Claude Code 配 TaoToken 之后再回头看 Python sqlite3 的建表、插入、更新、删除、查询这几步很多以前靠猜的地方会变得清楚。sqlite3 是标准库自带的轻量数据库一个 .db 文件就是一个库不用装服务端写小工具、做本地缓存、跑数据分析的中间结果都很合适。它的坑也特别集中语句执行完不报错但数据没进文件脚本跑第二遍报主键冲突进程退出后表还在、数据却回到原点。这些现象背后基本都是事务没提交或者连接没关。这篇按接入配置的视角走一遍先在 TaoToken 官网创建 Key把 Claude Code 的 Base URL 和 Key 配通再让它逐段解释一段 sqlite3 增删改查代码并把哪些写操作后面必须跟 conn.commit() 标出来。目标是你自己能判断事务边界而不是复制粘贴完事。1. 从一段不报错但数据不落库的 sqlite3 脚本说起先看典型现场。你拿到一段 Python 脚本打开数据库、建 COMPANY 表、插入四行记录、查询打印、更新一条工资、删除一条记录最后打印 Operation done successfully。运行日志全是成功字样终端刷得挺好看于是你以为没问题。关掉终端重新跑一次 SELECT数据不见了或者只剩建表语句那张空表。原因不复杂。sqlite3 默认不是自动提交模式INSERT、UPDATE、DELETE、CREATE TABLE 这些会改动数据库的语句执行完只是进了当前连接的事务缓冲没有写进 .db 文件。程序直接退出时未提交的事务被丢弃文件层面什么都没发生。同一个连接里你去 SELECT 是能看到这些改动的这就是最容易骗人的地方看起来数据在其实是只有你自己看得见。另一个高频问题是连接没关。脚本跑完不调用 conn.close()Windows 上 .db 文件可能被占用删不掉稍微并发一点就冒 sqlite3.OperationalError: database is locked。还有人把建表语句写成不带 IF NOT EXISTS 的版本第二次运行直接抛 sqlite3.IntegrityError 或重复建表错误于是又加了一堆 try/except 把错误吞掉问题越藏越深。这篇要解决的场景很具体你手上就有一段这样的脚本想让它真的把数据落进 test.db同时想借 Claude Code 把每一段代码读懂。做法不是直接 python demo.py而是先给 Claude Code 接上模型通道再让它当一次代码审查员。2. TaoToken 前置给 Claude Code 准备一条能用的模型通道Claude Code 是跑在终端里的编码助手它本身不生产模型能力需要按 Anthropic 的接口规范去请求模型。实际使用中最常见的卡点不是代码写错而是请求发不出去终端里敲了半天返回连接失败、超时或者鉴权错误人还没开始写 Python 就先卡在配置上。TaoToken 在这里的角色就是这条 API 通道解决的是 AI 工具连不上模型的问题。你从它这里拿到一个 Key把 Claude Code 的请求地址指向 TaoToken 提供的接口工具能正常对话之后再谈让它解释 sqlite3 代码才有意义。准备工作就两件事。第一件打开官网创建 Keyhttps://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentclaude_code_sqlite3进控制台的 API Keys 页面新建一个 Key。Key 一般只在创建时完整显示一次复制出来先存到密码管理器或者本地临时文件里别直接贴进代码仓库也别写进会被 git 跟踪的脚本里。如果你后面要做团队协作给每个人单独建 Key 比共用一个更好排查问题。第二件确认接口地址。TaoToken 的 API 入口是https://taotoken.net/api注意这个地址不要带 UTM 参数Base URL 是给程序读的带上一串查询参数容易出奇怪问题。提示创建 Key 的具体界面和可用模型列表以控制台和接入文档为准别照抄别人博客里的旧截图页面改版很常见。拿到 Key 之后先别急着写 Python。配置没通后面所有报错你都会误以为是代码问题。3. 可复制配置把 Base URL 与 Key 写进 Claude CodeClaude Code 读的是环境变量所以配置的本质就是让它在启动时能看到两个值接口地址和鉴权令牌。下面给你可以直接复制的版本。3.1 macOS / Linux 临时生效写法export ANTHROPIC_BASE_URLhttps://taotoken.net/api export ANTHROPIC_AUTH_TOKENsk-你从控制台复制的Key这两行只在当前终端窗口有效关掉就没了。适合先验证能不能通。3.2 写进 shell 配置持久化确认能通之后再追加到配置文件里让它每次开终端都自动加载# zsh 用户 echo export ANTHROPIC_BASE_URLhttps://taotoken.net/api ~/.zshrc echo export ANTHROPIC_AUTH_TOKENsk-你的Key ~/.zshrc source ~/.zshrc # bash 用户把 ~/.zshrc 换成 ~/.bashrc 即可3.3 Windows PowerShell 写法当前会话$env:ANTHROPIC_BASE_URLhttps://taotoken.net/api $env:ANTHROPIC_AUTH_TOKENsk-你的Key要长期生效用系统环境变量界面或者 setxsetx ANTHROPIC_BASE_URL https://taotoken.net/api setx ANTHROPIC_AUTH_TOKEN sk-你的Keysetx 写入后需要新开一个终端窗口才会读到这一点经常被忽略。3.4 配置文件方案如果你不想动全局环境变量也可以在项目目录里放一个 .env 风格的配置文件或者直接改 Claude Code 的用户级配置。不同版本读取的字段名略有差异部分版本用 ANTHROPIC_API_KEY 而不是 ANTHROPIC_AUTH_TOKEN接入文档里会写清楚当前推荐写法。注意两个字段名都写上通常不会出错但如果你的工具报缺少 API Key优先检查是不是字段名和当前版本不匹配而不是怀疑 Key 本身失效。配完先自检确认环境变量真的被读到了echo $ANTHROPIC_BASE_URL echo ${ANTHROPIC_AUTH_TOKEN:0:8}第二行只打印前 8 位避免 Key 完整出现在终端历史里。如果输出为空说明配置没加载重启终端或者检查是不是写错了配置文件zsh 和 bash 的配置文件名不一样。4. 让 Claude Code 逐段拆解 sqlite3 增删改查并标出 commit 点配置通了现在把代码交给它。先准备一个文件比如 sqlite3_demo.pyimport os import sqlite3 DB_PATH test.db conn sqlite3.connect(DB_PATH) c conn.cursor() c.execute( CREATE TABLE IF NOT EXISTS COMPANY ( ID INTEGER PRIMARY KEY NOT NULL, NAME TEXT NOT NULL, AGE INTEGER NOT NULL, ADDRESS CHAR(50), SALARY REAL ) ) print(Table created successfully) c.execute(INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) VALUES (?,?,?,?,?), (1, Paul, 32, California, 20000.00)) c.execute(INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) VALUES (?,?,?,?,?), (2, Allen, 25, Texas, 15000.00)) c.execute(INSERT INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) VALUES (?,?,?,?,?), (3, Teddy, 23, Norway, 20000.00)) conn.commit() print(Records created successfully) for row in c.execute(SELECT id, name, address, salary FROM COMPANY): print(ID {0} NAME {1} ADDRESS {2} SALARY {3}.format(*row)) c.execute(UPDATE COMPANY SET SALARY 25000.00 WHERE ID 1) conn.commit() print(rows updated:, conn.total_changes) c.execute(DELETE FROM COMPANY WHERE ID 2) conn.commit() print(rows deleted:, conn.total_changes) conn.close()和原始演示相比这里做了两处小改动插入语句换成参数化写法避免把值直接拼进 SQL 字符串建表加了 IF NOT EXISTS重复运行不会炸。然后在项目目录里启动 Claude Code给它这样一段指令读一下 sqlite3_demo.py按执行顺序逐段解释代码。 输出一张表代码行号 / 这一步对数据库做了什么 / 之后是否必须 conn.commit() / 为什么。 重点标出 CREATE TABLE、INSERT、UPDATE、DELETE 四个位置 解释 SELECT 为什么不需要提交以及 conn.close() 之前如果没有 commit 会发生什么。 最后给我一版加了 try/except/finally 和 rollback 的改写。它给出的判断应该能收敛到下面这张表你可以拿来对照看它有没有漏语句是否改动数据库需要 commit 吗说明CREATE TABLE是属于 DDL需要建表也是写操作不提交时其他连接看不到这张表INSERT是需要最常见的漏提交位置插完就查得到、重连就丢UPDATE是需要更新工资、状态这类字段必须提交DELETE是需要删除同理不提交等于没删SELECT否不需要只读查询commit 对它没有意义conn.close()否不替代 commit关闭连接不会帮你提交未完成的事务这里有个容易被忽略的细节Python 的with sqlite3.connect(...) as conn:在退出时会自动提交或回滚但它不会关闭连接。所以想靠 with 省掉 close() 是不成立的长驻脚本里连接会一直挂着。要同时省掉 commit 和 close可以显式打开自动提交模式conn sqlite3.connect(DB_PATH, isolation_levelNone)这样每条写语句执行完立即落库代价是失去了一组操作要么全成要么全败的事务保护。批量导入几千行数据时逐条自动提交会明显慢下来这时候反而应该手动包一个事务。4.1 让它顺手写一版更稳的结构拿到解释之后再让它输出改写版重点是把资源释放和异常回滚补上import sqlite3 DB_PATH test.db def init_and_fill(): conn sqlite3.connect(DB_PATH) try: c conn.cursor() c.execute( CREATE TABLE IF NOT EXISTS COMPANY ( ID INTEGER PRIMARY KEY NOT NULL, NAME TEXT NOT NULL, AGE INTEGER NOT NULL, ADDRESS CHAR(50), SALARY REAL ) ) rows [ (1, Paul, 32, California, 20000.00), (2, Allen, 25, Texas, 15000.00), (3, Teddy, 23, Norway, 20000.00), ] c.executemany( INSERT OR REPLACE INTO COMPANY (ID,NAME,AGE,ADDRESS,SALARY) VALUES (?,?,?,?,?), rows, ) conn.commit() except sqlite3.Error as e: conn.rollback() print(写入失败已回滚:, e) raise finally: conn.close() def show_all(): conn sqlite3.connect(DB_PATH) try: for row in conn.execute(SELECT id, name, address, salary FROM COMPANY): print(ID {0} NAME {1} ADDRESS {2} SALARY {3}.format(*row)) finally: conn.close() if __name__ __main__: init_and_fill() show_all()改写里三个变化值得你留意写操作集中在 try 里、失败走 rollback、finally 里必定 close。INSERT OR REPLACE 让脚本可以反复运行而不报主键冲突这在本地调试阶段很省事。5. 验证请求确认通道通了、数据也真的落库了这一段做两件事别混在一起。先验证模型通道。最小成本的验证方式是让 Claude Code 直接回答一个问题看它能不能正常返回而不是抛鉴权错误claude -p 用一句话说明 sqlite3 里 conn.commit() 的作用能正常吐出一句关于提交当前事务、把改动持久化到数据库文件的回答说明 Base URL 和 Key 都生效了。如果这里报鉴权失败先别去动 Python 代码回到第 3 章检查环境变量。想换个方式验证模型本身也可以到模型对话页面直接发一条消息试试。再验证 sqlite3 的行为。运行脚本python sqlite3_demo.py预期输出大致是这样Table created successfully Records created successfully ID 1 NAME Paul ADDRESS California SALARY 20000.0 ID 2 NAME Allen ADDRESS Texas SALARY 15000.0 ID 3 NAME Teddy ADDRESS Norway SALARY 20000.0 rows updated: 4 rows deleted: 4注意 total_changes 是连接级别的累计值不是本次影响行数看到 4 不代表删了四行这是个常见误解精确统计要用 cursor.rowcount。真正确认落库要用另一个进程去看文件sqlite3 test.db SELECT COUNT(*) FROM COMPANY; sqlite3 test.db .schema COMPANY第一条应该返回 2插了三行、删了一行第二条能看到完整的建表语句。如果你跑脚本时把原始演示里删除 test.db 的那几行也带上了文件会被删掉验证自然失败——建议调试阶段先注释掉 os.remove等确认没问题再恢复。更进一步你可以把关键写操作后面的 commit 临时删掉重跑一次再用 sqlite3 命令行查你会发现当前进程打印正常另一个进程查出来是 0 行。这一正一反两次对比比看十遍文档都记得牢。6. 常见错排查401、连接失败、database is locked 与漏掉的 commit把排查顺序固定下来能省很多时间。现象大概率原因处理方式401 / authentication_errorKey 写错、复制时带了空格或换行、环境变量没生效用 echo 打印前缀核对新开终端重新复制 Key连接失败 / 超时Base URL 写成了带 UTM 的网页地址或者多写了 /v1 之类的后缀严格使用 https://taotoken.net/api按接入文档核对路径Claude Code 仍提示未登录配置写进了 bash 文件但当前用的是 zsh或用了 setx 没重开窗口确认当前 shellsource 对应配置文件SELECT 有数据重连后没了写操作后没有 conn.commit()在 INSERT/UPDATE/DELETE/CREATE 之后补提交sqlite3.OperationalError: database is locked有连接没 close或两个进程同时写用 try/finally 保证 close写操作串行化必要时设置 timeoutUNIQUE constraint failed脚本重复运行主键已存在用 INSERT OR REPLACE或先清表或按业务判重找不到 test.db用了相对路径工作目录和你以为的不一样打印 os.path.abspath(DB_PATH)或改成绝对路径遍历结果时数据错乱复用同一个 cursor 打断上一次查询每次查询用独立的 cursor 或直接 for row in conn.execute(...)关于事务还有一个容易踩的坑某些版本里 sqlite3 的隐式事务只对 DML 语句开启CREATE TABLE 这类 DDL 行为在不同 Python 版本上的表现有差异。稳妥做法是别依赖默认行为——要么显式 commit要么显式设置 isolation_level二选一别既想省事又想让语义清晰。如果你排查到某一步卡住最省时间的办法是把完整报错、Python 版本、配置片段Key 打码一起丢给 Claude Code让它按上表逐条判断。通道已经通了这类问题它能帮你收敛得很快。需要新建 Key 或核对鉴权字段名去 API Keys 页面接口路径和字段细节看接入文档只想先确认模型能不能正常回话用模型对话准备把 Claude Code 当成日常编码和 Agent 搭档长期用可以看 Coding PlanAnthropic 兼容相关配置集中在 Claude Code 接入页。API Keyshttps://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentclaude_code_sqlite3_keys接入文档https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentclaude_code_sqlite3_doc模型对话https://taotoken.net/chat?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentclaude_code_sqlite3_chatCoding Planhttps://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentclaude_code_sqlite3_planClaude Code 接入https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentclaude_code_sqlite3_cc最后留一个我现在写 sqlite3 脚本的固定习惯每个写操作后面紧跟一行 conn.commit()批量循环里则把 commit 挪到循环外只留一次函数末尾用 finally 兜住 close。这样既不会因为逐条提交慢得离谱也不会出现看起来成功了、其实没落库的情况。把这三条固定下来再让 Claude Code 帮你 review 一遍sqlite3 这层基本不会再出问题。