Qwen Code CLI: Ein Leitfaden mit Beispielen

Alibaba hat Qwen3-Coder rausgebracht, ein agentes Codierungsmodell, das in verschiedenen Größen verfügbar ist. Die stärkste Variante ist Qwen3-Coder-480B-A35B-Instruct. Neben diesen Modellen hat Alibaba„ “ Qwen Code CLI veröffentlicht, ein Befehlszeilentool für agentenbasiertes Coding.

Qwen Code CLI ist eine Abspaltung von Gemini CLI abgeleitet und speziell für die Verwendung mit dem Qwen3-Coder-Modell bei agentenbasierten Codierungsaufgaben angepasst.

In diesem Blog zeige ich dir Schritt für Schritt, wie du die Qwen Code CLI einrichtest und benutzt. Wir werden es nutzen, um Codebasen zu erkunden, Code-Refactoring durchzuführen und vieles mehr.

Wir halten unsere Leser über die neuesten Entwicklungen im Bereich KI auf dem Laufenden, indem wir ihnen jeden Freitag unseren kostenlosen Newsletter„The Median “ schicken , der die wichtigsten Meldungen der Woche zusammenfasst. Abonniere unseren Newsletter und bleib in nur wenigen Minuten pro Woche auf dem Laufenden:

Was ist der Qwen-Code?

Qwen Code ist eine Befehlszeilenschnittstelle, die das Schreiben von agentenbasiertem Code einfacher machen soll. Es nutzt angepasste Eingabeaufforderungen und Funktionsaufrufprotokolle, die für Qwen3-Coder optimiert sind. Mit Qwen Code kannst du:

• Navigiere durch komplexe Codebasen und verstehe sie
• Finde und behebe Probleme beim Codieren
• Code und Unit-Tests erstellen
• Erstell Dokumentationen und Flussdiagramme

Quelle: QwenLM

Jetzt richten wir Qwen3-Coder ein und nutzen es, um Probleme in einem Open-Source-Projekt zu finden und zu beheben. Open-Source-Projekt , an dem ich kürzlich gearbeitet habe.

Schritt 1: Was du schon wissen solltest

Bevor du Qwen Code einrichtest, solltest du sicherstellen, dass du Node.js (Version 20 oder höher) installiert hast. Du kannst Node.js installieren, indem du Folgendes ausführst:

curl -qL https://www.npmjs.com/install.sh | sh

Überprüfe dann die Installation, indem du Folgendes ausführst:

node -v
npm -v

Schritt 2: Qwen-Code einrichten

In diesem Schritt schauen wir uns verschiedene Möglichkeiten an, wie du Qwen Code auf deinem Gerät installieren und authentifizieren kannst.

Schritt 2.1: Installation über npm

Wenn du Node.js installiert hast, richte Qwen Code global ein und überprüfe auch die Installationsversion:

npm install -g @qwen-code/qwen-code
qwen --version

Dieser Code installiert die Qwen Code-CLI global mit dem Paketmanager von Node.js. Nach der Installation checkt der Befehl „ qwen --version “ die installierte Version der Qwen-CLI und zeigt sie an, um sicherzustellen, dass sie richtig eingerichtet und einsatzbereit ist.

Lass uns den Qwen-Code ausführen:

qwen

Klicke auf „Enter“, um das Standarddesign auszuwählen und es auf die Benutzereinstellungen anzuwenden. Als Nächstes müssen wir die Authentifizierung einrichten.

Schritt 2.2: Installation aus dem Quellcode (optional)

Alternativ kannst du Qwen Code auch direkt aus dem GitHub-Repository installieren:

git clone https://github.com/QwenLM/qwen-code.git
cd qwen-code
npm install
npm install -g .

Dieser Code kopiert das GitHub-Repository von Qwen Code CLI mit dem Befehl „ git clone “ auf deinen Rechner. Dann gehen wir in das geklonte Verzeichnis und installieren alle Projektabhängigkeiten, die im Repository unter „ package.json “ angegeben sind. 

Hinweis: -g bedeutet, dass es im ganzen System verfügbar ist, nicht nur im lokalen Projektverzeichnis.

Schritt 2.3: Authentifizierung

Für die CLI brauchst du einen Qwen 3 Coder API-Schlüssel zur Authentifizierung. Die offizielle Doku sagt, dass du dich mit einem API-Schlüssel von https://bailian.console.aliyun.com/ anmelden kannst ( wenn du in China bist).  Wenn du nicht in Festlandchina bist, dann geh auf https://modelstudio.console.alibabacloud.com/, um deinen API-Schlüssel zu beantragen.

Wenn du aber in Indien lebst, kannst du diese Optionen leider nicht nutzen. Du kannst stattdessen OpenRouter nutzen, das dir mehrere API-Schlüssel für viele Modelle gibt. Hier sind die Schritte, um einen API-Schlüssel für Qwen 3 Coder damit einzurichten:

• Erstell dir ein Konto auf https://openrouter.ai/
• Geh zur Registerkarte „Modelle“ und such nach „Qwen 3 Coder“. Wenn du weniger als 128k Tokens brauchst, kannst du die kostenlose Version nehmen, sonst nimm die kostenpflichtige Version (0,302 $/M Eingabe- und Ausgabetokens).

• Scroll runter und klick auf „API-Schlüssel erstellen“. Gib den Namen für den Schlüssel und das Kreditlimit ein (optional) und klicke auf „Erstellen“. Speicher diesen API-Schlüssel für später. 

• Geh dann auf den Tab „Guthaben“ und füge deine Karte oder Bankdaten hinzu. Du kannst auch mit Amazon Pay bezahlen. Für diese Demo hab ich ungefähr 15 Dollar draufgelegt, das hat gereicht.

Schritt 2.4: Die Umgebung einrichten

Jetzt können wir den API-Schlüssel in der CLI verwenden. Geh zurück zur CLI von Schritt 2.1 und drück die Eingabetaste.

Gib dann den API-Schlüssel aus dem vorherigen Schritt ein, gefolgt von der Basis-URL und dem Modellnamen, wie unten angegeben:

API_KEY >Qwen_API_KEY_FROM_OPENROUTER
BASE_URL >https://openrouter.ai/api/v1
MODEL >qwen/qwen3-coder

Du kannst diese Variablen auch als Umgebungsvariablen einrichten, wenn du willst. Öffne ein neues Terminal und gib die folgenden Befehle nacheinander ein.

export OPENAI_API_KEY="Qwen_API_KEY_FROM_OPENROUTER"
export OPENAI_BASE_URL="https://openrouter.ai/api/v1"
export OPENAI_MODEL="qwen/qwen3-coder"

Wenn du einen API-Schlüssel von Alibaba Cloud verwendest, richte deine Umgebungsvariablen wie folgt ein:

export OPENAI_API_KEY="your_api_key_here"
export OPENAI_BASE_URL="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"
export OPENAI_MODEL="qwen3-coder-plus"

Sobald du diese Umgebungsvariablen gesetzt hast, drück die Eingabetaste und schon kannst du mit der CLI loslegen.

Schritt 3: Experimentieren mit Qwen Code CLI

In diesem Abschnitt zeige ich dir, wie ich die Qwen Code-CLI benutzt habe, um mit einem echten, auf GitHub gehosteten Projekt zu arbeiten. Mit nur ein paar Tipps hat mir Qwen geholfen, den Code zu verstehen, Funktionen zu optimieren, neue Features hinzuzufügen, Tests zu automatisieren und die Dokumentation auf dem neuesten Stand zu halten.

Mit gut durchdachten Fragen konnte ich:

• Analysiere die Architektur der Codebasis.
• Bestimmte Funktionen für mehr Speichereffizienz optimieren
• Unit-Tests automatisch erstellen und ausführen
• Erweitere die Funktionen durch neue Teile
• Versionsaktualisierungen auf GitHub übertragen
• Erstell ein visuelles Flussdiagramm der Modulinteraktionen.
• Dokumentiere alle Änderungen in einem übersichtlichen Änderungsprotokoll.

Schauen wir uns die einzelnen Schritte genauer an.

Den Code durchforsten und verstehen

Lass uns damit anfangen, Qwen Code zu bitten, die Architektur der Codebasis zu checken und zu erklären. Aber klone erst mal das Repository von GitHub und geh mit dem folgenden Befehl ins Projektverzeichnis:

git clone https://github.com/AashiDutt/Voxtral_with_vLLM.git
cd Voxtral_with_vLLM

Hier ist die Eingabeaufforderung, die ich verwendet habe, um das geklonte Repository zu verstehen:

Prompt:  Erkläre die Architektur dieser Codebasis.

Qwen CLI hat Dateien wie „ app.py “, „ config.py “, „ requirements.txt “ und ein Colab-Notebook gescannt. Anschließend bekam ich eine übersichtliche Aufschlüsselung der Projektstruktur zusammen mit einer Zusammenfassung der wichtigsten Module, sodass ich nicht jede Datei einzeln öffnen und durchlesen musste.

Code-Refactoring und Optimierung

Nachdem ich die Architektur verstanden hatte, habe ich mit Qwen Code CLI potenzielle Verbesserungsmöglichkeiten im Code analysiert.

Prompt: Welche Teile dieses Moduls können optimiert werden?

Qwen hat eine übersichtliche Liste mit Vorschlägen zu verschiedenen Themen zusammengestellt: Leistung, Speichereffizienz, Wartbarkeit und Benutzererfahrung. Es hat nicht nur Probleme gefunden, sondern auch konkrete Codeänderungen vorgeschlagen.

Ich hab die Anleitung befolgt und konnte so:

• Speicher- und CPU-Nutzung runterfahren
• Fehlerbehandlung verbessern
• Benutzer-Feedback verbessern
• Vereinfach die Codestruktur für spätere Entwicklungen.

Im nächsten Schritt zeige ich dir, wie ich eine dieser Optimierungen (Speichernutzung) angewendet und mit Qwen CLI selbst getestet habe.

Optimierung des Codes umsetzen und testen

Nachdem ich ein paar Bereiche gefunden hatte, die man besser machen könnte, habe ich mich für einen der besten Vorschläge entschieden: die Speicherverwendung in der Funktion „ transcribe_audio ” zu optimieren. Also habe ich Qwen CLI angewiesen, die folgende Datei anzusteuern:

Prompt: Speicheroptimierung für die Funktion „transcribe_audio” in „@app.py” anwenden.

Qwen hat sich voll auf „ app.py ” konzentriert und dabei die Syntax „ @ ” für bearbeitete Bereiche benutzt. Diese genaue Ausrichtung ist praktisch, wenn du Änderungen isoliert anwenden willst, ohne dass andere Teile des Codes davon betroffen sind. Die CLI hat die Funktion so umgeschrieben:

1. Audio-Blöcke streamen und verarbeiten, anstatt sie alle in den Speicher zu laden
2. UI-Updates reduzieren, indem der Fortschrittsbalken nur alle 10 Blöcke aktualisiert wird
3. Du musst nicht mehr die Gesamtzahl der Chunks im Voraus berechnen.

Außerdem wurde die Datei „ CHANGELOG.md “ automatisch aktualisiert, um diese Verbesserung unter einem neuen Versions-Tag zu berücksichtigen.

Tests erstellen und ausführen

Nachdem die Speicheroptimierung für die Funktion „ transcribe_audio ” erledigt war, habe ich mit Qwen Coder CLI automatisch Unit-Tests für die neue Implementierung erstellt und überprüft.

Prompt: Schreib einen pytest-Unit-Test für die letzten Änderungen.

Qwen hat erst mal die Projektstruktur durchgeschaut, um zu checken, ob ein Testverzeichnis da ist und ob „ pytest ” in „ requirements.txt ” aufgeführt ist. Da beides fehlte, hat es:

• pytest>=7.0.0 hinzugefügt zu requirements.txt
• Ein neues Verzeichnis „ tests/ “ erstellt.
• Testmodul erstellt: tests/test_transcribe_audio.py

Qwen hat die Tests gemacht und bestätigt, dass alle vier Tests super geklappt haben. Um den Versionsverlauf übersichtlich zu halten, hat Qwen auch einen neuen Eintrag „Behoben“ unter CHANGELOG.md unter der Version v0.2.0 hinzugefügt.

Mit nur einer einzigen Eingabe hat Qwen CLI automatisch Tests erstellt, Randfälle gefunden, bei der Behebung eines Logikfehlers geholfen und durch strenge Validierung die Richtigkeit des Codes sichergestellt.

Neue Komponente einbauen

Um den Voxtral Audio Assistant (Codebasis) noch besser zu machen, hab ich Qwen Code CLI gebeten, YouTube-Videos einzubauen.

Aufforderung: Erweitere das aktuelle Beispiel, damit es YouTube-Videos unterstützt. Wenn jemand eine YouTube-URL angibt, hol die Audiospur aus dem Video raus und schick sie zur Verarbeitung an das Voxtral-Modell. Lass den Rest der Pipeline und die anderen Teile so, wie sie sind.

Das Ziel war, dass Leute neben dem Hochladen von Audiodateien auch eine YouTube-URL eingeben können. Sobald die App bereit ist, sollte sie automatisch den Ton aus dem Video extrahieren und ihn wie einen normalen Datei-Upload verarbeiten, ohne die nachgelagerte Pipeline für die Transkription oder Q&A zu verändern. 

Qwen hat die Seiten app.py, config.py und requirements.txt durchgeschaut, um die nötigen Updates zu finden. Es wurde die Notwendigkeit von „ yt-dlp “ (Verbot von „Schock-Täuschung“ bei der Auslieferung) und „ pydub “ (Verbot von „Schock-Täuschung“ bei

Deshalb haben wir eine neue UI-Komponente eingebaut, mit der du eine YouTube-URL eingeben kannst. Nach dem Senden holt die App den Ton raus und schickt ihn zur Transkription durch die vorhandene Pipeline. Die Änderungen an „ app.py “ waren aber immer noch nicht genug, um den ganzen Code fehlerfrei laufen zu lassen.

Änderungen auf GitHub hochladen

Nachdem die Optimierung von „ transcribe_audio “ fertig war und getestet wurde, habe ich die CLI benutzt, um die Änderungen zu versionieren und auf GitHub zu übertragen.

Aufforderung: Mach auf GitHub einen neuen Branch und speicher den aktualisierten Code als zweite Version mit dem Kommentar: „v2: transcribe_audio für den Speicherverbrauch optimiert.  

Qwen hat den kompletten Git-Flow mit dem Tool WebFlow automatisiert, das beim Vergleich von lokalen und auf GitHub gehosteten Dateien hilft. Die CLI kann mehrere Aufgaben erledigen, von Verzweigungen bis hin zu Commits und Pushes, ohne dass manuell eingegriffen werden muss.

Qwen hat sein Tool „ WebFetch ” genutzt, um:

• Erstell einen neuen Zweig
• Änderungen vorbereiten und übernehmen
• Commit drücken
• Remote-Update überprüfen

Alles mit nur einer Eingabe erledigt. Die aktualisierte Version (v2-optimization) wurde sicher isoliert und kann über einen Pull-Request überprüft werden. Dank der GitHub-Integration war es einfach, Verbesserungen zu verfolgen, gemeinsam an Updates zu arbeiten und eine übersichtliche Versionshistorie zu führen.

So sieht der aktualisierte neue Zweig aus:

Erstellung von Flussdiagrammen

Um zu zeigen, wie die verschiedenen Module im Voxtral Audio Assistant zusammenarbeiten, habe ich Qwen Code CLI gebeten:

: Mach ein Flussdiagramm, das zeigt, wie die Module zusammenarbeiten. 

Qwen hat ein detailliertes Flussdiagramm mit dem Titel „ Mermaid.js ” erstellt, das den kompletten Ablauf zeigt, vom Hochladen der Datei oder der Eingabe über YouTube über die Verarbeitung mit dem Voxtral-Modell bis hin zur endgültigen Ausgabe. Es wurde sogar versucht, das Diagramm in die Projekt README.md einzubauen.

Dokumentation erstellen 

Nachdem die Code-Optimierung fertig war, habe ich Qwen Code CLI gebeten, mir dabei zu helfen, die Änderungen in einem übersichtlichen und professionellen Format zu dokumentieren.

Aufforderung: Schreib eine kurze Zusammenfassung der Änderungen in Markdown. Formatiere es wie einen Changelog-Eintrag unter „v0.2.0“.     

Qwen hat mit dem Tool „ WriteFile “ den Eintrag direkt an CHANGELOG.md unter v0.2.0 angehängt, so wie es bei der semantischen Versionierung üblich ist. Sobald eine Changelog-Aufgabe gestartet ist, merkt sich Qwen das und vermeidet doppelte Updates. So werden Tokens gespart und wiederholte Tool-Aufrufe vermieden.

Fazit

Zusammenfassend hat dieses Tutorial gezeigt, wie du die Qwen Code CLI nutzen kannst, um:

• Die Architektur einer Codebasis verstehen und erklären können
• Mach gezielte Optimierungen und Verbesserungen
• Erstell und führ Unit-Tests mit minimalem Aufwand durch.
• Erweitere die Funktionen mit neuen Sachen wie YouTube-Integration.
• Versionskontrolle und GitHub-Workflows automatisch machen
• Visualisiere Projektabläufe und halte die Dokumentation ordentlich

Qwen Code CLI macht das Verstehen, Debuggen und Erweitern von Code viel einfacher. Qwen Code basiert zwar stark auf Gemini CLI, hat aber ein paar Verbesserungen für Qwen3-Coder-Modelle, wie einen besseren Parser und bessere Tool-Unterstützung.

Was mich am meisten beeindruckt hat, ist, dass es den Kontext über verschiedene Aufgaben hinweg beibehält. Sobald du Qwen eine Changelog-Aufgabe oder eine zu überwachende Datei gibst, merkt er sich das und vermeidet Wiederholungen. Außerdem werden Änderungen mit einer Syntax wie „ @file.py “ abgefangen, sodass es auch in großen Projekten sicher eingesetzt werden kann.

Wenn du an komplexen Python-Projekten arbeitest oder Open-Source-Repositorys pflegst, kannst du mit diesem Tool stundenlange Routinearbeiten sparen und deinen Arbeitsablauf intelligenter und iterativer gestalten.