1. 为什么初学者需要一个「统一 Key」的数据库脚本

如果你刚开始学 Python，大概率会遇到这样一个场景：跟着教程写了几行sqlite3代码，本地建库、建表、插入数据都跑通了，心里挺爽。但下一步想接个大模型接口做点智能问答、文本处理，问题就来了——不同厂商的 Key 格式不一样，环境变量名不一样，请求地址也不一样。脚本里到处散落着api_key、base_url，改一个地方要翻三个文件。

sqlite3是 Python 标准库自带的模块，不用pip install，直接import sqlite3就能用。它把整个数据库存成一个.db文件，适合本地练习、小型工具、原型验证。而 TaoToken 做的事情，是给你一个统一的 Key 和统一的 API 通道，让你在脚本里只维护一份配置，就能调用不同的大模型能力。

这篇文章的目标很明确：带你从零跑通一个最小闭环。你会拿到一份可复制的config.toml骨架和settings.json示例，然后依次执行建表、插入、查询三步验证动作。跑完之后，你的本地环境里会有一个真实的example.db文件，同时你的调用链配置也已经就位，后面想加模型对话、代码补全，直接在这个骨架上扩展就行。

适合谁看？刚学完 Python 基础语法、想动手写点真东西的初学者；手里有几个不同平台 Key、被配置管理搞烦的开发者；以及想用sqlite3做本地数据缓存、又不想引入重型数据库的实践者。

2. TaoToken 前置准备：把 Key 和地址收拢到一处

在写数据库脚本之前，先把「调用通道」这件事理清楚。TaoToken 的官网入口是https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=，API 基础地址是https://taotoken.net/api。注意这两个地址的用途不同：官网用来注册、查看文档、管理额度；API 地址是脚本里真正发请求的地方。

你需要做的第一件事，是拿到一个 API Key。进入控制台后创建 Key，复制出来先放到一边。这里有个习惯建议：不要把 Key 硬编码进.py文件，而是写进配置文件，再用.gitignore排除掉。原因很简单，一旦你把带 Key 的脚本传到公开仓库，Key 就等于泄露了，后面可能被人刷额度。

TaoToken 的定位是统一 Key / API 通道，也就是说你不需要在脚本里为每个模型单独写一套请求逻辑。对于本篇的sqlite3场景，我们先把配置骨架搭好，数据库部分照常跑，模型调用部分留出接口。这样等你学完建表插入查询，下一步接模型对话时，只需要在同一个配置文件里加一段就行。

如果你后面要做长期编码或者 Agent 类项目，可以关注 Coding Plan 相关的入口；如果只是想先验证模型能不能通，模型对话页面更直接。但本篇的重点是数据库脚本，所以先把 Key 和地址这两样东西准备好，我们进入配置环节。

3. 可复制配置：config.toml 骨架与 settings.json 示例

配置文件的作用，是把「会变的东西」和「不变的代码」分开。下面这份config.toml骨架，你可以直接复制到项目根目录，改掉api_key那一行即可。

# config.toml [app] name = "sqlite3-demo" debug = true [taotoken] api_key = "把你的Key粘贴到这里" base_url = "https://taotoken.net/api" timeout = 30 [database] path = "example.db" echo_sql = false

这份配置里，[taotoken]段落就是统一通道的入口。base_url固定指向 API 地址，api_key是你从控制台拿到的凭证，timeout控制请求超时秒数。[database]段落管的是sqlite3的库文件路径，echo_sql打开后可以打印执行的 SQL，方便调试。

Python 3.11 及以上版本自带tomllib，可以直接读 TOML 文件。如果你用的是更早的版本，装一个tomli就行。读取代码如下：

import tomllib with open("config.toml", "rb") as f: config = tomllib.load(f) api_key = config["taotoken"]["api_key"] base_url = config["taotoken"]["base_url"] db_path = config["database"]["path"] print("配置加载完成，数据库路径:", db_path)

有些同学可能更习惯 JSON 格式，那也没问题。下面这份settings.json是等价写法：

{ "app": { "name": "sqlite3-demo", "debug": true }, "taotoken": { "api_key": "把你的Key粘贴到这里", "base_url": "https://taotoken.net/api", "timeout": 30 }, "database": { "path": "example.db", "echo_sql": false } }

读取 JSON 用标准库json即可：

import json with open("settings.json", "r", encoding="utf-8") as f: settings = json.load(f) print("Key 前缀:", settings["taotoken"]["api_key"][:6] + "...")

两种格式选一种就行，不要同时维护两份，否则改了一处忘了另一处，排查起来很痛苦。我个人的习惯是：纯 Python 项目用 TOML，因为可读性好、支持注释；如果配置要和前端或其他语言共享，就用 JSON。

注意：api_key这一行千万不要提交到 Git。在项目根目录建一个.gitignore，把config.toml、settings.json、*.db都写进去。

4. 三步验证：建表、插入、查询一次跑通

配置就位后，我们开始写数据库脚本。sqlite3的核心流程就四步：连接、拿游标、执行 SQL、提交并关闭。下面这个脚本把建表、插入、查询串在一起，你可以直接保存为demo.py运行。

import sqlite3 import tomllib # 1. 读取配置 with open("config.toml", "rb") as f: config = tomllib.load(f) db_path = config["database"]["path"] # 2. 连接数据库（文件不存在会自动创建） conn = sqlite3.connect(db_path) cursor = conn.cursor() # 3. 建表：person 和 address 两张表，用外键关联 cursor.execute(""" CREATE TABLE IF NOT EXISTS person ( id INTEGER PRIMARY KEY ASC, name VARCHAR(250) NOT NULL ) """) cursor.execute(""" CREATE TABLE IF NOT EXISTS address ( id INTEGER PRIMARY KEY ASC, street_name VARCHAR(250), street_number VARCHAR(250), post_code VARCHAR(250) NOT NULL, person_id INTEGER NOT NULL, FOREIGN KEY (person_id) REFERENCES person(id) ) """) # 4. 插入数据 cursor.execute("INSERT INTO person VALUES (1, 'pythoncentral')") cursor.execute("INSERT INTO address VALUES (1, 'python road', '1', '00000', 1)") # 5. 提交事务 conn.commit() # 6. 查询验证 cursor.execute("SELECT * FROM person") print("person 表:", cursor.fetchall()) cursor.execute("SELECT * FROM address") print("address 表:", cursor.fetchall()) # 7. 关闭连接 conn.close()

运行python demo.py，你会看到类似这样的输出：

person 表: [(1, 'pythoncentral')] address 表: [(1, 'python road', '1', '00000', 1)]

到这里，建表、插入、查询三步就全部验证通过了。项目目录下会多出一个example.db文件，这就是你的本地数据库。你可以用sqlite3 example.db命令进入命令行，输入.tables查看表名，输入SELECT * FROM person;再确认一遍数据。

这里解释几个初学者容易忽略的点。第一，CREATE TABLE IF NOT EXISTS里的IF NOT EXISTS很重要，它让脚本可以重复运行而不报错。第二，conn.commit()必须调用，否则插入的数据不会真正写入文件，程序退出后就丢了。第三，fetchall()返回的是列表，每个元素是一个元组，对应一行记录。

如果你想把数据库路径也做成可配置的，上面代码已经通过config["database"]["path"]读取了，改 TOML 文件即可，不用动 Python 代码。这就是配置分离的好处。

5. 本篇常见错排查：从报错到修复

即使代码照抄，初学者还是会遇到一些典型报错。下面这几个是我在带人过程中见得最多的，逐个说清楚原因和修法。

报错一：ModuleNotFoundError: No module named 'tomllib'

这说明你的 Python 版本低于 3.11。tomllib是 3.11 才进标准库的。解决办法有两个：升级 Python，或者装tomli并改导入语句：

import tomli as tomllib

装的时候用pip install tomli。功能上完全等价，只是包名不同。

报错二：sqlite3.OperationalError: table person already exists

如果你没用IF NOT EXISTS，第二次运行脚本就会撞上这个错。修法很简单，把建表语句改成CREATE TABLE IF NOT EXISTS person (...)。或者你在调试阶段想每次重建，可以在连接后先执行DROP TABLE IF EXISTS person，但生产环境别这么干。

报错三：sqlite3.IntegrityError: UNIQUE constraint failed: person.id

主键冲突。你重复插入了id=1的记录。sqlite3的主键默认是唯一的，第二次插入同一个 id 就会报这个错。修法：要么先清空表DELETE FROM person，要么把插入语句改成INSERT OR IGNORE，要么用自增主键不手动指定 id。

报错四：查询结果为空[]

数据明明插了，查出来却是空列表。最常见的原因是忘了conn.commit()。sqlite3默认开启事务，不提交的话数据只在连接内可见，换个连接或程序退出就没了。另一个可能是你查的表名拼错了，比如建的是person，查的是persons。

报错五：config.toml读取失败TOMLDecodeError

TOML 对格式比较敏感。检查一下字符串有没有加引号，比如api_key = 你的Key是错的，必须写成api_key = "你的Key"。布尔值true是小写，不能写成True。段落头[taotoken]要单独占一行。

报错六：Key 读取到了但请求 401

如果你后面接模型调用时遇到 401，先确认base_url是不是https://taotoken.net/api，注意结尾不要多加斜杠。再确认 Key 有没有多余空格，复制的时候容易带上换行。可以在脚本里打印repr(api_key)看看有没有隐藏字符。

提示：排查配置问题时，先把debug打开，把加载到的base_url和 Key 前缀打印出来，比盲猜快得多。

6. 下一步：把统一 Key 接进你的脚本调用链

数据库部分跑通之后，你的项目里已经有了一个稳定的本地存储层。接下来要做的，是在同一个配置体系下接入模型调用。因为config.toml里已经预留了[taotoken]段落，你只需要在代码里读取api_key和base_url，然后按标准方式发请求即可。

如果你主要想验证模型能不能通、回答质量如何，可以直接用模型对话页面手动试几条，确认通道正常后再写进脚本。如果你打算做长期的编码辅助或者 Agent 项目，Coding Plan 相关的入口更适合，因为它面向的是持续调用场景。而当你需要管理多个 Key、查看用量、创建新凭证时，API Keys 管理页面和接入文档是两个必须收藏的地址。

回到本篇的核心：sqlite3是 Python 标准库里最容易被低估的模块之一。它不需要额外安装，不需要启动服务，一个文件就是一个数据库。配合统一的 Key 配置，你可以把「本地数据」和「模型能力」放在同一个脚本里，前者负责存，后者负责算。这个组合在原型阶段非常高效。

最后留一个可执行的练习：把上面的demo.py改一改，加一个query_person(person_id)函数，根据 id 查询姓名并打印。然后再加一个insert_person(name)函数，用自增 id 插入新记录。跑通之后，你就真正掌握了sqlite3的增查闭环，而不是只会照抄示例。