1. 从 week2 的软件过程模型说起为什么概念都懂笔记却串不起来软件工程 week2 的核心其实就一句话软件过程模型是对软件过程的抽象描述。但真到整理笔记的时候很多人会卡在同一个地方——瀑布模型、原型化模型、迭代式开发模型、可转换模型每个单独看都能说出两句放在一起对比就乱了。更麻烦的是这些概念散落在教材、PPT、课堂录音里想拼成一张能复习的对照表得来回翻好几遍。我自己的做法是先把 week2 的知识点按「软件过程 → 过程模型 → 各模型对比」三层拆开再用一个统一入口的 API 把零散笔记做摘要和结构化最后落成一张可复制的对照表模板。这样复习的时候不用重新读教材直接看表就能回忆起来。这篇笔记面向正在整理 week2 的开发者重点不是复述教材而是给出两样能直接用的东西一张概念对照表模板和一套用 TaoToken 统一 Key 调用 API 做笔记摘要的配置示例。前者帮你把知识结构化后者帮你把整理过程自动化。如果你也在做软件工程的学习笔记可以照着下面的步骤走一遍。先说清楚 week2 到底要掌握什么。软件过程是为了获得高质量软件而实施的一系列活动包括问题定义、需求开发、软件设计、软件构造、软件测试、软件维护。这些活动怎么组织、按什么顺序推进就形成了不同的过程模型。瀑布模型是计划驱动、文档驱动、线性推进原型化模型强调快速建造可运行原型来确认需求迭代式开发模型把系统拆成多个版本逐步交付可转换模型用形式化方法把需求规格说明转成可交付系统。这四个模型的适用场景差异很大week2 的考点和笔记重点基本都围绕「对比 适用场景」展开。问题在于这些内容如果只是抄一遍复习时还是记不住。真正有效的方式是做成对照表把每个模型的驱动方式、阶段划分、优点、缺点、适用场景放在同一行里横向比较。下面先给模板再讲怎么用 API 自动生成摘要填充表格。2. TaoToken 前置准备统一 Key 接入与模型选择在开始配置之前先说明为什么这里要用 TaoToken。整理笔记的过程中我需要在不同模型之间切换——有时候用便宜快速的模型做批量摘要有时候用能力更强的模型做概念对比和纠错。如果每个模型都单独申请 Key、单独配环境变量光管理这些凭证就够烦的。TaoToken 提供的是统一 API 入口一个 Key 可以调用多个模型Base URL 固定切换模型只需要改一个 Model ID 参数。你需要先拿到两样东西API Key 和 Base URL。API Key 在控制台的 API Keys 页面创建Base URL 是https://taotoken.net/api。注意这个地址不带任何查询参数直接作为请求的基础路径使用。模型对话的入口在模型对话页面接入文档在 doc 页面这两个后面验证时会用到。关于模型选择做笔记摘要这类任务我一般用中等能力的模型就够了速度快、成本低。如果你要做概念对比、找逻辑矛盾可以换成能力更强的模型。TaoToken 的好处是同一个 Key 下切换模型只改 Model ID不用重新配 Key。具体有哪些 Model ID 可用在模型对话页面能看到当前支持的列表。这里要提醒一点TaoToken 是 API 接入层不是编辑器替代品。你的笔记还是写在 VS Code、Obsidian 或者任何你习惯的工具里TaoToken 只负责把笔记内容发给模型、拿回摘要结果。不要把它理解成「连上就能自动整理笔记」它提供的是模型调用能力整理逻辑还是你自己定。前置准备清单注册并登录 TaoToken 控制台在 API Keys 页面创建一个 Key复制保存确认 Base URL 为https://taotoken.net/api在模型对话页面确认你要用的 Model ID本地准备好 Python 环境3.8和requests库或者用 curl如果你用的是 Claude Code 这类编码工具TaoToken 也支持通过 Anthropic 兼容接口接入具体配置在 ClaudeCodeAnthropic 文档里有说明。不过这篇笔记的重点是笔记摘要用 Python 脚本或 curl 就够了不需要装额外工具。3. 可复制配置用统一 Key 调用 API 做笔记摘要这一节给出完整的配置片段和脚本。核心思路是把 week2 的原始笔记文本传给模型让它输出结构化的摘要格式对齐下面的对照表模板。这样你每次整理新章节只要换输入文本就行。先给对照表模板这是你最终要填充的目标结构模型驱动方式阶段划分核心特点主要缺点适用场景瀑布模型计划驱动、文档驱动需求→设计→构造→测试→维护线性规范、可预测后期才能验证难响应变更需求初期完全确定、环境稳定原型化模型原型驱动快速建造原型→用户确认→修正需求确认快原型可能被误当成品需求不明确、需要快速反馈迭代式开发模型增量/迭代驱动多版本逐步交付快速发布、响应变化需要版本管理能力需求不确定、需快速响应可转换模型形式化转换驱动需求规格→自动转换→可交付系统缺陷少、安全性高数学描述困难安全性、可靠性要求极高下面是用 TaoToken 调用 API 生成摘要的 Python 脚本。把YOUR_API_KEY换成你在控制台创建的 KeyMODEL_ID换成模型对话页面确认的模型 ID。import requests import json API_KEY YOUR_API_KEY BASE_URL https://taotoken.net/api MODEL_ID YOUR_MODEL_ID def summarize_notes(raw_text): url f{BASE_URL}/v1/chat/completions headers { Authorization: fBearer {API_KEY}, Content-Type: application/json } prompt f请把下面的软件工程 week2 笔记整理成结构化摘要。 要求 1. 按「软件过程」「瀑布模型」「原型化模型」「迭代式开发模型」「可转换模型」分节 2. 每个模型给出驱动方式、阶段划分、核心特点、主要缺点、适用场景 3. 输出用 Markdown 表格列名固定为模型|驱动方式|阶段划分|核心特点|主要缺点|适用场景 4. 不要添加原文没有的信息 原始笔记 {raw_text} payload { model: MODEL_ID, messages: [ {role: user, content: prompt} ], temperature: 0.3 } resp requests.post(url, headersheaders, jsonpayload, timeout60) resp.raise_for_status() data resp.json() return data[choices][0][message][content] if __name__ __main__: with open(week2_notes.txt, r, encodingutf-8) as f: raw f.read() result summarize_notes(raw) print(result) with open(week2_summary.md, w, encodingutf-8) as f: f.write(result)如果你不想写 Python用 curl 也能跑。下面是对应的 curl 版本把笔记内容直接内联进去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_ID, messages: [ { role: user, content: 请把下面的软件工程 week2 笔记整理成结构化摘要按模型分节输出 Markdown 表格列名模型|驱动方式|阶段划分|核心特点|主要缺点|适用场景。原始笔记软件过程是为了获得高质量软件而实施的一系列活动包括问题定义、需求开发、软件设计、软件构造、软件测试、软件维护。瀑布模型是计划驱动、文档驱动、线性推进。原型化模型强调快速建造可运行原型。迭代式开发模型把系统拆成多个版本逐步交付。可转换模型用形式化方法把需求规格说明转成可交付系统。 } ], temperature: 0.3 }注意几个参数temperature设成 0.3 是为了让输出稳定不要让它自由发挥model字段填你在模型对话页面看到的 Model IDAuthorization头里的 Bearer 后面跟你的 Key。如果你用的是 Claude Code 或 Cline 这类工具配置方式类似Base URL 填https://taotoken.net/apiKey 填你的 KeyModel ID 填对应模型这三件套缺一不可。关于文件路径脚本里读的是week2_notes.txt输出到week2_summary.md。你可以把教材原文、课堂笔记、PPT 摘录都丢进这个 txt 文件脚本会一次性处理。如果笔记很长建议先按章节拆成多个文件分批调用避免单次请求内容过长。4. 验证请求与成功结果确认摘要真的可用配置写完之后不要直接拿它整理全部笔记先用一小段文本验证请求能通、返回格式正确。验证分三步先确认 Key 和 Base URL 能通再确认模型返回内容最后确认输出格式符合对照表要求。第一步用最小请求测试连通性。把下面的 curl 命令跑一遍看是否返回正常的 JSONcurl -X POST https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer YOUR_API_KEY \ -H Content-Type: application/json \ -d { model: YOUR_MODEL_ID, messages: [{role: user, content: 回复连通正常}], temperature: 0 }如果返回体里有choices数组且choices[0].message.content是「连通正常」或类似内容说明 Key、Base URL、Model ID 三件套都对了。如果返回 401说明 Key 有问题如果返回 404 或 model not found说明 Model ID 填错了如果连接超时检查网络和 Base URL 是否写成了https://taotoken.net/api。第二步跑摘要脚本观察输出。把 week2 的笔记文本放进week2_notes.txt执行python summarize.py。成功的话终端会打印出 Markdown 表格同时当前目录生成week2_summary.md。打开这个文件检查表格列名是否和模板一致每个模型是否都有对应行。第三步人工核对内容。模型摘要不是百分百准确尤其是「适用场景」这种需要判断的字段。你要对照教材确认瀑布模型是不是「需求初期完全确定、环境稳定」原型化模型是不是「需求不明确、需要快速反馈」迭代式开发模型是不是「需求不确定、需快速响应」可转换模型是不是「安全性、可靠性要求极高」。如果发现模型把某个模型的缺点安到了另一个模型头上手动改掉然后把修正后的内容作为下次调用的参考示例。实测下来用中等能力模型做这种结构化摘要一次通过率大概七八成主要错误集中在「迭代模型」和「增量模型」的区分上。教材里有一句关键区分增量模型是在每个新发布中逐步增加功能直到构造全部功能迭代模型是一开始提交一个完整系统在后续发布中补充完善各子系统功能。这两个概念容易混建议在 prompt 里明确要求模型区分它们或者在核对时重点检查。验证通过后你就得到了一份可复制的 week2 对照表。后续复习时直接看week2_summary.md就能回忆每个模型的核心特征。如果 week3 要整理需求工程换输入文本、改 prompt 里的分节要求同一套脚本可以复用。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth整理笔记的过程中报错基本集中在接入层。下面按真实报错逐条排查每条都给出原因和修复方式。401 Unauthorized。这是最常见的错误原因通常是 Key 没填、填错、或者 Key 前面多了空格。检查Authorization头是不是Bearer YOUR_API_KEY格式Bearer 和 Key 之间有一个空格Key 本身不要带引号。如果你把 Key 写在环境变量里确认读取时没有把换行符带进去。还有一种情况是 Key 被删除或过期了去控制台 API Keys 页面重新创建一个。local proxy failed。这个报错通常出现在你本地配了代理工具的情况下。TaoToken 的 Base URL 是https://taotoken.net/api直接访问即可不需要经过本地代理。如果你系统里设了 HTTP_PROXY 或 HTTPS_PROXY 环境变量脚本会走代理导致连接失败。解决办法是在脚本里显式禁用代理或者临时清掉环境变量import os os.environ.pop(HTTP_PROXY, None) os.environ.pop(HTTPS_PROXY, None)然后在 requests 调用里加proxies{http: None, https: None}。这样请求就直连 TaoToken不走本地代理。reading choices 报错。这个错误说明请求发出去了、也返回了但返回体里没有choices字段脚本在data[choices]这一步挂了。原因可能是返回的是错误信息而不是正常响应比如模型名不对、请求体格式不对。解决办法是先把resp.json()打印出来看完整返回体确认error字段的内容。如果是model not found去模型对话页面核对 Model ID如果是invalid request检查 messages 格式是不是标准的 role/content 结构。OAuth 相关报错。如果你用的是 Claude Code 或类似工具接入可能会遇到 OAuth 认证失败。这类工具默认走 Anthropic 官方 OAuth 流程接入 TaoToken 时需要改成 API Key 模式。具体配置参考 ClaudeCodeAnthropic 文档核心是把认证方式从 OAuth 切换成 API KeyBase URL 填https://taotoken.net/api然后确认工具读的是你配置的 Key 而不是缓存的 OAuth token。如果工具缓存了旧凭证清掉配置目录重新登录。返回内容格式不对。模型没有按 Markdown 表格输出而是写了一堆段落。这通常是 prompt 不够明确。解决办法是在 prompt 里把列名写死并加一句「只输出表格不要输出其他内容」。如果还是不行把 temperature 降到 0减少自由发挥空间。请求超时。笔记文本太长单次请求超过 60 秒。解决办法是把笔记按章节拆成多个文件分批调用每批控制在 2000 字以内。或者把 timeout 参数调大但更推荐拆分因为长文本摘要质量也会下降。排查顺序建议先看 HTTP 状态码401 查 Key404 查 Model ID超时查网络和文本长度再看返回体没有 choices 就打印完整 JSON最后看输出格式不对就改 prompt。大部分问题在前两步就能定位。6. 继续整理 week3 的接入方式week2 的对照表做完之后week3 大概率要进入需求工程或者结构化分析笔记整理的需求是一样的把零散内容结构化做成可复习的表格。同一套 TaoToken 配置可以直接复用只需要改 prompt 里的分节要求和输出列名。如果你还没创建 Key去控制台 API Keys 页面建一个然后对照接入文档把 Base URL 和 Model ID 配好。验证模型是否可用直接在模型对话页面发一条测试消息就行不用写代码。如果你打算长期用这套流程整理软件工程笔记或者后续要接入编码工具做 Agent 辅助可以了解一下 Coding Plan它适合需要持续调用模型的场景。整理笔记这件事工具只是辅助关键还是你自己对概念的理解。API 能帮你省掉抄写和格式化的时间但「瀑布模型和迭代模型到底差在哪」这种判断还是得你自己过一遍。把对照表填完、核对完week2 才算真正过了一遍。