1. 从一次线上 CPU 飙高说起Linux 进程管理排查链路到底是什么Linux 进程管理这件事单看命令都不难难的是把它们串成一条能复用的排查链路。我遇到最多的场景是这样的一台跑着 Node 服务的机器突然告警CPU 从 20% 冲到 95%SSH 上去之后第一反应是敲top看到某个进程占着 300% 的 CPU然后kill -9一把梭。进程是没了但过十分钟又起来了问题根本没解决。所以这篇不讲教科书式的进程生命周期定义而是聚焦一条真实可用的排查链路用 ps/top 定位异常进程 → 用 kill/systemctl 处置 → 用日志和 API 调用链复盘根因。这条链路里每一步都有坑比如kill -9杀不掉 D 状态进程、systemd 服务被 kill 后自动重启、日志里只有 PID 没有上下文。那 TaoToken 在这里扮演什么角色它解决的是排查链路最后一环——复盘阶段调用大模型分析日志和进程快照。传统做法是把日志复制到某个网页对话框里问但生产日志往往包含敏感信息而且每次都要手动粘贴。用 TaoToken 的统一 Key你可以把「采集进程快照 → 调用模型分析 → 输出处置建议」写成一个脚本Key 只配一次模型 ID 只写一次排查流程就固化了。适合谁看有一定 Linux 基础、需要处理线上问题的后端/运维/DevOps以及想把 AI 能力接进自己排查工具链的开发者。你不需要是内核专家但得能看懂ps aux的输出。核心检索词先明确Linux 进程管理排查链路指的是从发现异常到定位根因的完整命令序列而不是零散的命令记忆。下面按这条链路展开每一步都给可复制的命令和配置。2. TaoToken 前置准备统一 Key 怎么配、模型 ID 怎么选在进入具体排查命令之前先把 TaoToken 这一环配好否则后面复盘阶段会卡在鉴权上。TaoToken 的定位是统一 API Key 网关你只需要一个 Key就能调用多家模型不用为每个模型单独申请账号、单独记 Key。对排查场景来说这意味着你的脚本里只维护一个环境变量换模型只改一个 Model ID。先拿 Key。访问控制台创建 API Keyhttps://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentconsole创建后在 API Keys 页面复制格式通常是sk-开头的一串字符。这个 Key 不要硬编码进脚本用环境变量管理export TAOTOKEN_API_KEYsk-你的KeyBase URL 固定为https://taotoken.net/api注意这个地址不带任何查询参数是纯 API 端点。模型 ID 方面排查日志分析这种任务建议选长上下文、推理能力强的模型。你可以在模型对话页面先试一下效果确认模型能正确理解你的日志格式https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmodels如果你打算把排查能力做成长期跑的 Agent比如定时采集进程快照并自动分析建议看下 Coding Plan它更适合高频、长期的调用场景https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentcoding-plan接入文档在这里里面有各语言 SDK 的调用示例建议排查脚本用 curl 或 Python requests 直接调依赖最少https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentdoc配好之后先做一次最小验证确认 Key 和网络都通curl -s https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: 你的模型ID, messages: [{role: user, content: 回复 OK}] }返回里有choices[0].message.content就说明通了。这一步别跳过后面排查脚本报 401 的时候你会感谢自己先验证过。关于 Key 的安全生产机器上建议用只读权限的 Key或者把 Key 放在独立的配置服务里脚本运行时拉取。TaoToken 的 Key 支持在控制台随时吊销万一泄露可以快速止损。3. 可复制配置把排查链路写成脚本和配置文件这一节给可直接落地的配置片段。排查链路要固化核心是把「采集」和「分析」分开采集用 shell 脚本分析用 API 调用中间用文件传递。先写采集脚本collect_proc.sh它负责抓取当前进程快照、CPU 占用 Top 10、以及指定服务的日志尾部#!/bin/bash # collect_proc.sh - 采集进程排查快照 OUTDIR/tmp/proc_diag_$(date %Y%m%d_%H%M%S) mkdir -p $OUTDIR # 1. 全量进程快照 ps auxf $OUTDIR/ps_auxf.txt # 2. CPU 占用 Top 10 ps -eo pid,ppid,user,%cpu,%mem,stat,etime,cmd --sort-%cpu | head -n 11 $OUTDIR/top_cpu.txt # 3. 内存占用 Top 10 ps -eo pid,ppid,user,%cpu,%mem,stat,etime,cmd --sort-%mem | head -n 11 $OUTDIR/top_mem.txt # 4. 僵尸进程 ps -eo pid,ppid,stat,cmd | awk $3 ~ /Z/ {print} $OUTDIR/zombie.txt # 5. 指定服务日志尾部按需改服务名 journalctl -u your-service --no-pager -n 200 $OUTDIR/service_log.txt 2/dev/null echo 快照已保存到 $OUTDIR这个脚本的关键点是ps auxf的f参数它会以树形展示父子关系排查「谁拉起了这个异常进程」时非常有用。stat列能直接看到进程状态Z 是僵尸D 是不可中断睡眠R 是运行中。然后是分析脚本analyze_proc.py它读取快照目录拼成 prompt 发给 TaoTokenimport os import sys import json import requests API_KEY os.environ[TAOTOKEN_API_KEY] BASE_URL https://taotoken.net/api MODEL_ID os.environ.get(TAOTOKEN_MODEL, 你的模型ID) def read_file(path, limit4000): try: with open(path, r, errorsignore) as f: return f.read()[:limit] except FileNotFoundError: return (无此文件) def main(diag_dir): sections [] for name in [top_cpu.txt, top_mem.txt, zombie.txt, service_log.txt]: content read_file(os.path.join(diag_dir, name)) sections.append(f### {name}\n{content}) prompt ( 你是 Linux 运维专家。以下是某台机器的进程排查快照 请分析1) 最可能的异常进程及原因2) 建议的处置命令 3) 需要进一步采集哪些信息。\n\n \n\n.join(sections) ) resp requests.post( f{BASE_URL}/v1/chat/completions, headers{ Authorization: fBearer {API_KEY}, Content-Type: application/json, }, json{ model: MODEL_ID, messages: [{role: user, content: prompt}], temperature: 0.2, }, timeout120, ) resp.raise_for_status() data resp.json() print(data[choices][0][message][content]) if __name__ __main__: main(sys.argv[1])temperature设成 0.2 是为了让分析结果稳定排查场景不需要发散。timeout给到 120 秒因为日志可能很长。如果你用 Claude Code 做日常开发可以把 TaoToken 配成它的后端。Claude Code 的配置文件通常在~/.claude/settings.json加入{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的Key, ANTHROPIC_MODEL: 你的模型ID } }这里三件套必须齐全Base URL、Key、Model ID。少任何一个都会报鉴权或模型不存在的错。配好后在 Claude Code 里让它读你的排查脚本它能直接帮你改脚本逻辑。如果你用 Cline 或带 MCP 的工具配置思路一样把 Base URL 指向 TaoTokenKey 填统一 KeyModel ID 填你选的模型。注意 MCP 不要直连生产数据库排查脚本只读日志和进程快照就够了。4. 验证请求一次完整的进程异常定位动作配置好了现在走一遍完整链路。假设你收到告警某台机器 CPU 高。第一步SSH 上去先看整体负载uptime输出load average: 8.50, 6.20, 3.101 分钟负载 8.5说明正在飙升。接着看谁在吃 CPUtop -b -n 1 -o %CPU | head -n 20-b是批处理模式适合脚本采集-n 1只刷新一次-o %CPU按 CPU 排序。你会看到类似PID USER PR NI VIRT RES SHR S %CPU %MEM TIME COMMAND 8842 node 20 0 4523120 892340 32100 R 312.5 5.7 45:12.33 node 1203 mysql 20 0 2100344 512000 12000 S 12.3 3.2 120:45.11 mysqldPID 8842 的 node 进程占了 312.5% CPU多核跑满。这时候别急着 kill先看它的父子关系和启动时间ps -o pid,ppid,user,stat,etime,cmd -p 8842etime显示运行了 45 分钟stat是 R运行中。再看它的父进程是谁ps -o pid,ppid,cmd -p $(ps -o ppid -p 8842)如果父进程是 systemdPID 1说明这是个 systemd 管理的服务直接 kill 会被自动拉起。这时候应该用 systemctlsystemctl status your-service systemctl restart your-service如果父进程是某个 shell 或 supervisor那 kill 掉子进程后父进程可能重新拉起得先停父进程。处置完采集快照bash collect_proc.sh然后跑分析python3 analyze_proc.py /tmp/proc_diag_20250101_120000模型会返回类似这样的分析异常进程 PID 8842 为 node 服务CPU 312.5%运行 45 分钟。结合 service_log.txt 中的JavaScript heap out of memory和频繁 GC 日志判断为内存泄漏导致 GC 线程占满 CPU。建议1) 临时重启服务2) 用node --inspect抓堆快照3) 检查近期上线的代码中是否有未释放的定时器或全局缓存。这就是完整链路top 定位 → ps 看关系 → systemctl 处置 → 日志采集 → 模型复盘。每一步都有明确输出串起来就是可复用的流程。验证成功的结果是你能拿到一个具体的根因假设和下一步动作而不是「重启了先观察」。如果模型返回的是泛泛而谈说明你的 prompt 里日志信息不够回去补采集项。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth排查链路跑起来后报错集中在几个地方。这一节按真实报错对照。401 Unauthorized。最常见。原因通常是 Key 没导出到当前 shell或者脚本里读的环境变量名不一致。检查echo $TAOTOKEN_API_KEY如果为空说明export只在当前终端生效脚本在别的会话跑就丢了。解决方法是写进~/.bashrc或 systemd 的EnvironmentFile。另外确认 Key 没有多余空格复制时容易带上换行。local proxy failed / connection refused。这个报错说明请求根本没到 TaoToken卡在本地网络层。检查 Base URL 是不是写成了https://taotoken.net/api/末尾多斜杠有时会导致路径拼接错误以及机器是否能解析和访问taotoken.netcurl -v https://taotoken.net/api/v1/chat/completions -H Authorization: Bearer $TAOTOKEN_API_KEY如果 curl 也失败是网络问题如果 curl 成功但脚本失败是脚本里的 URL 或代理配置问题。注意不要配任何本地代理环境变量unset http_proxy https_proxy再试。reading choices 报错 / KeyError: choices。这是解析响应时出错说明返回的 JSON 里没有choices字段。通常是模型 ID 写错了返回了错误信息而不是正常响应。打印完整响应看看print(resp.status_code) print(resp.text)如果返回{error: {message: model not found}}就是 Model ID 不对。去模型对话页面确认可用的模型 ID注意大小写和版本号。OAuth 相关报错。如果你用 Claude Code 或类似工具报 OAuth 失败通常是配置文件里同时存在旧的 OAuth 配置和新的 API Key 配置工具优先走了 OAuth。检查~/.claude/settings.json确保ANTHROPIC_BASE_URL、ANTHROPIC_API_KEY、ANTHROPIC_MODEL三件套齐全并且没有残留的oauth字段。改完重启工具。kill 杀不掉进程。这不是 TaoToken 的错但排查链路里高频。如果kill -9 PID没反应看进程状态ps -o pid,stat,wchan,cmd -p PIDstat是 D 的话进程在不可中断睡眠通常在等 IO。wchan会显示它在等什么内核函数。这种情况 kill 无效得先解决 IO 问题比如磁盘满了、NFS 挂了。stat是 Z 的话是僵尸进程kill 没用得找它的父进程调用 wait或者重启父进程。systemctl restart 后进程又起来但行为异常。检查服务是否配置了Restartalways以及是否有多个实例在跑systemctl cat your-service | grep -i restart ps aux | grep your-service | grep -v grep如果有多个实例可能是端口冲突或 supervisor 和 systemd 同时管理。统一到一个管理器。6. 把排查链路固化成你的日常工具走到这里你已经有一条能跑的链路了。最后说几个让它真正好用的点。第一把采集脚本挂到 cron 或 systemd timer每 5 分钟采一次快照保留最近 24 小时。这样异常发生时你有历史数据可以对比而不是只有出事那一刻的快照。存储用find /tmp/proc_diag_* -mtime 1 -delete清理。第二分析脚本的 prompt 可以按服务定制。比如 MySQL 的排查重点和 Node 完全不同给模型加一句「这是 MySQL 实例重点关注连接数、慢查询、锁等待」分析质量会明显提升。第三Key 轮换。TaoToken 控制台可以创建多个 Key给不同脚本分配不同 Key方便按脚本吊销和统计用量。生产脚本用只读 Key本地调试用另一个。第四如果你要把这套东西分享给团队把 Base URL、Key、Model ID 三件套写进团队文档新人配环境时直接抄别让他们自己猜。接入文档在https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentdoc需要新 Key 或管理现有 Keyhttps://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentapi-keys想先试模型效果再决定用哪个https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmodels长期跑 Agent 做自动排查https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentcoding-plan最后一句实操建议下次遇到 CPU 飙高先别kill -9。按top→ps -o pid,ppid,stat,etime,cmd→systemctl status→ 采集快照 → 模型分析的顺序走一遍。你会发现大部分「重启就好」的问题其实都有明确的根因只是以前没采集到足够的信息。 
长河君 · 2026/10/7 8:35:41 · 阅读 1.2k Linux 进程管理总结：用 TaoToken 统一 Key 打通排查链路
1. 从一次线上 CPU 飙高说起Linux 进程管理排查链路到底是什么Linux 进程管理这件事单看命令都不难难的是把它们串成一条能复用的排查链路。我遇到最多的场景是这样的一台跑着 Node 服务的机器突然告警CPU 从 20% 冲到 95%SSH 上去之后第一反应是敲top看到某个进程占着 300% 的 CPU然后kill -9一把梭。进程是没了但过十分钟又起来了问题根本没解决。所以这篇不讲教科书式的进程生命周期定义而是聚焦一条真实可用的排查链路用 ps/top 定位异常进程 → 用 kill/systemctl 处置 → 用日志和 API 调用链复盘根因。这条链路里每一步都有坑比如kill -9杀不掉 D 状态进程、systemd 服务被 kill 后自动重启、日志里只有 PID 没有上下文。那 TaoToken 在这里扮演什么角色它解决的是排查链路最后一环——复盘阶段调用大模型分析日志和进程快照。传统做法是把日志复制到某个网页对话框里问但生产日志往往包含敏感信息而且每次都要手动粘贴。用 TaoToken 的统一 Key你可以把「采集进程快照 → 调用模型分析 → 输出处置建议」写成一个脚本Key 只配一次模型 ID 只写一次排查流程就固化了。适合谁看有一定 Linux 基础、需要处理线上问题的后端/运维/DevOps以及想把 AI 能力接进自己排查工具链的开发者。你不需要是内核专家但得能看懂ps aux的输出。核心检索词先明确Linux 进程管理排查链路指的是从发现异常到定位根因的完整命令序列而不是零散的命令记忆。下面按这条链路展开每一步都给可复制的命令和配置。2. TaoToken 前置准备统一 Key 怎么配、模型 ID 怎么选在进入具体排查命令之前先把 TaoToken 这一环配好否则后面复盘阶段会卡在鉴权上。TaoToken 的定位是统一 API Key 网关你只需要一个 Key就能调用多家模型不用为每个模型单独申请账号、单独记 Key。对排查场景来说这意味着你的脚本里只维护一个环境变量换模型只改一个 Model ID。先拿 Key。访问控制台创建 API Keyhttps://taotoken.net/console?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentconsole创建后在 API Keys 页面复制格式通常是sk-开头的一串字符。这个 Key 不要硬编码进脚本用环境变量管理export TAOTOKEN_API_KEYsk-你的KeyBase URL 固定为https://taotoken.net/api注意这个地址不带任何查询参数是纯 API 端点。模型 ID 方面排查日志分析这种任务建议选长上下文、推理能力强的模型。你可以在模型对话页面先试一下效果确认模型能正确理解你的日志格式https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmodels如果你打算把排查能力做成长期跑的 Agent比如定时采集进程快照并自动分析建议看下 Coding Plan它更适合高频、长期的调用场景https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentcoding-plan接入文档在这里里面有各语言 SDK 的调用示例建议排查脚本用 curl 或 Python requests 直接调依赖最少https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentdoc配好之后先做一次最小验证确认 Key 和网络都通curl -s https://taotoken.net/api/v1/chat/completions \ -H Authorization: Bearer $TAOTOKEN_API_KEY \ -H Content-Type: application/json \ -d { model: 你的模型ID, messages: [{role: user, content: 回复 OK}] }返回里有choices[0].message.content就说明通了。这一步别跳过后面排查脚本报 401 的时候你会感谢自己先验证过。关于 Key 的安全生产机器上建议用只读权限的 Key或者把 Key 放在独立的配置服务里脚本运行时拉取。TaoToken 的 Key 支持在控制台随时吊销万一泄露可以快速止损。3. 可复制配置把排查链路写成脚本和配置文件这一节给可直接落地的配置片段。排查链路要固化核心是把「采集」和「分析」分开采集用 shell 脚本分析用 API 调用中间用文件传递。先写采集脚本collect_proc.sh它负责抓取当前进程快照、CPU 占用 Top 10、以及指定服务的日志尾部#!/bin/bash # collect_proc.sh - 采集进程排查快照 OUTDIR/tmp/proc_diag_$(date %Y%m%d_%H%M%S) mkdir -p $OUTDIR # 1. 全量进程快照 ps auxf $OUTDIR/ps_auxf.txt # 2. CPU 占用 Top 10 ps -eo pid,ppid,user,%cpu,%mem,stat,etime,cmd --sort-%cpu | head -n 11 $OUTDIR/top_cpu.txt # 3. 内存占用 Top 10 ps -eo pid,ppid,user,%cpu,%mem,stat,etime,cmd --sort-%mem | head -n 11 $OUTDIR/top_mem.txt # 4. 僵尸进程 ps -eo pid,ppid,stat,cmd | awk $3 ~ /Z/ {print} $OUTDIR/zombie.txt # 5. 指定服务日志尾部按需改服务名 journalctl -u your-service --no-pager -n 200 $OUTDIR/service_log.txt 2/dev/null echo 快照已保存到 $OUTDIR这个脚本的关键点是ps auxf的f参数它会以树形展示父子关系排查「谁拉起了这个异常进程」时非常有用。stat列能直接看到进程状态Z 是僵尸D 是不可中断睡眠R 是运行中。然后是分析脚本analyze_proc.py它读取快照目录拼成 prompt 发给 TaoTokenimport os import sys import json import requests API_KEY os.environ[TAOTOKEN_API_KEY] BASE_URL https://taotoken.net/api MODEL_ID os.environ.get(TAOTOKEN_MODEL, 你的模型ID) def read_file(path, limit4000): try: with open(path, r, errorsignore) as f: return f.read()[:limit] except FileNotFoundError: return (无此文件) def main(diag_dir): sections [] for name in [top_cpu.txt, top_mem.txt, zombie.txt, service_log.txt]: content read_file(os.path.join(diag_dir, name)) sections.append(f### {name}\n{content}) prompt ( 你是 Linux 运维专家。以下是某台机器的进程排查快照 请分析1) 最可能的异常进程及原因2) 建议的处置命令 3) 需要进一步采集哪些信息。\n\n \n\n.join(sections) ) resp requests.post( f{BASE_URL}/v1/chat/completions, headers{ Authorization: fBearer {API_KEY}, Content-Type: application/json, }, json{ model: MODEL_ID, messages: [{role: user, content: prompt}], temperature: 0.2, }, timeout120, ) resp.raise_for_status() data resp.json() print(data[choices][0][message][content]) if __name__ __main__: main(sys.argv[1])temperature设成 0.2 是为了让分析结果稳定排查场景不需要发散。timeout给到 120 秒因为日志可能很长。如果你用 Claude Code 做日常开发可以把 TaoToken 配成它的后端。Claude Code 的配置文件通常在~/.claude/settings.json加入{ env: { ANTHROPIC_BASE_URL: https://taotoken.net/api, ANTHROPIC_API_KEY: sk-你的Key, ANTHROPIC_MODEL: 你的模型ID } }这里三件套必须齐全Base URL、Key、Model ID。少任何一个都会报鉴权或模型不存在的错。配好后在 Claude Code 里让它读你的排查脚本它能直接帮你改脚本逻辑。如果你用 Cline 或带 MCP 的工具配置思路一样把 Base URL 指向 TaoTokenKey 填统一 KeyModel ID 填你选的模型。注意 MCP 不要直连生产数据库排查脚本只读日志和进程快照就够了。4. 验证请求一次完整的进程异常定位动作配置好了现在走一遍完整链路。假设你收到告警某台机器 CPU 高。第一步SSH 上去先看整体负载uptime输出load average: 8.50, 6.20, 3.101 分钟负载 8.5说明正在飙升。接着看谁在吃 CPUtop -b -n 1 -o %CPU | head -n 20-b是批处理模式适合脚本采集-n 1只刷新一次-o %CPU按 CPU 排序。你会看到类似PID USER PR NI VIRT RES SHR S %CPU %MEM TIME COMMAND 8842 node 20 0 4523120 892340 32100 R 312.5 5.7 45:12.33 node 1203 mysql 20 0 2100344 512000 12000 S 12.3 3.2 120:45.11 mysqldPID 8842 的 node 进程占了 312.5% CPU多核跑满。这时候别急着 kill先看它的父子关系和启动时间ps -o pid,ppid,user,stat,etime,cmd -p 8842etime显示运行了 45 分钟stat是 R运行中。再看它的父进程是谁ps -o pid,ppid,cmd -p $(ps -o ppid -p 8842)如果父进程是 systemdPID 1说明这是个 systemd 管理的服务直接 kill 会被自动拉起。这时候应该用 systemctlsystemctl status your-service systemctl restart your-service如果父进程是某个 shell 或 supervisor那 kill 掉子进程后父进程可能重新拉起得先停父进程。处置完采集快照bash collect_proc.sh然后跑分析python3 analyze_proc.py /tmp/proc_diag_20250101_120000模型会返回类似这样的分析异常进程 PID 8842 为 node 服务CPU 312.5%运行 45 分钟。结合 service_log.txt 中的JavaScript heap out of memory和频繁 GC 日志判断为内存泄漏导致 GC 线程占满 CPU。建议1) 临时重启服务2) 用node --inspect抓堆快照3) 检查近期上线的代码中是否有未释放的定时器或全局缓存。这就是完整链路top 定位 → ps 看关系 → systemctl 处置 → 日志采集 → 模型复盘。每一步都有明确输出串起来就是可复用的流程。验证成功的结果是你能拿到一个具体的根因假设和下一步动作而不是「重启了先观察」。如果模型返回的是泛泛而谈说明你的 prompt 里日志信息不够回去补采集项。5. 本篇常见错排查401、local proxy failed、reading choices、OAuth排查链路跑起来后报错集中在几个地方。这一节按真实报错对照。401 Unauthorized。最常见。原因通常是 Key 没导出到当前 shell或者脚本里读的环境变量名不一致。检查echo $TAOTOKEN_API_KEY如果为空说明export只在当前终端生效脚本在别的会话跑就丢了。解决方法是写进~/.bashrc或 systemd 的EnvironmentFile。另外确认 Key 没有多余空格复制时容易带上换行。local proxy failed / connection refused。这个报错说明请求根本没到 TaoToken卡在本地网络层。检查 Base URL 是不是写成了https://taotoken.net/api/末尾多斜杠有时会导致路径拼接错误以及机器是否能解析和访问taotoken.netcurl -v https://taotoken.net/api/v1/chat/completions -H Authorization: Bearer $TAOTOKEN_API_KEY如果 curl 也失败是网络问题如果 curl 成功但脚本失败是脚本里的 URL 或代理配置问题。注意不要配任何本地代理环境变量unset http_proxy https_proxy再试。reading choices 报错 / KeyError: choices。这是解析响应时出错说明返回的 JSON 里没有choices字段。通常是模型 ID 写错了返回了错误信息而不是正常响应。打印完整响应看看print(resp.status_code) print(resp.text)如果返回{error: {message: model not found}}就是 Model ID 不对。去模型对话页面确认可用的模型 ID注意大小写和版本号。OAuth 相关报错。如果你用 Claude Code 或类似工具报 OAuth 失败通常是配置文件里同时存在旧的 OAuth 配置和新的 API Key 配置工具优先走了 OAuth。检查~/.claude/settings.json确保ANTHROPIC_BASE_URL、ANTHROPIC_API_KEY、ANTHROPIC_MODEL三件套齐全并且没有残留的oauth字段。改完重启工具。kill 杀不掉进程。这不是 TaoToken 的错但排查链路里高频。如果kill -9 PID没反应看进程状态ps -o pid,stat,wchan,cmd -p PIDstat是 D 的话进程在不可中断睡眠通常在等 IO。wchan会显示它在等什么内核函数。这种情况 kill 无效得先解决 IO 问题比如磁盘满了、NFS 挂了。stat是 Z 的话是僵尸进程kill 没用得找它的父进程调用 wait或者重启父进程。systemctl restart 后进程又起来但行为异常。检查服务是否配置了Restartalways以及是否有多个实例在跑systemctl cat your-service | grep -i restart ps aux | grep your-service | grep -v grep如果有多个实例可能是端口冲突或 supervisor 和 systemd 同时管理。统一到一个管理器。6. 把排查链路固化成你的日常工具走到这里你已经有一条能跑的链路了。最后说几个让它真正好用的点。第一把采集脚本挂到 cron 或 systemd timer每 5 分钟采一次快照保留最近 24 小时。这样异常发生时你有历史数据可以对比而不是只有出事那一刻的快照。存储用find /tmp/proc_diag_* -mtime 1 -delete清理。第二分析脚本的 prompt 可以按服务定制。比如 MySQL 的排查重点和 Node 完全不同给模型加一句「这是 MySQL 实例重点关注连接数、慢查询、锁等待」分析质量会明显提升。第三Key 轮换。TaoToken 控制台可以创建多个 Key给不同脚本分配不同 Key方便按脚本吊销和统计用量。生产脚本用只读 Key本地调试用另一个。第四如果你要把这套东西分享给团队把 Base URL、Key、Model ID 三件套写进团队文档新人配环境时直接抄别让他们自己猜。接入文档在https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentdoc需要新 Key 或管理现有 Keyhttps://taotoken.net/api-keys?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentapi-keys想先试模型效果再决定用哪个https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentmodels长期跑 Agent 做自动排查https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_contentcoding-plan最后一句实操建议下次遇到 CPU 飙高先别kill -9。按top→ps -o pid,ppid,stat,etime,cmd→systemctl status→ 采集快照 → 模型分析的顺序走一遍。你会发现大部分「重启就好」的问题其实都有明确的根因只是以前没采集到足够的信息。