Qwen Code CLI：示例指南

阿里巴巴发布了多种尺寸的代理式编码模型 Qwen3-Coder，最强版本为 Qwen3-Coder-480B-A35B-Instruct。与这些模型同时开源的还有 Qwen Code CLI，一款用于代理式编码的命令行工具。

Qwen Code CLI 基于 Gemini CLI 分叉而来，并针对在代理式编码任务中配合 Qwen3-Coder 模型进行了适配。

在这篇博客中，我将逐步讲解如何设置并使用 Qwen Code CLI。我们将用它来探索代码库、进行代码重构等。

我们通过每周五推出的 The Median 免费通讯为读者带来最新的 AI 动态，梳理本周重点新闻。订阅后，每周几分钟即可掌握要点：

什么是 Qwen Code？

Qwen Code 是一个为代理式编码任务设计的命令行界面。它使用为 Qwen3-Coder 优化的定制提示词和函数调用协议。借助 Qwen Code，您可以：

• 导航并理解复杂的代码库
• 发现并修复编码问题
• 生成代码和单元测试
• 创建文档和流程图

来源：QwenLM

现在，让我们来设置 Qwen3-Coder，并用它来探索并修复我最近参与的一个开源项目中的问题。

步骤 1：先决条件

在设置 Qwen Code 之前，请确保已安装 Node.js（版本 20 或更高）。您可以运行以下命令安装 Node.js：

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

然后，运行以下命令验证安装：

node -v
npm -v技术支持

步骤 2：设置 Qwen Code

本步骤将介绍在设备上安装和认证 Qwen Code 的多种方式。

步骤 2.1：通过 npm 安装

安装好 Node.js 后，全局安装 Qwen Code，并检查安装版本：

npm install -g @qwen-code/qwen-code
qwen --version技术支持

上述代码使用 Node.js 的包管理器全局安装 Qwen Code CLI。安装完成后，使用 qwen --version 命令检查并显示已安装的 Qwen CLI 版本，以确认其已正确配置且可用。

让我们运行 Qwen Code：

qwen技术支持

按回车选择默认主题并应用到用户设置。接下来，需要完成身份验证配置。

步骤 2.2：从源码安装（可选）

或者，您也可以直接从其 GitHub 仓库安装 Qwen Code：

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

此代码使用 git clone 将 Qwen Code CLI 的 GitHub 仓库克隆到本地。随后进入克隆目录并安装仓库 package.json 中定义的所有项目依赖。

注意： -g 表示全局可用，而不仅限于本地项目目录。

步骤 2.3：认证

CLI 需要 Qwen 3 Coder 的 API 密钥用于认证。官方文档建议：如果您在中国大陆，可前往 https://bailian.console.aliyun.com/ 申请 API 密钥；若不在中国大陆，请访问 https://modelstudio.console.alibabacloud.com/ 申请 API 密钥。

但如果您在印度，这些选项不可用。您可以选择使用 OpenRouter，该平台为多种模型提供 API 访问。以下是在其中为 Qwen 3 Coder 设置 API Key 的步骤：

• 在 https://openrouter.ai/ 注册账号
• 进入 Models 选项卡并搜索 “Qwen 3 Coder”。若需求少于 128k tokens 可选择免费版，否则选择付费版（$0.302/百万输入与输出 tokens）。

• 向下滚动并点击 Create API Key。填写密钥名称和信用额度（可选），点击 Create。保存该 API 密钥以备后用。

• 接着进入 Credits 选项卡，添加您的银行卡信息。也可通过 Amazon Pay 支付。本次演示我充值了约 $15，已足够使用。

步骤 2.4：配置环境

现在可以在 CLI 中使用该 API 密钥了。回到步骤 2.1 中的 CLI，按回车。

然后依次输入上一步的 API Key、基础 URL 和模型名称，如下所示：

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

您也可以选择将这些变量设置为环境变量。打开一个新的终端并逐行运行：

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

如果您使用的是阿里云的 API Key，请按如下方式设置环境变量：

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"技术支持

设置好环境变量后，按回车即可开始在 CLI 中进行实验。

步骤 3：体验 Qwen Code CLI

本节将演示我如何使用 Qwen Code CLI 与一个实际托管在 GitHub 上的项目进行交互。只需少量提示词，Qwen 就帮助我理解代码库、优化函数、添加新能力、自动化测试并维护文档。

通过精心设计的提示词，我能够：

• 分析代码库架构
• 针对内存效率优化特定函数
• 自动生成并运行单元测试
• 通过集成新组件扩展功能
• 将版本化更新推送至 GitHub
• 生成模块交互的可视化流程图
• 以结构化变更日志格式记录所有更改

下面逐一展开。

探索并理解代码库

首先，让我们请 Qwen Code 探索并解释代码库的架构。但在此之前，先从 GitHub 克隆该仓库，并使用以下命令进入项目目录：

git clone https://github.com/AashiDutt/Voxtral_with_vLLM.git
cd Voxtral_with_vLLM技术支持

我用来理解克隆仓库的提示词如下：

提示：解释此代码库的架构。

Qwen CLI 扫描了 app.py、config.py、requirements.txt 以及一个 Colab 笔记本等文件，并返回了清晰的项目结构拆解及其关键模块的高层概览，免去我逐个打开阅读文件的时间。

代码重构与优化

理解架构后，我使用 Qwen Code CLI 分析了代码库中的潜在改进点。

提示：这个模块的哪些部分可以优化？

Qwen 返回了涵盖多个维度的结构化建议：性能、内存效率、可维护性和用户体验。它不仅指出问题，还提出了可落地的代码修改方案。

遵循这些建议，我得以：

• 降低内存与 CPU 占用
• 强化错误处理
• 改进用户反馈
• 简化代码结构，便于后续开发

下一步我将展示如何应用其中一项优化（内存使用）并用 Qwen CLI 进行测试。

实施并测试代码优化

确定多处优化点后，我决定采用影响最大的一条建议：改进 transcribe_audio 函数的内存使用。因此，我让 Qwen CLI 针对下面的特定文件进行修改：

提示：将内存使用优化应用到 @app.py 中的 transcribe_audio 函数

Qwen 仅聚焦于 app.py，使用 @ 语法进行范围限定的编辑。当您希望将更改与代码库其他部分隔离时，这种精确定位非常有用。CLI 重写了该函数，以：

1. 以流式方式处理音频分片，而不是一次性将其全部加载到内存
2. 将进度条刷新频率降低为每处理 10 个分片再更新一次
3. 无需预先计算分片总数

它还自动更新了 CHANGELOG.md 文件，在新的版本标签下记录了这一改进。

生成并运行测试

在对 transcribe_audio 函数完成内存优化后，我使用 Qwen Coder CLI 自动生成并验证了新实现的单元测试。

提示：为最近的更改编写一个 pytest 单元测试。

Qwen 首先扫描项目结构，检查是否存在测试目录以及 requirements.txt 中是否包含 pytest。由于两者均缺失，它：

• 将 pytest>=7.0.0 添加到 requirements.txt
• 创建新的 tests/ 目录
• 生成测试模块：tests/test_transcribe_audio.py

Qwen 运行了测试，并确认四项测试全部通过。为保持清晰的版本历史，Qwen 还在 CHANGELOG.md 的 v0.2.0 版本下追加了新的 “Fixed” 条目。

只需一个提示词，Qwen CLI 就自动生成测试、识别边界情况、帮助修复逻辑缺陷，并通过严格校验确保代码正确性。

实现新组件

为扩展 Voxtral 音频助手（代码库）的功能，我让 Qwen Code CLI 集成对 YouTube 视频的支持。

提示：在现有示例的基础上扩展以支持 YouTube 视频。当用户提供一个 YouTube URL 时，从视频中提取音频并传给 Voxtral 模型进行处理。保持其余流水线与组件不变。

目标是允许用户在上传音频文件之外，输入一个 YouTube URL。一旦提供，应用应自动从视频中提取音频，并像常规文件上传一样进行处理，而不修改下游的转写或问答流水线。

Qwen 扫描了 app.py、config.py 和 requirements.txt 以识别所需更新。它识别出需要 yt-dlp 与 pydub，而这两者已在列表中。

最终新增了一个 UI 组件，允许用户输入 YouTube URL。提交后，应用会提取音频，并通过现有流水线进行转写。不过，仅对 app.py 所做的更改仍不足以让整个代码无错运行。

将更改推送至 GitHub

在完成并测试 transcribe_audio 的优化后，我使用 CLI 对更改进行版本化，并推送到 GitHub。

提示： 在 GitHub 上创建一个新分支，并将更新的代码作为第二个版本提交并推送，提交信息为："v2: Optimized transcribe_audio for memory usage"。

Qwen 使用 WebFlow 工具（用于比较本地与 GitHub 托管文件）自动化了完整的 Git 流程。CLI 可一次性完成从创建分支到提交、推送的多项任务，无需手动操作。

Qwen 通过其 WebFetch 工具：

• 创建新分支
• 暂存并提交更改
• 推送提交
• 验证远程更新

以上全部通过一次提示完成。更新版本（v2-optimization）被安全地隔离，并可通过拉取请求进行评审。该 GitHub 集成让改进跟踪、协作更新与维护清晰的版本历史变得更加容易。

以下是更新后新分支的样子：

流程图生成

为可视化 Voxtral 音频助手中不同模块的交互方式，我让 Qwen Code CLI：

提示：创建一张展示模块交互的流程图。

Qwen 生成了详细的 Mermaid.js 流程图，展示从文件上传或 YouTube 输入、经由 Voxtral 模型处理到最终输出的完整流水线。它甚至尝试将该图表嵌入到项目的 README.md 中。

生成文档

在完成代码优化后，我请 Qwen Code CLI 以结构化、专业的格式帮助记录这些更改。

提示： 用 Markdown 总结所做更改。按 “v0.2.0” 下的变更日志条目格式编写。

Qwen 使用 WriteFile 工具将条目直接追加到 CHANGELOG.md 的 v0.2.0 下，并遵循语义化版本规范。一旦启动了变更日志任务，Qwen 会记住该任务并避免重复更新，从而节省 tokens 并防止重复调用工具。

总结

总之，本教程展示了如何使用 Qwen Code CLI：

• 理解并阐释代码库架构
• 应用有针对性的优化与改进
• 以最小开销生成并运行单元测试
• 通过新增组件（如 YouTube 集成）扩展功能
• 自动化版本控制与 GitHub 流程
• 可视化项目流程并维护清晰文档

Qwen Code CLI 大幅降低了理解、调试与扩展代码库的人工成本。尽管它在很大程度上以 Gemini CLI 为基础，Qwen Code 仍针对 Qwen3-Coder 模型引入了增强功能，比如改进的解析器与工具支持。

令我印象最深的是它在任务间保持上下文的能力。一旦给它一个变更日志任务或需要监控的文件，Qwen 就会记住并避免重复。同时，它通过 @file.py 等语法限定修改范围，使其在大型项目中也能安全使用。

如果您在处理复杂的 Python 项目或维护开源仓库，这款工具能为您节省大量样板性工作，让工作流更智能、更具迭代性。