1. 词根笔记为什么越记越乱从第七章到第九章的真实困境如果你正在读李平武《英语词根与单词的说文解字》大概率会遇到一个尴尬第七章讲“音”第八章讲“义”第九章讲“性”每一章单独看都清楚合在一起就变成一团线。词根的读音规则、派生词重音转移、词根语义的对等性、粘附词根的语法属性这些内容散落在不同页码复习时根本串不起来。我自己的做法是把这三章拆成三类卡片读音卡、语义卡、属性卡。读音卡记录词根在派生词中是否重读、有没有例外语义卡记录词根的对等词和派生词的本义与引申义属性卡记录词根是动词性、名词性还是形容词性以及它如何牵制词缀选择。问题在于手工整理这三类卡片非常耗时尤其是例词和释义的一致性校验稍不留神就会把manuscript的重音标错或者把philanthropist的语义演变写反。这篇内容就是解决这个场景用 TaoToken 统一 Key 接入 AI 工具批量生成词根卡片、校验释义与例词一致性并输出一份可复习的清单。适合正在啃李平武这本书、想用 AI 辅助整理笔记但不想折腾多个 API Key 的读者。下面从 TaoToken 的前置准备开始然后给出可复制的settings.json骨架接着是批量生成与校验的完整操作最后是常见报错排查。2. TaoToken 前置准备统一 Key 与 API 通道TaoToken 在这里的角色是统一 API 通道。你不需要为每个 AI 工具单独申请 Key也不需要改代码里的 base_url 到处切换。官网地址是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 入口是 https://taotoken.net/api 。注意 API 地址不带 UTM 参数配置时直接写https://taotoken.net/api即可。你需要先拿到一个 Key。进入控制台创建 API Key地址是 https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 。创建后复制保存后面所有工具都复用这一个 Key。如果你只是先验证模型能不能正常返回词根释义可以用模型对话页面快速试一条地址是 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 。如果你打算长期用 AI 做词根卡片批量生成和校验建议看 Coding Plan地址是 https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite 适合需要稳定调用、批量处理的场景。接入文档在 https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 配置格式和 OpenAI 兼容接口一致。如果你用 Claude Code 这类工具Anthropic 兼容入口在 https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaude_codeutm_campaignrewrite 。下面直接进入配置环节。3. 可复制配置settings.json 骨架与词根卡片生成脚本先给一个通用的settings.json骨架适用于大多数支持 OpenAI 兼容接口的 AI 工具。把YOUR_TAOTOKEN_KEY替换成你在控制台创建的 Key。{ api_base: https://taotoken.net/api, api_key: YOUR_TAOTOKEN_KEY, model: gpt-4o-mini, temperature: 0.3, max_tokens: 2048, timeout: 60 }如果你用的工具需要base_url而不是api_base改成base_url: https://taotoken.net/api即可。temperature设 0.3 是为了让词根释义和例词输出更稳定减少胡编。max_tokens设 2048 足够生成一张包含词根、对等词、例词、重音、属性的卡片。接下来是批量生成词根卡片的 Python 脚本。它读取一个词根列表逐条请求输出 JSON 格式的卡片。你可以把第七章到第九章里出现的词根整理成roots.txt每行一个。import json import requests API_BASE https://taotoken.net/api API_KEY YOUR_TAOTOKEN_KEY def build_prompt(root): return f你是英语词根学习助手。请为词根 {root} 生成一张学习卡片严格按以下 JSON 格式输出不要输出任何额外文字 {{ root: {root}, equal_word: 对等词如 to do / man / same, origin: 来源如拉丁动词 agere / 希腊名词 demos, pos_attr: 词根属性动词性/名词性/形容词性/修饰性/介词性, examples: [ {{word: 例词, meaning: 中文释义, stress: 重音位置如第二音节, note: 读音或语义说明}} ], semantic_note: 语义演变或隐性派生说明50字以内 }} 要求例词必须来自李平武《英语词根与单词的说文解字》第七至第九章至少3个释义准确重音标注符合书中规则。 def generate_card(root): resp requests.post( f{API_BASE}/v1/chat/completions, headers{ Authorization: fBearer {API_KEY}, Content-Type: application/json }, json{ model: gpt-4o-mini, temperature: 0.3, max_tokens: 2048, messages: [ {role: user, content: build_prompt(root)} ] }, timeout60 ) resp.raise_for_status() content resp.json()[choices][0][message][content] return json.loads(content) if __name__ __main__: with open(roots.txt, r, encodingutf-8) as f: roots [line.strip() for line in f if line.strip()] cards [] for r in roots: try: card generate_card(r) cards.append(card) print(fOK: {r}) except Exception as e: print(fFAIL: {r} - {e}) with open(root_cards.json, w, encodingutf-8) as f: json.dump(cards, f, ensure_asciiFalse, indent2)这个脚本的关键点temperature压低、要求 JSON 输出、例词限定在第七至第九章。如果你发现模型偶尔输出多余文字导致json.loads失败可以在 prompt 末尾加一句“只输出 JSON不要用 markdown 代码块包裹”。实测下来加上这句后解析成功率明显提高。4. 验证请求与成功结果词根卡片一致性校验生成卡片后必须做一致性校验。校验分两步第一步用脚本检查 JSON 结构是否完整第二步用 AI 校验释义与例词是否匹配书中内容。先看结构校验脚本import json REQUIRED [root, equal_word, origin, pos_attr, examples, semantic_note] def validate_card(card): errors [] for key in REQUIRED: if key not in card: errors.append(f缺少字段: {key}) if examples in card: if not isinstance(card[examples], list) or len(card[examples]) 3: errors.append(例词少于3个) for ex in card[examples]: for k in [word, meaning, stress, note]: if k not in ex: errors.append(f例词缺少字段: {k}) return errors with open(root_cards.json, r, encodingutf-8) as f: cards json.load(f) for card in cards: errs validate_card(card) if errs: print(f{card.get(root, ?)}: {errs}) else: print(f{card[root]}: OK)结构校验通过后做语义一致性校验。把卡片内容发给模型让它对照李平武书中规则判断是否有误。这里用模型对话页面手动抽检也可以地址是 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 。批量校验的 prompt 如下def verify_card(card): prompt f请校验以下词根卡片是否符合李平武《英语词根与单词的说文解字》第七至第九章的规则。 重点检查 1. 词根属性判断是否正确动词性/名词性/形容词性等 2. 例词重音标注是否符合词根重读、词缀轻读及7种例外 3. 语义演变说明是否准确 4. 例词释义是否与书中一致 卡片内容 {json.dumps(card, ensure_asciiFalse, indent2)} 请输出PASS 或 FAIL以及具体问题。只输出结论和问题不要复述卡片。 resp requests.post( f{API_BASE}/v1/chat/completions, headers{ Authorization: fBearer {API_KEY}, Content-Type: application/json }, json{ model: gpt-4o-mini, temperature: 0.1, max_tokens: 1024, messages: [{role: user, content: prompt}] }, timeout60 ) resp.raise_for_status() return resp.json()[choices][0][message][content]成功结果长这样结构校验全部 OK语义校验大部分 PASS少数 FAIL 的卡片会指出具体问题比如“manuscript重音应标在第一音节manu上卡片标成了第二音节”或者“philanthropist的语义演变说明缺少‘博爱’到‘慈善家’的引申”。你根据这些反馈手动修正或者把 FAIL 的卡片重新生成一次。校验完成后把 PASS 的卡片合并成复习清单。可以按词根属性分组也可以按第七章读音、第八章语义、第九章属性三个维度打标签。最终输出一个review_list.md每张卡片一行方便导入 Anki 或直接打印。5. 本篇常见错排查5.1 请求返回 401 或 403最常见原因是 Key 没替换或复制时带了空格。检查settings.json里的api_key是否完整前后无空格。如果用的是环境变量确认变量名和代码里读取的一致。另外注意 API 地址是https://taotoken.net/api不要写成带 UTM 参数的官网地址两者用途不同。5.2 返回内容不是合法 JSON模型偶尔会在 JSON 前后加解释文字或者用 markdown 代码块包裹。解决办法有两个一是在 prompt 里明确“只输出 JSON不要用代码块”二是在代码里加一层清洗用正则提取第一个{到最后一个}之间的内容再解析。如果仍然失败把temperature降到 0.1 再试。5.3 例词重音标注与书中不一致这是语义校验要解决的问题。模型可能把transfer的重音标错因为这个词动词和名词重音不同。校验 prompt 里要强调“双音节前缀原生词由动词转名词时重音从前移后”这条规则。如果模型反复标错可以在生成 prompt 里直接给出这条规则作为约束。5.4 词根属性判断错误粘附词根的属性判断依赖词源。比如ag来自拉丁动词agere是动词性insul来自拉丁名词insula是名词性。如果模型把dem判成形容词性说明它没抓住“来自希腊名词 demos”这个线索。校验时重点看origin字段和pos_attr是否自洽。5.5 批量请求超时或限流如果词根数量多逐条请求可能触发限流。建议在脚本里加time.sleep(1)间隔或者分批处理。如果用的是 Coding Plan并发限制会宽松一些适合大批量生成。超时时间设 60 秒通常够用网络波动时可以调到 120 秒。6. 继续用 TaoToken 统一 Key 做词根复习词根卡片生成和校验只是第一步。后续你可以把review_list.md导入复习工具按第七章读音规则、第八章语义演变、第九章属性牵制三个维度做间隔重复。每次复习时如果发现某张卡片释义模糊直接回到模型对话页面重新问一条地址是 https://taotoken.net/models?utm_sourcetaotoken_aicg_blog_endutm_contentmodel_chatutm_campaignrewrite 。需要新建 Key 或查看用量去控制台 https://taotoken.net/console/api-keys?utm_sourcetaotoken_aicg_blog_endutm_contentapi_keysutm_campaignrewrite 。配置细节和接口格式以接入文档为准https://taotoken.net/doc?utm_sourcetaotoken_aicg_blog_endutm_contentdocutm_campaignrewrite 。如果你打算长期做批量卡片和校验Coding Plan 的稳定调用更适合https://taotoken.net/coding-plan?utm_sourcetaotoken_aicg_blog_endutm_contentcoding_planutm_campaignrewrite 。用 Claude Code 的话Anthropic 入口在这里https://taotoken.net/claude-code-anthropic?utm_sourcetaotoken_aicg_blog_endutm_contentclaude_codeutm_campaignrewrite 。