Qwen Code CLI: उदाहरणों के साथ एक गाइड

Alibaba ने Qwen3-Coder जारी किया है—एक एजेंटिक कोडिंग मॉडल जो कई आकारों में उपलब्ध है, जिसमें सबसे शक्तिशाली वेरिएंट Qwen3-Coder-480B-A35B-Instruct है। इन मॉडलों के साथ ही, Alibaba ने Qwen Code CLI को भी ओपन-सोर्स किया है—एजेंटिक कोडिंग के लिए एक कमांड-लाइन टूल।

Qwen Code CLI, Gemini CLI का फोर्क है और इसे विशेष रूप से Qwen3-Coder मॉडल के साथ एजेंटिक कोडिंग कार्यों के लिए अनुकूलित किया गया है।

इस ब्लॉग में, मैं चरण-दर-चरण बताऊंगा कि Qwen Code CLI को कैसे सेट अप और उपयोग करें। हम इसका उपयोग कोडबेस एक्सप्लोर करने, कोड रिफैक्टरिंग करने, और बहुत कुछ के लिए करेंगे।

हम अपने पाठकों को AI की नवीनतम खबरों से अपडेट रखते हैं The Median—हमारा मुफ्त शुक्रवार न्यूज़लेटर जो हफ्ते की प्रमुख खबरों को संक्षेप में समझाता है—भेजकर। सब्सक्राइब करें और हर हफ्ते कुछ ही मिनटों में अपडेट रहें:

Qwen Code क्या है?

Qwen Code एक कमांड-लाइन इंटरफेस है, जिसे एजेंटिक कोडिंग कार्यों को सरल बनाने के लिए डिज़ाइन किया गया है। यह Qwen3-Coder के लिए अनुकूलित कस्टम प्रॉम्प्ट्स और फंक्शन-कॉलिंग प्रोटोकॉल का उपयोग करता है। Qwen Code के साथ, आप यह कर सकते हैं:

• जटिल कोडबेस को नेविगेट करें और समझें
• कोडिंग समस्याओं का पता लगाएँ और उन्हें ठीक करें
• कोड और यूनिट टेस्ट जनरेट करें
• डॉक्यूमेंटेशन और फ्लोचार्ट बनाएँ

स्रोत: QwenLM

अब, आइए Qwen3-Coder को सेट अप करें और हाल ही में मेरे द्वारा किए गए एक ओपन-सोर्स प्रोजेक्ट के लिए इसे एक्सप्लोर और इश्यूज़ को ठीक करने में उपयोग करें।

चरण 1: आवश्यकताएँ

Qwen Code सेट अप करने से पहले, सुनिश्चित करें कि आपके पास Node.js (संस्करण 20 या उससे अधिक) इंस्टॉल है। आप निम्न कमांड चलाकर Node.js इंस्टॉल कर सकते हैं:

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

इसके बाद, निम्न कमांड चलाकर अपनी इंस्टॉलेशन जाँचें:

node -v
npm -vसंचालित द्वारा

चरण 2: Qwen Code सेट अप करना

इस चरण में, हम अपने डिवाइस पर Qwen Code को इंस्टॉल और ऑथेंटिकेट करने के कई विकल्प देखेंगे।

चरण 2.1: npm के माध्यम से इंस्टॉलेशन

Node.js इंस्टॉल होने के साथ, Qwen Code को ग्लोबली सेट अप करें और इंस्टॉलेशन वर्ज़न भी जाँचें:

npm install -g @qwen-code/qwen-code
qwen --versionसंचालित द्वारा

यह कोड Node.js के पैकेज मैनेजर का उपयोग करके Qwen Code CLI को ग्लोबली इंस्टॉल करता है। इंस्टॉलेशन के बाद, qwen --version कमांड Qwen CLI का इंस्टॉल्ड वर्ज़न दिखाती है ताकि यह सत्यापित हो सके कि सेटअप सही है और उपयोग के लिए तैयार है।

आइए Qwen Code चलाएँ:

qwenसंचालित द्वारा

डिफॉल्ट थीम चुनने और उसे यूज़र सेटिंग्स पर लागू करने के लिए Enter दबाएँ। अब हमें ऑथेंटिकेशन सेट अप करना है।

चरण 2.2: सोर्स से इंस्टॉलेशन (वैकल्पिक)

वैकल्पिक रूप से, आप Qwen Code को सीधे उनके GitHub रिपोजिटरी से इंस्टॉल करना चुन सकते हैं:

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

यह कोड git clone कमांड से Qwen Code CLI की GitHub रिपोजिटरी को आपकी लोकल मशीन पर क्लोन करता है। फिर हम क्लोन की गई डायरेक्टरी में जाते हैं और रिपोजिटरी के package.json में निर्दिष्ट सभी प्रोजेक्ट डिपेंडेंसीज़ इंस्टॉल करते हैं। 

नोट: -g का अर्थ है कि यह पूरे सिस्टम में उपलब्ध होगा, केवल लोकल प्रोजेक्ट डायरेक्टरी में नहीं।

चरण 2.3: ऑथेंटिकेशन

CLI के लिए ऑथेंटिकेशन हेतु Qwen 3 Coder API कुंजी आवश्यक है। औपचारिक दस्तावेज़ के अनुसार, आप (यदि आप मुख्य भूमि चीन में हैं) https://bailian.console.aliyun.com/  पर API कुंजी के लिए आवेदन कर सकते हैं। यदि आप मुख्य भूमि चीन में नहीं हैं, तो अपनी API कुंजी के लिए  https://modelstudio.console.alibabacloud.com/ पर जाएँ।

हालाँकि, यदि आप भारत में स्थित हैं, तो ये विकल्प उपलब्ध नहीं हैं। इसकी बजाय आप OpenRouter का उपयोग कर सकते हैं, जो कई मॉडलों के लिए एकाधिक API कुंजियों तक पहुँच प्रदान करता है। Qwen 3 Coder के लिए इसके साथ API कुंजी सेट अप करने के चरण इस प्रकार हैं:

• https://openrouter.ai/ पर एक खाता बनाएँ
• Models टैब पर जाएँ और “Qwen 3 Coder” खोजें। यदि आपको 128k टोकन से कम की आवश्यकता है तो आप मुफ्त संस्करण चुन सकते हैं, अन्यथा पेड संस्करण चुनें ($0.302/M इनपुट और आउटपुट टोकन)।

• नीचे स्क्रॉल करें और Create API Key पर क्लिक करें। कुंजी का नाम और क्रेडिट सीमा (वैकल्पिक) भरें, और Create पर क्लिक करें। इस API कुंजी को आगे के लिए सुरक्षित रखें। 

• इसके बाद, Credits टैब पर जाएँ और अपना कार्ड या बैंक जानकारी जोड़ें। आप Amazon Pay से भी भुगतान कर सकते हैं। इस डेमो के लिए, मैंने लगभग $15 जोड़े, जो पर्याप्त थे।

चरण 2.4: एनवायरनमेंट कॉन्फ़िगर करना

अब हम CLI के भीतर API कुंजी का उपयोग कर सकते हैं। चरण 2.1 से CLI पर लौटें और Enter दबाएँ।

फिर, पिछले चरण से API कुंजी दें, उसके बाद बेस URL और मॉडल नाम निम्नानुसार दर्ज करें:

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

वैकल्पिक रूप से, आप इन वेरिएबल्स को एनवायरनमेंट वेरिएबल्स के रूप में भी सेट कर सकते हैं। एक नया टर्मिनल खोलें और निम्न कमांड लाइन-बाय-लाइन चलाएँ।

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

यदि आप Alibaba Cloud से API कुंजी का उपयोग कर रहे हैं, तो अपने एनवायरनमेंट वेरिएबल्स इस प्रकार सेट करें:

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"संचालित द्वारा

एक बार ये एनवायरनमेंट वेरिएबल्स सेट हो जाएँ, Enter दबाएँ, और आप CLI के साथ प्रयोग शुरू कर सकते हैं।

चरण 3: Qwen Code CLI के साथ प्रयोग

इस खंड में, मैं बताऊँगा कि मैंने Qwen Code CLI का उपयोग करके GitHub पर होस्टेड एक वास्तविक प्रोजेक्ट से कैसे इंटरैक्ट किया। कुछ ही प्रॉम्प्ट्स में, Qwen ने मुझे कोडबेस समझने, फ़ंक्शनों को ऑप्टिमाइज़ करने, नई क्षमताएँ जोड़ने, टेस्ट ऑटोमेट करने और डॉक्यूमेंटेशन बनाए रखने में मदद की।

सोच-समझकर बनाए गए प्रॉम्प्ट्स का उपयोग करके, मैं यह करने में सक्षम हुआ:

• कोडबेस आर्किटेक्चर का विश्लेषण
• मेमोरी दक्षता के लिए विशिष्ट फ़ंक्शनों का अनुकूलन
• यूनिट टेस्ट अपने-आप जनरेट और रन करना
• नए कॉम्पोनेंट्स एकीकृत करके कार्यक्षमता बढ़ाना
• वर्ज़न किए गए अपडेट GitHub पर पुश करना
• मॉड्यूल इंटरैक्शन का एक विजुअल फ्लोचार्ट बनाना
• सभी बदलावों को संरचित चेंजलॉग प्रारूप में डॉक्यूमेंट करना

आइए इन प्रत्येक चरणों में गहराई से जाएँ।

कोडबेस की पड़ताल और समझ

आइए Qwen Code से कोडबेस की आर्किटेक्चर एक्सप्लोर और समझाने के लिए कहकर शुरू करें। लेकिन पहले, GitHub से रिपोजिटरी क्लोन करें और निम्न कमांड का उपयोग करके प्रोजेक्ट डायरेक्टरी में जाएँ:

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

क्लोन की गई रिपोजिटरी को समझने के लिए मैंने यह प्रॉम्प्ट उपयोग किया:

प्रॉम्प्ट: इस कोडबेस की आर्किटेक्चर समझाएँ।

Qwen CLI ने app.py, config.py, requirements.txt, और एक Colab नोटबुक जैसी फाइलें स्कैन कीं। इसके बाद इसने प्रोजेक्ट की संरचना का स्पष्ट विवरण और इसके प्रमुख मॉड्यूल्स का उच्च-स्तरीय सारांश लौटाया—जिससे मुझे हर फ़ाइल को मैन्युअल रूप से खोलने और पढ़ने का समय बच गया।

कोड रिफैक्टरिंग और अनुकूलन

आर्किटेक्चर समझने के बाद, मैंने कोडबेस में संभावित सुधार क्षेत्रों का विश्लेषण करने के लिए Qwen Code CLI का उपयोग किया।

प्रॉम्प्ट: इस मॉड्यूल के किन हिस्सों का अनुकूलन किया जा सकता है?

Qwen ने कई आयामों—परफॉर्मेंस, मेमोरी दक्षता, मेंटेनबिलिटी और यूज़र अनुभव—में संरचित सुझावों की सूची लौटाई। यह केवल समस्याएँ पहचानने तक सीमित नहीं रहा, बल्कि क्रियान्वयन योग्य कोड बदलाव भी प्रस्तावित किए।

इसके मार्गदर्शन का पालन करके, मैं यह करने में सक्षम हुआ:

• मेमोरी और CPU उपयोग कम करना
• त्रुटि हैंडलिंग को सशक्त बनाना
• यूज़र फीडबैक में सुधार करना
• भविष्य के विकास के लिए कोड संरचना सरल बनाना

अगले चरण में, मैं दिखाऊँगा कि मैंने इनमें से एक अनुकूलन (मेमोरी उपयोग) कैसे लागू किया और Qwen CLI का उपयोग करके उसका परीक्षण कैसे किया।

कोड अनुकूलन लागू करना और परीक्षण करना

कई अनुकूलन क्षेत्रों की पहचान करने के बाद, मैंने सबसे प्रभावशाली सुझावों में से एक लागू करने का निर्णय लिया: transcribe_audio फ़ंक्शन में मेमोरी उपयोग में सुधार। इसलिए, मैंने Qwen CLI को विशेष फ़ाइल को लक्ष्य बनाने के लिए नीचे प्रॉम्प्ट दिया:

प्रॉम्प्ट: @app.py में transcribe_audio फ़ंक्शन पर मेमोरी उपयोग अनुकूलन लागू करें

Qwen ने अपनी @ सिंटैक्स के जरिए स्कोप्ड एडिट्स का उपयोग करते हुए केवल app.py पर ध्यान केंद्रित किया। जब आप बदलावों को अलग-थलग करके लागू करना चाहते हैं ताकि असंबंधित हिस्सों पर असर न पड़े, तब यह सटीक टार्गेटिंग उपयोगी होती है। CLI ने फ़ंक्शन को इस प्रकार फिर से लिखा:

1. सारे ऑडियो को एक साथ मेमोरी में लोड करने के बजाय ऑडियो चंक्स को स्ट्रीम और प्रोसेस करना
2. प्रोग्रेस बार को हर 10 चंक पर ही रीफ्रेश करके UI अपडेट्स कम करना
3. कुल चंक्स की संख्या पहले से गणना करने की आवश्यकता हटाना

इसने CHANGELOG.md फ़ाइल को भी अपने-आप अपडेट कर दिया ताकि नए वर्ज़न टैग के अंतर्गत इस सुधार को दर्शाया जा सके।

टेस्ट जनरेट करना और चलाना

एक बार transcribe_audio फ़ंक्शन पर मेमोरी उपयोग अनुकूलन लागू हो जाने के बाद, मैंने Qwen Coder CLI का उपयोग करके नई इम्प्लीमेंटेशन के लिए यूनिट टेस्ट अपने-आप जनरेट और वैलिडेट किए।

प्रॉम्प्ट: हाल के बदलावों के लिए एक pytest यूनिट टेस्ट लिखें।

Qwen ने सबसे पहले प्रोजेक्ट संरचना स्कैन की ताकि यह जाँचा जा सके कि क्या कोई टेस्ट डायरेक्टरी मौजूद है और क्या pytest requirements.txt में सूचीबद्ध है। चूँकि दोनों अनुपस्थित थे, इसने:

• requirements.txt में pytest>=7.0.0 जोड़ा गया
• एक नया tests/ डायरेक्टरी बनाया
• एक टेस्ट मॉड्यूल जनरेट किया: tests/test_transcribe_audio.py

Qwen ने टेस्ट चलाए और पुष्टि की कि सभी चार टेस्ट सफलतापूर्वक पास हुए। स्पष्ट वर्ज़न हिस्ट्री बनाए रखने के लिए, Qwen ने v0.2.0 वर्ज़न के अंतर्गत CHANGELOG.md में एक नया "Fixed" एंट्री भी जोड़ दी।

सिर्फ एक प्रॉम्प्ट से, Qwen CLI ने टेस्ट जेनरेशन को ऑटोमेट किया, एज केस पहचाने, एक लॉजिक बग को ठीक करने में मदद की, और सख्त वैलिडेशन के जरिए कोड की शुद्धता सुनिश्चित की।

एक नया कॉम्पोनेंट लागू करना

Voxtral Audio Assistant (कोडबेस) की कार्यक्षमता बढ़ाने के लिए, मैंने Qwen Code CLI से YouTube वीडियो सपोर्ट इंटिग्रेट करने के लिए कहा।

प्रॉम्प्ट: मौजूदा उदाहरण को YouTube वीडियो सपोर्ट के लिए बढ़ाएँ। जब कोई यूज़र YouTube URL दे, तो वीडियो से ऑडियो निकालें और उसे प्रोसेसिंग के लिए Voxtral मॉडल को पास करें। ट्रांसक्रिप्शन या Q&A के डाउनस्ट्रीम पाइपलाइन और बाकी कॉम्पोनेंट्स में कोई बदलाव न करें।

उद्देश्य यह था कि यूज़र ऑडियो फाइल अपलोड करने के अलावा एक YouTube URL भी दर्ज कर सकें। एक बार URL मिलने पर, ऐप अपने-आप वीडियो से ऑडियो निकाले और उसे एक सामान्य फाइल अपलोड की तरह प्रोसेस करे, बिना ट्रांसक्रिप्शन या Q&A की डाउनस्ट्रीम पाइपलाइन में कोई बदलाव किए। 

Qwen ने आवश्यक अपडेट्स की पहचान करने के लिए app.py, config.py, और requirements.txt स्कैन किए। इसे yt-dlp और pydub की ज़रूरत दिखी, जो पहले से सूचीबद्ध थे।

नतीजतन, एक नया UI कॉम्पोनेंट जोड़ा गया है, जिससे यूज़र YouTube URL दर्ज कर सकते हैं। सबमिट करते ही, ऐप ऑडियो निकालता है और उसे मौजूदा ट्रांसक्रिप्शन पाइपलाइन से गुज़ारता है। हालांकि, app.py में किए गए बदलाव अब भी पूरे कोड को त्रुटि-मुक्त चलाने के लिए पर्याप्त नहीं थे।

GitHub पर बदलाव पुश करना

जब transcribe_audio ऑप्टिमाइज़ेशन पूरा हो गया और टेस्ट हो गया, तो मैंने CLI का उपयोग करके वर्ज़निंग की और बदलाव GitHub पर पुश किए।

प्रॉम्प्ट: GitHub पर एक नई ब्रांच बनाएँ और अपडेटेड कोड को दूसरे वर्ज़न के रूप में इस मैसेज के साथ कमिट और पुश करें: "v2: Optimized transcribe_audio for memory usage".  

Qwen ने WebFlow टूल का उपयोग करके पूरा Git फ्लो ऑटोमेट किया, जो लोकल और GitHub-होस्टेड फाइलों की तुलना करने में मदद करता है। CLI ब्रांचिंग से लेकर कमिट और पुश तक कई कार्य बिना किसी मैनुअल स्टेप के कर सका।

Qwen ने अपने WebFetch टूल का उपयोग करके ये कार्य किए:

• नई ब्रांच बनाना
• बदलावों को स्टेज और कमिट करना
• कमिट को पुश करना
• रिमोट अपडेट की पुष्टि करना

यह सब एक ही प्रॉम्प्ट से हो गया। अपडेटेड वर्ज़न (v2-optimization) सुरक्षित रूप से अलग-थलग रखा गया और पुल रिक्वेस्ट के माध्यम से रिव्यू के लिए उपलब्ध था। इस GitHub इंटीग्रेशन ने सुधारों को ट्रैक करना, अपडेट्स पर सहयोग करना, और साफ-सुथरी वर्ज़न हिस्ट्री बनाए रखना आसान बना दिया।

अपडेटेड नई ब्रांच कुछ इस तरह दिखती है:

फ्लोचार्ट जेनरेशन

Voxtral Audio Assistant में अलग-अलग मॉड्यूल कैसे एक-दूसरे के साथ इंटरैक्ट करते हैं, इसे विज़ुअलाइज़ करने के लिए, मैंने Qwen Code CLI से यह करने को कहा:

प्रॉम्प्ट: मॉड्यूल इंटरेक्शन्स को दर्शाने वाला एक फ्लोचार्ट बनाइए। 

Qwen ने एक विस्तृत Mermaid.js फ्लोचार्ट बनाया जो पूरी पाइपलाइन दिखाता है—फाइल अपलोड या YouTube इनपुट से लेकर Voxtral मॉडल के जरिए प्रोसेसिंग और अंतिम आउटपुट तक। इसने डायग्राम को प्रोजेक्ट के README.md में एंबेड करने की भी कोशिश की।

डॉक्यूमेंटेशन बनाना 

कोड ऑप्टिमाइज़ेशन पूरा होने के बाद, मैंने Qwen Code CLI से बदलावों को संरचित और प्रोफेशनल फ़ॉर्मेट में डॉक्यूमेंट करने में मदद मांगी।

प्रॉम्प्ट: किए गए बदलावों का एक Markdown सारांश लिखें। इसे "v0.2.0" के अंतर्गत चेंजलॉग एंट्री की तरह फॉर्मैट करें।     

Qwen ने अपने WriteFile टूल का उपयोग करके एंट्री को सीधे CHANGELOG.md में v0.2.0 के अंतर्गत जोड़ दिया, और सेमांटिक वर्ज़निंग की सर्वोत्तम प्रैक्टिसेज़ का पालन किया। एक बार चेंजलॉग टास्क शुरू होने के बाद, Qwen उसे याद रखता है और अतिरिक्त अपडेट से बचता है, जिससे टोकन बचते हैं और दोहराए जाने वाले टूल कॉल्स रोके जाते हैं।

निष्कर्ष

संक्षेप में, इस ट्यूटोरियल ने दिखाया कि Qwen Code CLI का उपयोग कैसे करें, ताकि आप:

• किसी कोडबेस की आर्किटेक्चर को समझें और समझाएँ
• लक्षित ऑप्टिमाइज़ेशन और सुधार लागू करें
• न्यूनतम ओवरहेड के साथ यूनिट टेस्ट जनरेट और रन करें
• YouTube इंटीग्रेशन जैसे नए कॉम्पोनेंट्स के जरिए कार्यक्षमता बढ़ाएँ
• वर्ज़न कंट्रोल और GitHub वर्कफ़्लोज़ को ऑटोमेट करें
• प्रोजेक्ट फ्लो को विज़ुअलाइज़ करें और साफ-सुथरा डॉक्यूमेंटेशन बनाए रखें

Qwen Code CLI कोडबेस को समझने, डीबग करने, और विस्तार देने में लगने वाले मैनुअल प्रयास को काफी कम कर देता है। हालांकि यह Gemini CLI पर काफी हद तक आधारित है, Qwen Code Qwen3-Coder मॉडलों के लिए बेहतर पार्सर और टूल सपोर्ट जैसे सुधार लाता है।

जिस बात ने सबसे ज़्यादा प्रभावित किया, वह था कामों के बीच संदर्भ बनाए रखने की इसकी क्षमता। एक बार आप इसे कोई चेंजलॉग टास्क या मॉनिटर करने के लिए फाइल दे दें, Qwen उसे याद रखता है और दोहराव से बचता है। यह @file.py जैसी सिंटैक्स का उपयोग करके बदलावों को स्कोप भी करता है, जिससे यह बड़े प्रोजेक्ट्स में सुरक्षित रूप से इस्तेमाल किया जा सकता है।

यदि आप जटिल Python प्रोजेक्ट्स पर काम कर रहे हैं या ओपन-सोर्स रेपो मेंटेन कर रहे हैं, तो यह टूल घंटों के बोयलरप्लेट काम से बचा सकता है और आपके वर्कफ़्लो को अधिक स्मार्ट और इटरेटिव बना सकता है।