1. 没有 Claude Code 时Skills 能力到底缺在哪很多人第一次接触 Claude Code Skills是被它的自动触发机制吸引把SKILL.md放进.claude/skills/目录Claude 在遇到相关任务时会自己读取规则、按流程执行。但现实是日常主力工具可能是 ChatGPT、Kimi、DeepSeek 或豆包这些工具并没有原生的 Skills 目录扫描机制。于是问题变成没有 Claude Code如何实现 Skills 式的可复用项目规则调用。先把概念拆开。Claude Code Skills 的本质不是某个文件名而是三层结构元数据name、description负责让模型判断“什么时候该用”正文SKILL.md负责写清楚“具体怎么做”附带文件或脚本负责“需要时再加载”。ChatGPT、Kimi、DeepSeek、豆包缺的是第一层的自动发现但第二层和第三层完全可以用项目规则文件、系统提示词、文件问答和知识库来近似复现。我试过把同一套论文复现规则分别塞进 ChatGPT Projects、Kimi 文件问答和 DeepSeek API 的 system prompt结论是只要规则文件写得足够结构化模型在后续对话中引用规则的稳定性能达到可用水平。关键不在于工具是否叫 Skills而在于你能不能把“每次都要重复解释的项目约束”沉淀成一份可被持续引用的上下文。适合谁看这篇经常用 ChatGPT/Kimi/DeepSeek/豆包做论文复现、数据清洗、代码规范检查但不想被绑定在 Claude Code 上的研究者、数据分析师和独立开发者。下面会给出统一的 Key/API 通道配置、可复制的auth.json片段、一次真实请求验证以及常见报错排查。2. TaoToken 统一通道前置准备Base URL 与 Key 怎么拿要让 ChatGPT、Kimi、DeepSeek、豆包之外的任意支持 BYOK 的客户端都能调用同一套模型最省事的做法是走一个兼容 OpenAI 协议的统一入口。TaoToken 提供的就是这种通道一个 Base URL 加一个 Key就能在 Cline、Continue、Codex、Claude Code 兼容客户端里切换模型。先明确三个必须写全的要素缺一个都会报错Base URLhttps://taotoken.net/apiAPI Key在控制台创建形如sk-开头Model ID按你实际要用的模型填写比如claude-sonnet-4-5、gpt-4o、deepseek-chat等获取 Key 的路径是打开官网https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content进入控制台在 API Keys 页面新建一个 Key。建议按项目建多个 Key方便后续按项目排查用量。注意Base URL 末尾不要多加/v1TaoToken 的兼容层已经处理了路径映射。很多 401 和 404 都是因为把 Base URL 写成了https://taotoken.net/api/v1导致的。拿到 Key 后先别急着往客户端里填。用一条 curl 命令验证通道是否通这一步能省掉后面大量“到底是客户端问题还是 Key 问题”的扯皮。curl https://taotoken.net/api/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer sk-你的Key \ -d { model: claude-sonnet-4-5, messages: [ {role: system, content: 你是一个遵循项目规则的助手。}, {role: user, content: 回复 OK 两个字母即可。} ] }如果返回 JSON 里choices[0].message.content是OK说明通道、Key、模型 ID 三者都对。这一步过了再往 ChatGPT 类客户端或 Codex 里配。3. 可复制配置auth.json、settings 与项目规则文件这一节是全文最核心的部分直接给可复制的配置片段。不同客户端读取配置的路径不一样但三件套Base URL Key Model ID必须写全。3.1 Codex 的 auth.json 配置Codex 类客户端通常读取~/.codex/auth.json。把下面内容按你的实际 Key 替换后保存{ OPENAI_API_KEY: sk-你的Key, OPENAI_BASE_URL: https://taotoken.net/api, model: claude-sonnet-4-5, provider: openai-compatible }保存后重启客户端。如果客户端还支持config.toml可以再加一段[model_providers.taotoken] name TaoToken base_url https://taotoken.net/api env_key OPENAI_API_KEY [profiles.default] model claude-sonnet-4-5 model_provider taotoken3.2 项目规则文件把 SKILL.md 拆成可复用上下文既然没有自动触发就把规则写成一份模型每次都会读到的文件。推荐命名PROJECT_RULES.md放在项目根目录然后在每次对话开头用一句话引用它。内容结构参考# 项目规则 ## 数据约束 - 原始数据不得修改只读。 - 清洗后数据保存到 data_clean/。 - 回归表保存到 tables/图形保存到 figs/。 ## 代码规范 - 全部使用相对路径。 - 数据清洗、变量构造、回归分析、图表输出分开写。 - 每次修改后说明改动了哪些文件、生成了哪些输出。 ## 写作约束 - 修改 Quarto 文稿时不得破坏公式、脚注、交叉引用和图片链接。这份文件就是你的“SKILL.md 正文”。ChatGPT Projects 可以把它放进项目文件Kimi 可以上传后做文件问答DeepSeek API 可以把它塞进 system prompt豆包可以放进知识库或智能体的人设说明。3.3 系统提示词模板在支持自定义 system prompt 的客户端里用这段把规则文件“激活”你是一个严格遵循项目规则的助手。每次回答前先阅读并遵守 PROJECT_RULES.md 中的全部约束。如果用户请求与规则冲突先指出冲突再执行。输出时说明改动了哪些文件。这样做的效果等价于 Claude Code Skills 的“触发后读取正文”那一步只是触发动作由你手动完成。4. 验证请求与成功结果一次 Skills 式调用演示配置写完必须验证。下面用一次真实请求演示“Skills 式调用”让模型读取项目规则然后执行一个数据清洗任务。请求体{ model: claude-sonnet-4-5, messages: [ { role: system, content: 你是一个严格遵循项目规则的助手。规则如下原始数据不得修改清洗后数据保存到 data_clean/代码使用相对路径每次修改后说明改动了哪些文件。 }, { role: user, content: 请写一段 Python 代码读取 raw/data.csv去除缺失值后保存到 data_clean/data_clean.csv并说明改动了哪些文件。 } ] }成功返回的关键特征有三个代码里出现data_clean/路径没有出现对raw/data.csv的写操作回答末尾有“改动文件说明”。如果这三点都满足说明规则已经被模型稳定引用Skills 式调用成立。再补一个验证 Kimi 文件问答的场景把PROJECT_RULES.md和一份论文草稿一起上传提问“按项目规则检查这份草稿的图表引用是否完整”。Kimi 会基于文件内容回答效果接近 Claude Code 读取附带文件那一步。DeepSeek 侧可以用 Context Caching 把规则文件缓存起来后续请求复用降低重复传输成本。豆包侧则可以把规则写进智能体的知识库让固定任务助手持续引用。5. 常见报错排查401、local proxy failed、reading choices、OAuth这一节按真实报错对照排查都是我在配置过程中踩过的坑。401 Unauthorized九成是 Key 写错或 Base URL 多了/v1。先确认Authorization: Bearer sk-xxx里的 Key 没有多余空格再确认 Base URL 是https://taotoken.net/api。如果客户端要求填完整 endpoint才用https://taotoken.net/api/v1/chat/completions。local proxy failed客户端本地代理端口被占用或代理配置残留。检查客户端设置里是否开了本地代理关掉后重启。这类报错和网络环境无关纯粹是客户端配置问题。reading choices 报错如 cannot read property choices of undefined说明返回体不是标准 OpenAI 格式通常是 Base URL 指错了地址或者模型 ID 不存在。先用第 2 节的 curl 命令确认返回体里有choices字段再回客户端改配置。OAuth 相关报错部分客户端默认走 OAuth 登录而非 API Key。需要在设置里切换到“API Key 模式”把三件套填全。如果客户端同时支持 OAuth 和 API Key优先用 API Key避免登录态过期导致的间歇性失败。模型 ID 不匹配报错信息里出现model not found时去控制台确认可用模型列表别凭记忆填。不同通道的模型命名可能不一样。排查顺序建议先 curl 验证通道再验证客户端配置最后验证规则文件是否被正确引用。三步分开能快速定位问题层。6. 长期编码与 Agent 场景把规则沉淀成可复用资产如果你只是偶尔用 ChatGPT 问问题上面的配置够用了。但如果你要长期做论文复现、数据清洗、代码规范检查建议把规则文件当成项目资产来维护每次发现模型重复犯错就把对应约束补进PROJECT_RULES.md而不是在对话里反复解释。对于长期编码和 Agent 场景Coding Plan 更适合承载这类持续调用需求配合统一通道能让多个客户端共享同一套规则和 Key。需要验证模型效果时可以直接在模型对话里试需要管理 Key 和查看用量时去 API Keys 页面操作接入细节查接入文档。真正值得迁移的不是SKILL.md这个文件名而是“把反复解释的项目规则沉淀为可复用上下文”的工作方式。工具会换规则文件可以一直用。