/JS 混着 Python 脚本、备份文件、还有 35MB 的 .glb 模型。目标很明确——把生产文件抽到独立的 deploy/ 目录配好 Git LFS 处理大文件然后推到 GitHub。整个过程我想看看终端 Agent 能不能自己闭环。核心检索词先摆出来Claude Code 是终端 Agent能自主规划任务并执行系统命令config.toml 是它的项目级配置文件骨架Git LFS 解决大文件推送阻塞自动化部署链路从本地清理到远端推送。下面按实际跑通的顺序写先配 TaoToken 接入再给 config.toml 骨架然后是可复制的部署脚本和 LFS 验证动作最后是踩过的坑。2. TaoToken 前置接入配置与 Key 获取Claude Code 需要底层模型驱动我用的是 TaoToken 的 API 接入模式。官网入口在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 端点直接用 https://taotoken.net/api 不加任何多余参数。第一步去控制台拿 Key。打开 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 在 API Keys 页面创建一个新 Key。建议按项目命名比如vase-museum-deploy方便后面排查是哪个项目在消耗额度。创建后立刻复制页面刷新就看不到了。第二步把 Key 写进环境变量。Linux/macOS 下直接 exportWindows 用系统环境变量面板或者 PowerShell 的$env:语法。我习惯在项目根目录放一个.env.local但注意别提交到 Git。# Linux / macOS export TAOTOKEN_API_KEYsk-你的实际Key export TAOTOKEN_BASE_URLhttps://taotoken.net/api # Windows PowerShell $env:TAOTOKEN_API_KEYsk-你的实际Key $env:TAOTOKEN_BASE_URLhttps://taotoken.net/api第三步确认 Claude Code 的模型配置指向 TaoToken。如果你用的是 Claude Code 的 API 接入模式需要在配置里指定 base_url 和 api_key。具体接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有不同客户端的配置示例。注意Key 不要硬编码进 config.toml 提交到仓库。用环境变量引用config.toml 里只写变量名。3. config.toml 骨架可复制的项目级配置Claude Code 支持项目级 config.toml放在项目根目录的.claude/文件夹下。这个文件控制 Agent 的行为边界允许执行哪些命令、忽略哪些目录、用哪个模型、超时多久。下面是我在 Vase Museum 项目里实际用的骨架你可以直接复制改。# .claude/config.toml # Claude Code 项目级配置骨架 [model] # 底层模型通过 TaoToken 接入 provider taotoken base_url https://taotoken.net/api api_key_env TAOTOKEN_API_KEY model_name claude-sonnet-4-6 max_tokens 8192 temperature 0.2 [agent] # Agent 行为控制 auto_approve_read true # 读操作自动放行 auto_approve_write false # 写操作需人工确认 max_turns 30 # 单次任务最大轮次 timeout_seconds 120 # 单条命令超时 [ignore] # 屏蔽无关重度目录降低 Token 消耗 paths [ node_modules/, .git/, dist/, *.log, *.tmp, __pycache__/, .venv/ ] [commands] # 白名单这些命令 Agent 可以直接执行 allow [ ls, du, file, mkdir, cp, mv, git init, git add, git commit, git push, git lfs install, git lfs track, npm run build, npm run deploy ] # 黑名单这些命令永远需要人工确认 deny [ rm -rf /, git push --force, npm publish ] [deploy] # 部署相关配置 output_dir deploy source_dirs [src, public, assets] exclude_patterns [*.bak, *.py, *.md, backup_*] lfs_patterns [*.glb, *.gltf, *.hdr, *.fbx]这个骨架的关键点[ignore]里的 paths 一定要配不然 Agent 每次ls都会扫 node_modulesToken 消耗飞快。[commands]的 allow 列表按项目实际需要加不要图省事全放开。[deploy]段是我自己加的用来告诉 Agent 哪些文件该进 deploy 目录、哪些大文件走 LFS。配好之后在项目根目录启动 Claude Code它会自动读取这个 config.toml。你可以用/config命令在终端里确认当前生效的配置。4. 可复制配置部署脚本与 LFS 追踪config.toml 只是骨架真正干活的是 Agent 执行的命令序列。下面是我让 Claude Code 跑通的完整流程你可以直接复制到自己的项目里改路径。4.1 目录探查与文件提取先让 Agent 摸清目录结构。在 Claude Code 终端里输入帮我分析当前项目目录找出所有大于 10MB 的文件并列出生产环境需要的核心文件类型。Agent 会自动执行ls -la、du -sh *、file *等命令。实测下来它能在几秒内定位到 35MB 的models/文件夹和散落的.bak备份文件。然后让它生成清理计划把 HTML/CSS/JS 和静态资源复制到 deploy/ 目录排除 .py、.bak、.md 和 backup_ 开头的文件。Agent 会先输出一个计划列出要执行的mkdir和cp命令。因为 config.toml 里auto_approve_write false它会弹出Allow this bash command?让你确认。确认后执行mkdir -p deploy/assets deploy/models cp index.html deploy/ cp -r css/ deploy/css/ cp -r js/ deploy/js/ cp -r assets/* deploy/assets/ cp models/*.glb deploy/models/4.2 Git LFS 配置deploy/ 目录里如果有超过 100MB 的文件GitHub 会直接拒绝推送。Vase Museum 的 .glb 模型虽然只有 35MB但多个模型加起来容易超限。让 Agent 配 LFSdeploy/models/ 里的 .glb 文件需要用 Git LFS 追踪帮我配置好并提交。Agent 会依次执行cd deploy git init git lfs install git lfs track *.glb git lfs track *.gltf git add .gitattributes git add . git commit -m deploy: 初始化部署目录并配置 LFS 追踪模型文件关键验证点git lfs track执行后项目根目录会生成.gitattributes文件内容类似*.glb filterlfs difflfs mergelfs -text *.gltf filterlfs difflfs mergelfs -text你可以用git lfs ls-files确认哪些文件已经被 LFS 接管。如果输出里能看到 .glb 文件说明追踪生效。4.3 推送与验证git remote add origin gitgithub.com:你的用户名/VaseMuseum-Website.git git branch -M main git push -u origin main推送完成后去 GitHub 仓库页面看两个地方一是文件列表里 .glb 文件旁边会显示Stored with Git LFS标签二是 Contributors 列表里会出现claude的协作记录。这两个信号说明 LFS 和推送都成功了。5. 验证请求与成功结果配置写完不算完得验证 Agent 真的按预期工作。我做了三个验证动作。第一个验证 config.toml 被正确加载。在 Claude Code 终端里输入/config它会打印当前生效的配置。重点看model.provider是不是taotoken、ignore.paths有没有包含node_modules/。第二个验证 API 连通性。用 curl 直接打 TaoToken 的 API 端点curl -s https://taotoken.net/api/v1/models \ -H Authorization: Bearer $TAOTOKEN_API_KEY | head -20如果返回模型列表 JSON说明 Key 和端点都通。如果返回 401检查 Key 是否复制完整返回 404检查 base_url 有没有多写路径。第三个验证部署链路端到端。让 Agent 执行一次完整的部署脚本执行 deploy 目录的构建和推送流程输出每一步的结果。成功时终端会依次打印mkdir完成、cp完成、git lfs track完成、git push成功。最后一行类似To github.com:xxx/VaseMuseum-Website.git main - main。实测下来从目录探查到推送完成整个流程 Agent 自主执行了 12 条命令中间只在文件写入时弹了 2 次确认。Token 消耗主要集中在目录探查阶段配了[ignore]之后明显下降。6. 本篇常见错排查6.1 LFS 追踪不生效现象git lfs ls-files输出为空或者推送后 GitHub 上 .glb 文件没有 LFS 标签。原因通常是git lfs track执行时不在仓库根目录或者.gitattributes没有被git add。解决确认在 deploy/ 目录下执行git lfs track *.glb然后git add .gitattributes再提交。如果已经提交了普通文件需要git lfs migrate import --include*.glb重写历史。6.2 config.toml 不生效现象Agent 仍然扫描 node_modules或者模型没有走 TaoToken。检查三点文件路径是不是.claude/config.toml不是根目录的 config.tomlapi_key_env指向的环境变量是否真的存在启动 Claude Code 时是否在项目根目录。可以用echo $TAOTOKEN_API_KEY确认环境变量已加载。6.3 推送被拒绝现象git push报remote: error: File xxx is 120.00 MB; this exceeds GitHubs file size limit of 100.00 MB。说明 LFS 没追上那个文件。解决git lfs track *.你的扩展名然后git add .gitattributes和git add 大文件重新 commit 再 push。如果文件已经进了历史用git lfs migrate处理。6.4 API 返回 429现象Agent 执行频繁命令时TaoToken 返回 429 Too Many Requests。这是速率限制。在 config.toml 的[agent]段把max_turns调低或者把timeout_seconds调大让 Agent 不要短时间内发太多请求。另外[ignore]配好能减少不必要的目录扫描间接降低请求频率。6.5 Agent 执行了危险命令现象Agent 生成了rm -rf或git push --force。config.toml 的[commands]deny 列表就是防这个的。把危险命令写进 denyAgent 执行前会强制弹确认。另外auto_approve_write false是底线不要改成 true。在包含生产密钥的目录里跑 Agent 时每次确认都要看清楚命令内容再点 Yes。7. 接入与排障入口如果你在配 config.toml 或者接 TaoToken 的时候卡住了直接去 API Keys 页面重新生成一个 Key 试试https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。接入文档里有不同操作系统的环境变量配置示例和常见报错对照表https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。想先验证模型对话是否正常可以用模型对话页面发一条测试消息https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 。如果你打算长期用 Claude Code 跑编码和 Agent 任务Coding Plan 的额度更划算https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。最后说一个实际经验config.toml 里的[ignore]列表每加一个目录Agent 的响应速度就快一截。我一开始没配Agent 扫 node_modules 花了 40 多秒加上之后降到 3 秒以内。这个配置项值得花五分钟认真填。
1. 终端 Agent 到底解决什么问题Claude Code 是一个跑在终端里的自主智能体不是 IDE 侧边栏那种问答式补全。它能读你的目录、执行 Bash 命令、改文件、跑脚本然后根据命令返回的结果决定下一步做什么。适合谁适合手里有一堆前端项目、部署流程靠手敲命令、每次发版都要重复十几步的人。我这次拿一个叫 Vase Museum 的 3D 展示站做实验。项目目录乱得离谱HTML/CSS/JS 混着 Python 脚本、备份文件、还有 35MB 的 .glb 模型。目标很明确——把生产文件抽到独立的 deploy/ 目录配好 Git LFS 处理大文件然后推到 GitHub。整个过程我想看看终端 Agent 能不能自己闭环。核心检索词先摆出来Claude Code 是终端 Agent能自主规划任务并执行系统命令config.toml 是它的项目级配置文件骨架Git LFS 解决大文件推送阻塞自动化部署链路从本地清理到远端推送。下面按实际跑通的顺序写先配 TaoToken 接入再给 config.toml 骨架然后是可复制的部署脚本和 LFS 验证动作最后是踩过的坑。2. TaoToken 前置接入配置与 Key 获取Claude Code 需要底层模型驱动我用的是 TaoToken 的 API 接入模式。官网入口在 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 端点直接用 https://taotoken.net/api 不加任何多余参数。第一步去控制台拿 Key。打开 https://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_contentconsoleutm_campaignrewrite 在 API Keys 页面创建一个新 Key。建议按项目命名比如vase-museum-deploy方便后面排查是哪个项目在消耗额度。创建后立刻复制页面刷新就看不到了。第二步把 Key 写进环境变量。Linux/macOS 下直接 exportWindows 用系统环境变量面板或者 PowerShell 的$env:语法。我习惯在项目根目录放一个.env.local但注意别提交到 Git。# Linux / macOS export TAOTOKEN_API_KEYsk-你的实际Key export TAOTOKEN_BASE_URLhttps://taotoken.net/api # Windows PowerShell $env:TAOTOKEN_API_KEYsk-你的实际Key $env:TAOTOKEN_BASE_URLhttps://taotoken.net/api第三步确认 Claude Code 的模型配置指向 TaoToken。如果你用的是 Claude Code 的 API 接入模式需要在配置里指定 base_url 和 api_key。具体接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 里面有不同客户端的配置示例。注意Key 不要硬编码进 config.toml 提交到仓库。用环境变量引用config.toml 里只写变量名。3. config.toml 骨架可复制的项目级配置Claude Code 支持项目级 config.toml放在项目根目录的.claude/文件夹下。这个文件控制 Agent 的行为边界允许执行哪些命令、忽略哪些目录、用哪个模型、超时多久。下面是我在 Vase Museum 项目里实际用的骨架你可以直接复制改。# .claude/config.toml # Claude Code 项目级配置骨架 [model] # 底层模型通过 TaoToken 接入 provider taotoken base_url https://taotoken.net/api api_key_env TAOTOKEN_API_KEY model_name claude-sonnet-4-6 max_tokens 8192 temperature 0.2 [agent] # Agent 行为控制 auto_approve_read true # 读操作自动放行 auto_approve_write false # 写操作需人工确认 max_turns 30 # 单次任务最大轮次 timeout_seconds 120 # 单条命令超时 [ignore] # 屏蔽无关重度目录降低 Token 消耗 paths [ node_modules/, .git/, dist/, *.log, *.tmp, __pycache__/, .venv/ ] [commands] # 白名单这些命令 Agent 可以直接执行 allow [ ls, du, file, mkdir, cp, mv, git init, git add, git commit, git push, git lfs install, git lfs track, npm run build, npm run deploy ] # 黑名单这些命令永远需要人工确认 deny [ rm -rf /, git push --force, npm publish ] [deploy] # 部署相关配置 output_dir deploy source_dirs [src, public, assets] exclude_patterns [*.bak, *.py, *.md, backup_*] lfs_patterns [*.glb, *.gltf, *.hdr, *.fbx]这个骨架的关键点[ignore]里的 paths 一定要配不然 Agent 每次ls都会扫 node_modulesToken 消耗飞快。[commands]的 allow 列表按项目实际需要加不要图省事全放开。[deploy]段是我自己加的用来告诉 Agent 哪些文件该进 deploy 目录、哪些大文件走 LFS。配好之后在项目根目录启动 Claude Code它会自动读取这个 config.toml。你可以用/config命令在终端里确认当前生效的配置。4. 可复制配置部署脚本与 LFS 追踪config.toml 只是骨架真正干活的是 Agent 执行的命令序列。下面是我让 Claude Code 跑通的完整流程你可以直接复制到自己的项目里改路径。4.1 目录探查与文件提取先让 Agent 摸清目录结构。在 Claude Code 终端里输入帮我分析当前项目目录找出所有大于 10MB 的文件并列出生产环境需要的核心文件类型。Agent 会自动执行ls -la、du -sh *、file *等命令。实测下来它能在几秒内定位到 35MB 的models/文件夹和散落的.bak备份文件。然后让它生成清理计划把 HTML/CSS/JS 和静态资源复制到 deploy/ 目录排除 .py、.bak、.md 和 backup_ 开头的文件。Agent 会先输出一个计划列出要执行的mkdir和cp命令。因为 config.toml 里auto_approve_write false它会弹出Allow this bash command?让你确认。确认后执行mkdir -p deploy/assets deploy/models cp index.html deploy/ cp -r css/ deploy/css/ cp -r js/ deploy/js/ cp -r assets/* deploy/assets/ cp models/*.glb deploy/models/4.2 Git LFS 配置deploy/ 目录里如果有超过 100MB 的文件GitHub 会直接拒绝推送。Vase Museum 的 .glb 模型虽然只有 35MB但多个模型加起来容易超限。让 Agent 配 LFSdeploy/models/ 里的 .glb 文件需要用 Git LFS 追踪帮我配置好并提交。Agent 会依次执行cd deploy git init git lfs install git lfs track *.glb git lfs track *.gltf git add .gitattributes git add . git commit -m deploy: 初始化部署目录并配置 LFS 追踪模型文件关键验证点git lfs track执行后项目根目录会生成.gitattributes文件内容类似*.glb filterlfs difflfs mergelfs -text *.gltf filterlfs difflfs mergelfs -text你可以用git lfs ls-files确认哪些文件已经被 LFS 接管。如果输出里能看到 .glb 文件说明追踪生效。4.3 推送与验证git remote add origin gitgithub.com:你的用户名/VaseMuseum-Website.git git branch -M main git push -u origin main推送完成后去 GitHub 仓库页面看两个地方一是文件列表里 .glb 文件旁边会显示Stored with Git LFS标签二是 Contributors 列表里会出现claude的协作记录。这两个信号说明 LFS 和推送都成功了。5. 验证请求与成功结果配置写完不算完得验证 Agent 真的按预期工作。我做了三个验证动作。第一个验证 config.toml 被正确加载。在 Claude Code 终端里输入/config它会打印当前生效的配置。重点看model.provider是不是taotoken、ignore.paths有没有包含node_modules/。第二个验证 API 连通性。用 curl 直接打 TaoToken 的 API 端点curl -s https://taotoken.net/api/v1/models \ -H Authorization: Bearer $TAOTOKEN_API_KEY | head -20如果返回模型列表 JSON说明 Key 和端点都通。如果返回 401检查 Key 是否复制完整返回 404检查 base_url 有没有多写路径。第三个验证部署链路端到端。让 Agent 执行一次完整的部署脚本执行 deploy 目录的构建和推送流程输出每一步的结果。成功时终端会依次打印mkdir完成、cp完成、git lfs track完成、git push成功。最后一行类似To github.com:xxx/VaseMuseum-Website.git main - main。实测下来从目录探查到推送完成整个流程 Agent 自主执行了 12 条命令中间只在文件写入时弹了 2 次确认。Token 消耗主要集中在目录探查阶段配了[ignore]之后明显下降。6. 本篇常见错排查6.1 LFS 追踪不生效现象git lfs ls-files输出为空或者推送后 GitHub 上 .glb 文件没有 LFS 标签。原因通常是git lfs track执行时不在仓库根目录或者.gitattributes没有被git add。解决确认在 deploy/ 目录下执行git lfs track *.glb然后git add .gitattributes再提交。如果已经提交了普通文件需要git lfs migrate import --include*.glb重写历史。6.2 config.toml 不生效现象Agent 仍然扫描 node_modules或者模型没有走 TaoToken。检查三点文件路径是不是.claude/config.toml不是根目录的 config.tomlapi_key_env指向的环境变量是否真的存在启动 Claude Code 时是否在项目根目录。可以用echo $TAOTOKEN_API_KEY确认环境变量已加载。6.3 推送被拒绝现象git push报remote: error: File xxx is 120.00 MB; this exceeds GitHubs file size limit of 100.00 MB。说明 LFS 没追上那个文件。解决git lfs track *.你的扩展名然后git add .gitattributes和git add 大文件重新 commit 再 push。如果文件已经进了历史用git lfs migrate处理。6.4 API 返回 429现象Agent 执行频繁命令时TaoToken 返回 429 Too Many Requests。这是速率限制。在 config.toml 的[agent]段把max_turns调低或者把timeout_seconds调大让 Agent 不要短时间内发太多请求。另外[ignore]配好能减少不必要的目录扫描间接降低请求频率。6.5 Agent 执行了危险命令现象Agent 生成了rm -rf或git push --force。config.toml 的[commands]deny 列表就是防这个的。把危险命令写进 denyAgent 执行前会强制弹确认。另外auto_approve_write false是底线不要改成 true。在包含生产密钥的目录里跑 Agent 时每次确认都要看清楚命令内容再点 Yes。7. 接入与排障入口如果你在配 config.toml 或者接 TaoToken 的时候卡住了直接去 API Keys 页面重新生成一个 Key 试试https://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi-keysutm_campaignrewrite 。接入文档里有不同操作系统的环境变量配置示例和常见报错对照表https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。想先验证模型对话是否正常可以用模型对话页面发一条测试消息https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_contentchatutm_campaignrewrite 。如果你打算长期用 Claude Code 跑编码和 Agent 任务Coding Plan 的额度更划算https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding-planutm_campaignrewrite 。最后说一个实际经验config.toml 里的[ignore]列表每加一个目录Agent 的响应速度就快一截。我一开始没配Agent 扫 node_modules 花了 40 多秒加上之后降到 3 秒以内。这个配置项值得花五分钟认真填。
