Python系统工具模块详解：从os、pathlib到subprocess的工程实践-北京尧图网络

1. 系统工具模块全景这一节到底在学什么1.1 系统工具在日常开发中的真实位置聊到 Python 基础知识里的系统工具很多人第一反应是这不就是 os 模块吗其实远没那么简单。这一节内容本质上是在教你如何让 Python 跟操作系统对话——读取系统信息、操作文件路径、运行外部命令、管理环境变量这些都是写自动化脚本和工具类项目时躲不开的底子。我见过不少初学者学完基础语法之后文件操作只会用 open() 和 os.path.join()一旦碰到批量重命名文件压缩备份目录获取 CPU 核心数这类需求就跑去搜索引擎复制一段不明不白的代码跑通了也不知道为什么。1.15 系统工具这一节就是把这块拼图补齐让你知道标准库里有哪些现成的工具可用、各自擅长什么、什么时候该用哪一个。举个例子。你要写一个跨平台的部署脚本需要自动创建多级目录、复制配置文件、再执行一条系统命令。如果只会 open() 和 os.system()代码会写得又长又脆——今天在 Windows 上路径分隔符出错明天在 Linux 上权限报错。而用 os.makedirs shutil.copy2 subprocess.run 组合起来十几行就能搞定还天然兼容两个平台。这就是系统工具模块的价值它不是某个单一知识点而是一整套与操作系统协作的标准动作。1.2 核心模块地图谁负责什么先给出一张我平时教学时最常用的对照表把这一节涉及的主要模块按职责划分清楚。记不住全部没关系但这张图要存在脑子里遇到问题知道去哪找。模块核心职责典型场景os操作系统接口路径、环境变量、目录操作、进程信息创建目录、获取当前路径、读取环境变量sysPython 解释器接口参数、退出、标准输入输出获取脚本参数、强制退出程序、控制递归深度pathlib面向对象的路径处理替代 os.path拼接路径、提取文件名、遍历目录时最顺手shutil高级文件操作复制、移动、压缩、归档文件备份、打包目录、批量复制subprocess运行外部命令并与之交互执行系统命令、获取命令返回值、传参platform获取操作系统、Python 版本、硬件信息写兼容性检查代码、生成系统报告这里有一点需要特别提醒很多老教程还在用 os.path 这一套但如果你用的是 Python 3.6 以上版本pathlib 是更现代、更推荐的选择。它最大的优势是把路径变成对象方法链式调用代码读起来像自然语言。当然os.path 也并没有被废弃存量代码里依然大量存在所以两个都要会读、会写。这一节的学习策略应该是先通过 os 理解系统接口的本质再切换到 pathlib 提升编码体验最后用 subprocess 弥补Python 不能直接调系统命令的缺口。2. 实操从 os 和 sys 开始最基础也最常用的系统接口2.1 os 模块的常用方法拆解os 模块是 Python 系统编程的地基。我建议初学者先不要贪多抓住下面几个高频方法就够了它们几乎覆盖了日常 80% 的需求。路径处理方向os.getcwd() 获取当前工作目录os.chdir() 切换目录os.path.join() 拼接路径。很多人不理解为什么拼接路径不能用字符串加号——因为不同操作系统的路径分隔符不一样Windows 是反斜杠Linux/macOS 是正斜杠。os.path.join() 会自动适配当前系统你写一遍代码两个平台都能跑。目录操作方向os.listdir() 列出目录内容os.makedirs() 递归创建目录os.rmdir() 删除空目录。这里我必须强调一个细节os.makedirs() 有一个参数 exist_ok默认是 False也就是说如果目标目录已经存在它会直接抛 FileExistsError。很多新手踩坑之后改成 try-except 硬吞异常其实更优雅的写法是传 exist_okTrueimport os # 递归创建目录已存在也不报错 os.makedirs(backup/2025/logs, exist_okTrue) # 列出目录下所有文件 for item in os.listdir(backup): print(item)文件信息方向os.path.getsize() 获取文件大小os.path.getmtime() 获取最后修改时间戳os.path.exists() 判断路径是否存在os.path.isfile() 和 os.path.isdir() 区分文件和目录。这几个组合起来就是最简单的文件扫描器原型。环境变量方向os.environ 是一个类字典对象用来读写环境变量。这里有个大坑用 os.environ[KEY] 直接取值时如果 KEY 不存在会抛 KeyError所以安全写法是用 os.environ.get(KEY, 默认值)。我在脚本里判断开发环境还是生产环境靠的就是这一行代码import os mode os.environ.get(RUN_MODE, development) if mode production: print(生产模式) else: print(开发模式)2.2 sys 模块的进阶玩法如果说 os 是 Python 和操作系统之间的翻译官那 sys 就是 Python 解释器自己的控制面板。它不负责操作系统层面的事只管 Python 进程内部。获取和设置脚本参数sys.argv 是最常用的属性。它返回一个列表第一个元素是脚本文件名后面的是命令行传入的参数。写命令行工具时一定会用到import sys # 用法python script.py input.txt output.txt if len(sys.argv) 3: print(参数不足用法python script.py 输入文件输出文件) sys.exit(1) input_file sys.argv[1] output_file sys.argv[2] print(f处理 {input_file} - {output_file})注意 sys.exit(1) 这个用法——它不只是退出程序还会给操作系统返回一个退出码。0 表示正常结束非 0 表示出错。在自动化部署流水线里上一道命令的退出码决定了下一道命令是否执行所以千万不要小看这个数字。控制标准输入输出sys.stdin、sys.stdout、sys.stderr 分别对应标准输入、标准输出、标准错误。平时用 print() 打印内容实际上就是在向 sys.stdout 写内容。重定向日志、把错误信息单独输出到文件都是通过这些对象做转发。比如你想把脚本里的所有错误信息单独记录到日志文件import sys with open(error.log, a, encodingutf-8) as f: sys.stderr f print(这条信息会写入 error.log, filesys.stderr)修改递归深度和解释器信息sys.getrecursionlimit() 可以查看递归深度上限通常默认 1000sys.setrecursionlimit() 可以调高。不过我要提醒一句递归深度调高意味着耗内存Python 每次递归都会占用调用栈空间盲目调高会把进程搞崩。真遇到递归过深的问题优先考虑是不是算法设计有缺陷而不是无脑改参数。sys.version_info 则能拿到 Python 的版本号元组适合写兼容性判断import sys if sys.version_info (3, 8): print(这个脚本需要 Python 3.8 以上版本) sys.exit(1)2.3 实操写一个环境诊断脚本把 os 和 sys 结合最典型的小项目就是环境诊断脚本。我在模拟项目 X 的初始化过程中就写过这样一个启动前检查工具用来确认当前机器的 Python 版本、工作目录、关键环境变量、磁盘可用空间全部正常才继续跑。核心逻辑大概是import os import sys import shutil # 检查 Python 版本 print(fPython 版本{sys.version.split()[0]}) # 检查当前工作目录 print(f当前工作目录{os.getcwd()}) # 检查关键环境变量 for key in [HOME, PATH]: value os.environ.get(key, 【未设置】) print(f{key} {value}) # 检查磁盘空间 total, used, free shutil.disk_usage(os.getcwd()) print(f磁盘可用空间{free // (1024 ** 3)} GB)在 Windows 上环境变量是 USERPROFILE 而不是 HOME所以判断时要两个都试一下这是跨平台脚本最容易忽略的细节。我通常这样写home_dir os.environ.get(HOME) or os.environ.get(USERPROFILE)这一整节看下来你会发现os 和 sys 并不复杂但它们几乎出现在每一个 Python 工具脚本里。把它们用顺手了后面学文件处理、进程管理才会顺畅。3. 文件与路径处理从 os.path 到 pathlib 的进化3.1 pathlib 为什么值得学习刚接触 pathlib 时我也有点抗拒既然 os.path 用得好好的为什么要换但用了两周之后我就回不去了。核心原因是 pathlib 把路径封装成了 Path 对象语法更清晰而且一整套方法全部集中在同一个对象上不用来回导入不同的函数。举个最直观的例子。你要从 /home/user/project/data/report.txt 里提取文件名、主文件名和父目录路径。用 os.path 得写三行用 pathlib 是这样from pathlib import Path p Path(/home/user/project/data/report.txt) print(p.name) # report.txt print(p.stem) # report不带后缀 print(p.suffix) # .txt print(p.parent) # /home/user/project/data print(p.parts) # (/, home, user, project, data, report.txt)路径拼接也变得非常直观。Path 对象之间可以直接用 / 运算符连接这在处理动态路径时特别舒服from pathlib import Path base Path(project) config base / config / settings.ini print(config) # project/config/settings.inipathlib 还提供了很多内置方法p.exists() 判断存在、p.mkdir(parentsTrue, exist_okTrue) 创建目录、p.read_text() 直接读取文件内容、p.write_text() 写入文件。实际上日常用到的文件读写都可以基于 Path 对象一套带走连 open() 都不必单独写。这里要给一个忠告pathlib 的 Path.resolve() 可以把相对路径转绝对路径并解析掉符号链接这个在日志分析和配置文件定位时很实用但要注意它会做真实的文件系统查询所以对不存在的路径调用 resolve() 也不会报错只是返回一个规范化后的绝对路径。3.2 shutil 的高级文件操作shutil 这个模块我越用越觉得它是文件操作瑞士军刀。它主要提供高级的文件操作能力覆盖复制、移动、删除、压缩四大场景。复制与移动shutil.copy() 复制文件内容shutil.copy2() 还会保留文件的元数据创建时间、修改时间等。做备份脚本时一定要用 copy2否则备份出来的文件时间戳全变了对后续的增量同步、比对都很不利。shutil.move() 则兼顾移动和重命名源路径和目标路径只要不是同一个目录它就真的把文件搬过去。目录整体操作shutil.rmtree() 可以递归删除整个目录树威力极大。我必须反复强调这个操作不会把文件放进回收站执行了就是真的没了。我在模拟项目 X 的清理模块中曾误用 rmtree 删错了目录好在目标目录是临时缓存才没造成严重后果。从那以后我给自己立了规矩凡是调用 rmtree前面必须加一道检查确认路径前缀符合预期再执行import shutil target /tmp/cache if target.startswith(/tmp) and shutil.os.path.exists(target): shutil.rmtree(target) print(已清理, target)压缩与归档shutil.make_archive() 能一键把目录打包成 zip 或 tar 压缩包这是做备份和分发的利器。我做日志归档时每天定时把当天的日志目录压缩成 zip 并加上日期后缀核心代码不超过五行import shutil archive_name shutil.make_archive( base_namebackup/logs_20250101, formatzip, root_dirlogs ) print(生成备份, archive_name)注意 base_name 是压缩包文件的路径前缀format 是格式zip、tar、gztar、bztarroot_dir 是要打包的目录。生成的压缩包会自动带上后缀名。3.3 实操一键归档备份的小工具把 pathlib 和 shutil 组合起来可以写出一个非常实用的目录备份小工具。需求很简单把指定目录下的所有 .txt 文件复制到一个带时间戳的新目录里同时打一个 zip 包。完整实现如下import shutil from pathlib import Path from datetime import datetime def backup_files(src_dir: str, dst_base: str): src Path(src_dir) if not src.exists(): print(f源目录不存在{src_dir}) return timestamp datetime.now().strftime(%Y%m%d_%H%M%S) dst_dir Path(dst_base) / fbackup_{timestamp} dst_dir.mkdir(parentsTrue, exist_okTrue) # 遍历源目录所有 .txt 文件 for file in src.rglob(*.txt): relative file.relative_to(src) target dst_dir / relative target.parent.mkdir(parentsTrue, exist_okTrue) shutil.copy2(file, target) print(f备份{file} - {target}) # 打包 zip_path shutil.make_archive( base_namestr(dst_dir), formatzip, root_dirdst_dir ) print(f压缩包已生成{zip_path}) if __name__ __main__: backup_files(data, backup)src.rglob(*.txt) 会递归匹配所有子目录下的 txt 文件relative_to(src) 用来保留原目录结构。这个脚本虽然简单但完整覆盖了遍历、复制、打包三条核心链路拿来改成图片备份、日志归档都只需要换一下后缀名。我自己的经验是这类小工具写完之后最好立刻拿一个真实的小目录跑一遍确认结构符合预期再投入使用。4. 进程与命令执行subprocess 的正确打开方式4.1 subprocess 基础用法与设计哲学很多老教程还在推荐 os.system()我必须明确告诉读者正规的 Python 开发中执行外部命令请一律使用 subprocess。os.system() 最大的问题是拿不到命令的输出内容只能拿到退出码而且容易受 shell 注入影响。subprocess 就是来替代它的。subprocess.run() 是最推荐的入口函数。它在 Python 3.5 引入设计上就是跑一个命令等它结束拿到结果的直观语义import subprocess # 执行命令,捕获输出 result subprocess.run( [ls, -l], capture_outputTrue, textTrue, encodingutf-8 ) print(退出码, result.returncode) print(标准输出, result.stdout) print(标准错误, result.stderr)注意 subprocess.run() 的第一个参数是列表而不是字符串。这是 subprocess 安全性的核心之一列表形式的参数会直接传给操作系统不需要经过 shell 解释所以大部分注入风险就被挡在了外面。当你把用户输入拼进命令字符串时使用列表形式能极大避免用户传入 ; rm -rf这类恶意内容被当成新命令执行。4.2 参数细节shell、超时和环境变量shell 参数什么时候用subprocess.run(..., shellTrue) 表示让系统 shell 去解析这条命令字符串。好处是可以使用管道、通配符、环境变量展开例如 ls -l | grep py。坏处是如果命令里混入不可信的输入就存在注入风险。我的习惯是优先用列表传参只有当确实需要管道、通配符这类 shell 特性时才用 shellTrue并且绝不把外部输入直接拼进去。超时控制外部命令可能卡死比如调用的程序在等待输入。subprocess.run() 的 timeout 参数可以设置超时秒数超时后脚本会抛 TimeoutExpired 异常。实际项目里我在批量调外部工具时都养成了设置超时的习惯import subprocess try: result subprocess.run( [ping, 127.0.0.1, -c, 3], capture_outputTrue, textTrue, timeout10 ) print(result.stdout) except subprocess.TimeoutExpired: print(命令执行超时已终止)环境变量传递默认情况下subprocess 会继承当前进程的环境变量。如果你想让子进程看到一个修改过的 PATH可以用 env 参数传入一个全新的字典import os import subprocess env os.environ.copy() env[PYTHONUNBUFFERED] 1 result subprocess.run( [python, child_script.py], capture_outputTrue, envenv )这里有个坑env 必须包含 PATH否则子进程可能找不到依赖的可执行文件。所以常规做法是先用 os.environ.copy() 复制当前环境再修改个别变量。4.3 实操批量执行外部命令并收集结果写自动化运维脚本时经常需要批量执行同一条命令、收集每台机器的返回结果。下面这个例子模拟了对一组主机执行系统信息探测命令并把失败项单独记录import subprocess import json hosts [127.0.0.1, 192.168.1.10, 192.168.1.11] # 仅为示例 results {} failed [] for host in hosts: try: result subprocess.run( [ping, -n, 1, -w, 1000, host], capture_outputTrue, textTrue, timeout5 ) results[host] { rc: result.returncode, ping_ok: result.returncode 0, } except subprocess.TimeoutExpired: failed.append(host) print(json.dumps(results, indent2)) print(超时主机, failed)注意我这里用了 -n 和 -w 参数是 Windows 的 ping 写法。如果要在 Linux 上跑需要改成 -c 和 -W。这就是跨平台脚本的常态外部命令的参数体系各不相同subprocess 本身帮不了你你得自己做好平台判断。合理的做法是把 ping 命令和参数封装成函数按 sys.platform 分流import sys if sys.platform.startswith(win): cmd [ping, -n, 1, -w, 1000, host] else: cmd [ping, -c, 1, -W, 1, host]5. 平台信息与系统监控摸清机器的底细5.1 platform 模块快速读取系统信息在写安装脚本、诊断工具、跨平台适配代码时第一步就是搞清楚这台机器到底是什么系统、什么版本、什么架构。platform 模块就是干这个的。它的几个核心函数都很直白import platform print(操作系统, platform.system()) # Windows / Linux / Darwin print(节点名, platform.node()) # 主机名 print(发布版本, platform.release()) # 系统版本号 print(版本详情, platform.version()) print(机器架构, platform.machine()) # x86_64 / arm64 print(处理器, platform.processor()) print(Python版本, platform.python_version())platform.system() 返回 Windows 时代表 Windows返回 Linux 代表 Linux返回 Darwin 代表 macOS。很多开源项目的 README 里写支持 Windows/Linux/macOS其实代码里就是通过这个函数做的分支判断。platform 还能用来获取解释器信息platform.python_implementation() 返回 CPython、PyPy 等实现类型。这一点在做性能调优时值得关注同样一段代码在 CPython 和 PyPy 上的表现可能差异巨大。5.2 补充工具psutil 让你看到系统资源细节严格来说 psutil 是第三方库但它在系统工具这个范畴里太常用了几乎成了事实标准。它能获取 CPU 使用率、内存占用、磁盘 IO、网络连接甚至进程级别的详细信息。安装很简单pip install psutil我通常在写监控脚本时这样用import psutil # CPU 和内存 cpu_percent psutil.cpu_percent(interval1) mem psutil.virtual_memory() print(fCPU 使用率{cpu_percent}%) print(f内存使用率{mem.percent}%已用 {mem.used // (1024**3)} GB / 共 {mem.total // (1024**3)} GB) # 磁盘 disk psutil.disk_usage(/) print(f磁盘使用率{disk.percent}%) # 当前进程信息 process psutil.Process() print(f当前进程 PID{process.pid}) print(f工作目录{process.cwd()})psutil 最让人舒服的一点是它把跨平台的系统信息采集统一成了同一套 API。你在 Windows 上写的内存读取代码几乎不用改就能跑到 Linux 上。我在模拟项目 X 中做性能基线对比时就靠 psutil 采集实验组和对比组的系统数据省掉了大量手写命令解析的活。不过第三方库有个问题不是所有环境都预装了。如果想只依赖标准库做轻量判断platform os shutil.disk_usage() 已经能满足基本需求。psutil 适合做信息要更细、监控要更实时的场景。5.3 实操生成一份系统环境报告综合上面的内容可以写一个小函数一键输出当前机器的核心信息。输出格式我用文本块和字典两种方式方便人工阅读和程序消费import platform import shutil import sys import os def system_report(): report { os: platform.system(), os_release: platform.release(), machine: platform.machine(), python_version: platform.python_version(), python_impl: platform.python_implementation(), cpu_count: os.cpu_count(), disk_free_gb: shutil.disk_usage(/).free // (1024 ** 3), } return report report system_report() for key, value in report.items(): print(f{key}: {value})这个函数在脚本启动时调用一次然后存成 JSON 文件就是最简单的运行环境审计记录。平时调试报错时把这份报告贴给同事比反复问你是哪个系统、哪个 Python 版本高效得多。6. 常见问题与排查技巧实录6.1 Windows 与 Linux 的路径差异跨平台路径问题永远是系统工具脚本的头号坑。最典型的表现是在 Windows 上生成路径用的是反斜杠拿去 Linux 上用直接报目录不存在。解决路径差异我总结了三板斧第一永远不要手写路径分隔符。用 pathlib.Path(backup) / data / 2025.txt它会在所在系统上自动生成正确分隔符。第二读取用户传入路径后先做规范化。Path.resolve() 会把路径变成绝对路径并统一格式后续所有操作都基于规范化后的路径。第三注意 Windows 驱动器盘符。在 Linux 上 / 是根目录在 Windows 上每个盘符都有自己的根。判断绝对路径时不能只看开头是不是 /要用 Path.is_absolute()。6.2 编码问题Windows 下为什么 print 中文报错Windows 命令行默认编码不是 UTF-8所以很多人从 Linux 上拿来的脚本在 Windows 一跑print 中文就抛 UnicodeEncodeError或者输出乱码。这件事折磨过很多初学者。标准的解决办法是在 Python 脚本开头设置标准输出重定向到 UTF-8。Python 3.7 以上可以用 reconfigure 方法import sys if hasattr(sys.stdout, reconfigure): sys.stdout.reconfigure(encodingutf-8) else: import io sys.stdout io.TextIOWrapper(sys.stdout.buffer, encodingutf-8)另外还有一个隐藏坑shutil、open() 等文件操作也涉及编码。open() 时显式指定 encodingutf-8 是良好的习惯不要依赖系统默认编码。我在写日志处理脚本时无论读还是写一律显式传 encoding 参数踩过一次坑之后就形成了条件反射。6.3 权限不足与文件锁定系统工具脚本最常见的运行失败原因是权限问题。在 Linux/macOS 上当你要读写 /etc 或者其他受保护目录时必须以管理员权限运行否则 PermissionError 会直接抛出来。我建议在脚本开头就做一次明确的权限检查而不是等到中间操作时措手不及import os def check_writable(path): if os.access(path, os.W_OK): print(f目录 {path} 可写) return True print(f警告目录 {path} 不可写请检查权限) return FalseWindows 上还会有文件锁问题文件被 Excel、记事本或者其他进程占用时open() 可能直接抛 PermissionErrorshutil.move() 和 os.remove() 也会因为文件被占用而失败。这是 Windows 特有的坑建议做文件操作时加一层重试机制比如捕获 PermissionError 后等待 1 秒再试一次连续重试 3 次仍失败再报错。6.4 其他值得记住的踩坑经验环境变量不是全局共享的。你在 Python 脚本里用 os.environ[FOO] bar不会影响系统全局只影响当前进程和它派生的子进程。脚本结束后这个设置就消失了。想真正持久化环境变量得去操作系统层面改。rmtree 非常危险。前面已经强调过shutil.rmtree() 是永久删除不经过回收站。删除前务必打印出目标路径用 input() 让用户确认一次给自己留点后悔的余地。subprocess.run 默认不会抛出异常。外部命令返回非零退出码Python 不会报错代码会安静地继续往下走。如果你希望命令失败时立即中断可以在 run() 里加 checkTrue这样 returncode 非零时会自动抛 CalledProcessError。os.getcwd() 不等于脚本所在目录。很多人以为 os.getcwd() 返回的是脚本文件的位置其实它返回的是你执行命令时所在的工作目录。想要脚本所在目录应该用 Path(file).resolve().parent。这是一个非常经典且隐蔽的 bug你从不同目录执行同一个脚本结果行为不一样多半就是这个原因。临时文件与清理。写工具脚本时我习惯用 tempfile 模块创建临时目录配合 try-finally 或上下文管理器确保使用完自动清理。系统工具领域残留文件是最让人头疼的脏数据来源养成良好的清理习惯能省掉大量排查时间。个人经验层面我把系统工具这一节学完之后最想分享的一点是不要试图背下所有 API而是先建立哪个问题该找哪个模块的直觉。遇到路径问题先想 pathlib遇到文件和目录批处理先想 shutil遇到执行系统命令先想 subprocess遇到环境信息先想 platform 和 os.environ。剩下的查文档、写个小示例验证二十秒钟就能搞定。真正值钱的不是记住细节而是知道这个地方有坑、这个方法更安全、这种写法跨平台更稳。如果你正在写自己的第一个系统工具脚本我的建议是从一个 50 行的备份脚本开始折腾一遍 os、shutil、pathlib、subprocess 这四兄弟你对 Python 系统编程的掌控感会上一个台阶。这一节的知识短时间看只是基础但它决定了你能不能从写逻辑代码进化到写能干活、上生产环境的工具。

Python系统工具模块详解：从os、pathlib到subprocess的工程实践

相关推荐

基于Python的农作物病虫害识别分类项目：源码、数据集与迁移学习实战

TR 38.901-e30 信道模型实战：从参数解读到5G波束管理仿真落地

蓝桥杯校内模拟赛C：C语言工程化编码能力实战指南

更多资讯

SAP云平台Cockpit使用指南：从子账户到服务实例的完整实操路径

Python工程化入门：面向对象、文件读写与异常处理实战笔记

R语言基础入门：向量、循环法则与NA/NaN处理

南开大学编译原理作业实战：简单C语言编译器从词法到代码生成

基于Docker的大学生兼职平台部署：容器化设计与避坑实践

AI数据合规全链路指南：从训练语料到模型输出的落地实践

今日更新

Susi AI API实战指南：susi_alexa_skill如何用Node.js调用chat.json获取智能回答

换新电脑了？KeyStats 恢复码数据找回完全指南，端到端加密统计一键重建

重建二叉树：由前序与中序遍历序列还原二叉树的原理与 Java 实现（YCBlogs 剑指 Offer 精讲）

本周精选

交通拥堵预测毕设：基于Python+LSTM的车辆流量预测系统全流程解析

MATLAB/Simulink搭建10机39节点电力系统暂态稳定仿真实战

无人机航拍三维重建全流程：从SfM到网格生成的避坑指南

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？