CLI de Qwen Code: Una guía con ejemplos

Alibaba lanzó Qwen3-Coder, un modelo de codificación agentica disponible en varios tamaños, siendo la variante más potente Qwen3-Coder-480B-A35B-Instruct. Junto con estos modelos, Alibaba ha publicado en código abiertoQwen Code CLI, una herramienta de línea de comandos para la codificación agentica.

Qwen Code CLI es una bifurcación de Gemini CLI y se ha adaptado específicamente para su uso con el modelo Qwen3-Coder en tareas de codificación agentica.

En este blog, explicaré paso a paso cómo configurar y utilizar Qwen Code CLI. Lo utilizaremos para explorar bases de código, realizar refactorización de código y mucho más.

Mantenemos a nuestros lectores al día sobre las últimas novedades en IA mediante el envío de The Median, nuestro boletín informativo gratuito de los viernes que resume las noticias más importantes de la semana. Suscríbete y mantente al día en solo unos minutos a la semana:

¿Qué es el código Qwen?

Qwen Code es una interfaz de línea de comandos diseñada para facilitar las tareas de codificación de agentes. Utiliza indicaciones personalizadas y protocolos de llamada de funciones optimizados para Qwen3-Coder. Con Qwen Code, puedes:

• Navega y comprende bases de código complejas.
• Detecta y corrige problemas de codificación.
• Generar código y pruebas unitarias
• Crear documentación y diagramas de flujo.

Fuente: QwenLM

Ahora, configuremos Qwen3-Coder y utilicémoslo para explorar y solucionar problemas de un proyecto de código abierto en el que he trabajado recientemente.

Paso 1: Requisitos previos

Antes de configurar Qwen Code, asegúrate de tener instalado Node.js (versión 20 o superior). Puedes instalar Node.js ejecutando:

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

A continuación, verifica la instalación ejecutando lo siguiente:

node -v
npm -v

Paso 2: Configuración del código Qwen

En este paso, veremos varias opciones para instalar y autenticar Qwen Code en tu dispositivo.

Paso 2.1: Instalación a través de npm

Con Node.js instalado, configura Qwen Code globalmente y comprueba también la versión de instalación:

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

Este código instala Qwen Code CLI globalmente utilizando el gestor de paquetes de Node.js. Después de la instalación, el comando qwen --version comprueba y muestra la versión instalada de la CLI de Qwen para verificar que está correctamente configurada y lista para su uso.

Ejecutemos Qwen Code:

qwen

Haz clic en Intro para seleccionar el tema predeterminado y aplicarlo a la configuración del usuario. A continuación, debemos configurar la autenticación.

Paso 2.2: Instalación desde el código fuente (opcional)

Como alternativa, puedes optar por instalar Qwen Code directamente desde su repositorio GitHub:

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

Este código clona el repositorio GitHub de Qwen Code CLI en tu máquina local utilizando el comando « git clone ». A continuación, navegamos hasta el directorio clonado e instalamos todas las dependencias del proyecto especificadas en el archivo package.json del repositorio. 

Nota: -g significa que está disponible en todo el sistema, no solo en el directorio del proyecto local.

Paso 2.3: Autenticación

CLI requiere una clave API de Qwen 3 Coder para la autenticación. La documentación oficial sugiere que puedes autenticarte solicitando una clave API en https://bailian.console.aliyun.com/ ( si te encuentras en China continental).  Si no te encuentras en China continental, visita https://modelstudio.console.alibabacloud.com/ para solicitar tu clave API.

Sin embargo, si te encuentras en la India, estas opciones no están disponibles. En su lugar, puedes optar por OpenRouter, que proporciona a los usuarios acceso a múltiples claves API para numerosos modelos. Estos son los pasos para configurar una clave API para Qwen 3 Coder con ella:

• Crea una cuenta en https://openrouter.ai/.
• Ve a la pestaña Modelos y busca «Qwen 3 Coder». Puedes elegir una versión gratuita si necesitas menos de 128 000 tokens; de lo contrario, elige la versión de pago (0,302 $ por cada millón de tokens de entrada y salida).

• Desplázate hacia abajo y haz clic en Crear clave API. Rellena el nombre de la clave y el límite de crédito (opcional) y haz clic en Crear. Guarda esta clave API para usarla en el futuro. 

• A continuación, ve a la pestaña Créditos y añade la información de tu tarjeta o cuenta bancaria. También puedes pagar a través de Amazon Pay. Para esta demostración, añadí unos 15 dólares, que fueron suficientes.

Paso 2.4: Configuración del entorno

Ahora podemos utilizar la clave API dentro de la CLI. Vuelve a la CLI desde el paso 2.1 y haz clic en Intro.

A continuación, introduce la clave API del paso anterior, seguida de la URL base y el nombre del modelo, tal y como se indica a continuación:

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

Opcionalmente, también puedes configurar estas variables como variables de entorno. Abre un nuevo terminal y ejecuta la siguiente línea por línea.

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

Si estás utilizando una clave API de Alibaba Cloud, configura tus variables de entorno de la siguiente manera:

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"

Una vez configuradas estas variables de entorno, haz clic en Intro y ya puedes empezar a experimentar con la CLI.

Paso 3: Experimentando con la CLI de Qwen Code

En esta sección, explicaré cómo utilicé Qwen Code CLI para interactuar con un proyecto real alojado en GitHub. Con solo unas pocas indicaciones, Qwen me ayudó a comprender el código base, optimizar funciones, añadir nuevas capacidades, automatizar pruebas y mantener la documentación.

Gracias a unas indicaciones cuidadosamente elaboradas, pude:

• Analizar la arquitectura del código base.
• Optimiza funciones específicas para mejorar la eficiencia de la memoria.
• Genera y ejecuta automáticamente pruebas unitarias.
• Amplía la funcionalidad integrando nuevos componentes.
• Enviar actualizaciones con versión a GitHub
• Genera un diagrama de flujo visual de las interacciones entre módulos.
• Documenta todos los cambios en un formato de registro de cambios estructurado.

Profundicemos en cada uno de estos pasos.

Explorar y comprender el código base

Comencemos pidiendo a Qwen Code que explore y explique la arquitectura del código base. Pero primero clona el repositorio desde GitHub y navega hasta el directorio del proyecto utilizando el siguiente comando:

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

Este es el comando que utilicé para comprender el repositorio clonado:

Mensaje:  Explica la arquitectura de este código base.

Qwen CLI escaneó archivos como app.py, config.py, requirements.txt y un cuaderno Colab. A continuación, me proporcionó un desglose claro de la estructura del proyecto junto con un resumen general de sus módulos clave, lo que me ahorró el tiempo de abrir y leer manualmente cada archivo.

Reestructuración y optimización del código

Después de comprender la arquitectura, utilicé Qwen Code CLI para analizar las áreas potenciales de mejora en el código base.

Mensaje: ¿Qué partes de este módulo se pueden optimizar?

Qwen devolvió una lista estructurada de sugerencias en múltiples dimensiones: rendimiento, eficiencia de la memoria, facilidad de mantenimiento y experiencia del usuario. No solo identificó problemas, sino que también propuso cambios de código viables.

Siguiendo sus indicaciones, pude:

• Reducir el uso de memoria y CPU
• Mejora la gestión de errores
• Mejorar los comentarios de los usuarios
• Simplifica la estructura del código para futuros desarrollos.

En el siguiente paso, mostraré cómo apliqué una de estas optimizaciones (uso de memoria) y la probé utilizando el propio Qwen CLI.

Implementación y prueba de la optimización del código.

Tras identificar varias áreas susceptibles de optimización, decidí aplicar una de las sugerencias más impactantes: mejorar el uso de la memoria en la función « transcribe_audio ». Entonces, le pedí a Qwen CLI que apuntara a ese archivo específico a continuación:

Mensaje: Aplica la optimización del uso de memoria a la función transcribe_audio en @app.py.

Qwen se centró exclusivamente en app.py utilizando su sintaxis @ para las ediciones con ámbito. Esta selección precisa resulta útil cuando deseas aplicar cambios de forma aislada sin afectar a partes no relacionadas del código base. La CLI reescribió la función de la siguiente manera:

1. Transmite y procesa fragmentos de audio en lugar de cargarlos todos en la memoria.
2. Reducir las actualizaciones de la interfaz de usuario refrescando la barra de progreso solo cada 10 fragmentos.
3. Eliminar la necesidad de precalcular el número total de fragmentos.

También se actualizó automáticamente el archivo CHANGELOG.md para reflejar esta mejora con una nueva etiqueta de versión.

Generar y ejecutar pruebas

Una vez aplicada la optimización del uso de la memoria a la función « transcribe_audio », utilicé Qwen Coder CLI para generar y validar automáticamente pruebas unitarias para la nueva implementación.

Mensaje: Escribe una prueba unitaria pytest para los cambios recientes.

Qwen comenzó por examinar la estructura del proyecto para comprobar si existía un directorio de pruebas y si pytest figuraba en requirements.txt. Como faltaban ambos, eso:

• Se ha añadido « pytest>=7.0.0 » a requirements.txt
• Se ha creado un nuevo directorio « tests/ ».
• Se ha generado un módulo de prueba: tests/test_transcribe_audio.py

Qwen realizó las pruebas y confirmó que las cuatro se superaron con éxito. Para mantener un historial de versiones claro, Qwen también ha añadido una nueva entrada «Corregido» a CHANGELOG.md en la versión v0.2.0.

Con una sola indicación, Qwen CLI generó pruebas de forma automatizada, identificó casos extremos, ayudó a corregir un error lógico y garantizó la corrección del código mediante una validación rigurosa.

Implementación de un nuevo componente

Para ampliar la funcionalidad del asistente de audio Voxtral (codebase), solicité a Qwen Code CLI que integrara la compatibilidad con vídeos de YouTube.

Mensaje: Amplía el ejemplo actual para que admita vídeos de YouTube. Cuando un usuario proporciona una URL de YouTube, extrae el audio del vídeo y pásalo al modelo Voxtral para su procesamiento. Mantén el resto de la canalización y los componentes sin cambios.

El objetivo era permitir a los usuarios introducir una URL de YouTube además de subir archivos de audio. Una vez proporcionada, la aplicación debería extraer automáticamente el audio del vídeo y procesarlo como si se tratara de una carga de archivo normal, sin modificar el proceso posterior de transcripción o preguntas y respuestas. 

Qwen analizó app.py, config.py y requirements.txt para identificar las actualizaciones necesarias. Reconoció la necesidad de incluir « yt-dlp » y « pydub », que ya figuraban en la lista.

Como resultado, se ha añadido un nuevo componente de la interfaz de usuario que permite a los usuarios introducir una URL de YouTube. Tras el envío, la aplicación extrae el audio y lo envía a través del proceso existente para su transcripción. Sin embargo, los cambios realizados en app.py aún no eran suficientes para ejecutar todo el código sin errores.

Enviar cambios a GitHub

Una vez completada y probada la optimización de « transcribe_audio », utilicé la CLI para versionar y enviar los cambios a GitHub.

Mensaje: Crea una nueva rama en GitHub y confirma y envía el código actualizado como una segunda versión con el mensaje: «v2: Transcribe_audio optimizado para el uso de la memoria.  

Qwen automatizó todo el flujo de Git utilizando la herramienta WebFlow, que ayuda a comparar archivos locales y alojados en GitHub. La CLI podía realizar múltiples tareas, desde ramificar hasta confirmar y enviar, sin necesidad de pasos manuales.

Qwen utilizó su herramienta « WebFetch » (Comprobación de la coherencia de los datos de los registros) para:

• Crear una nueva rama
• Prepara y confirma los cambios.
• Enviar la confirmación
• Verifica la actualización remota.

Todo hecho con un solo comando. La versión actualizada (v2-optimization) se aisló de forma segura y está disponible para su revisión mediante una solicitud de extracción. Esta integración con GitHub facilitó el seguimiento de las mejoras, la colaboración en las actualizaciones y el mantenimiento de un historial de versiones limpio.

Así es como se ve la nueva rama actualizada:

Generación de diagramas de flujo

Para visualizar cómo interactúan los diferentes módulos del Asistente de audio Voxtral, le pedí a Qwen Code CLI que:

: Crea un diagrama de flujo que ilustre las interacciones entre los módulos. 

Qwen generó un diagrama de flujo detallado de Mermaid.js que muestra el proceso completo, desde la carga de archivos o la entrada de YouTube, pasando por el procesamiento a través del modelo Voxtral, hasta el resultado final. Incluso intentó incorporar el diagrama en el documento de especificaciones del proyecto ( README.md).

Generación de documentación 

Una vez completada la optimización del código, solicité a Qwen Code CLI que me ayudara a documentar los cambios en un formato estructurado y profesional.

Mensaje: Escribe un resumen en Markdown de los cambios realizados. Formatea como una entrada de registro de cambios bajo «v0.2.0».     

Qwen utilizó su herramienta WriteFile para añadir la entrada directamente a CHANGELOG.md en v0.2.0, siguiendo las mejores prácticas de versionado semántico. Una vez iniciada una tarea del registro de cambios, Qwen la recuerda y evita actualizaciones redundantes, lo que ahorra tokens y evita llamadas repetitivas a la herramienta.

Conclusión

En resumen, este tutorial ha mostrado cómo se puede utilizar Qwen Code CLI para:

• Comprender y explicar la arquitectura de un código base.
• Aplica optimizaciones y mejoras específicas.
• Genera y ejecuta pruebas unitarias con una sobrecarga mínima.
• Amplía la funcionalidad con nuevos componentes, como la integración con YouTube.
• Automatiza el control de versiones y los flujos de trabajo de GitHub
• Visualiza los flujos de los proyectos y mantén una documentación clara.

Qwen Code CLI reduce significativamente el esfuerzo manual necesario para comprender, depurar y ampliar un código base. Aunque se basa en gran medida en Gemini CLI, Qwen Code introduce mejoras para los modelos Qwen3-Coder, como un analizador sintáctico mejorado y compatibilidad con herramientas.

Lo que más me ha impresionado es su capacidad para mantener el contexto entre tareas. Una vez que le asignas una tarea de registro de cambios o un archivo para supervisar, Qwen lo recuerda y evita repeticiones. También analiza los cambios utilizando una sintaxis como « @file.py », lo que garantiza su seguridad en proyectos de gran envergadura.

Si trabajas con proyectos complejos en Python o mantienes repositorios de código abierto, esta herramienta puede ahorrarte horas de trabajo repetitivo y hacer que tu flujo de trabajo sea más inteligente e iterativo.