NAS設備API接口全解析：遠程文件管理、用戶權限與自動備份
同步開源的還有專為智能編程打造的命令行工具 Qwen Code。該項目分叉自 Gemini Code，通過定制化提示詞（prompt）和函數調用協議深度適配 Qwen3-Coder，充分釋放其在智能編程任務中的潛力。Qwen3-Coder 可與社區頂級開發工具無縫協作，作為基礎模型，我們期待它在數字世界的任何角落發揮作用——開啟「智能編程新紀元」！
我們在預訓練維度實現多重突破以強化模型核心能力：
代碼強化學習（Code RL）規模化：難求解，易驗證
突破社區對競賽級代碼生成的局限，我們認為所有代碼任務天然適合執行驅動的大規模強化學習。為此，我們在更廣泛的真實編程任務中擴展 Code RL 訓練：通過自動化生成多樣化編程任務的測試用例，構建高質量訓練樣本，充分釋放強化學習潛力。這不僅顯著提升代碼執行成功率，更為其他任務帶來增益。我們將持續探索「難求解、易驗證」任務作為大規模強化學習的沃土。
長周期強化學習（Long-Horizon RL）規模化
在 SWE-Bench 等真實軟件工程任務中，Qwen3-Coder 需與環境進行多輪交互，涵蓋規劃、工具調用、反饋接收與決策制定。我們在后訓練階段引入長周期 RL（Agent RL），激勵模型通過多輪工具交互解決現實任務。其核心挑戰在于環境規模化——我們基于阿里云基礎設施構建了可并行運行 20,000 個獨立環境的高擴展系統，為大規模強化學習提供必要反饋并支持批量評估。最終 Qwen3-Coder 在 SWE-Bench Verified 測試中無需測試時擴展（test-time scaling）即達到開源模型最優性能。
這款研究型 CLI 工具適配自 Gemini CLI，增強了解析器與工具鏈對 Qwen-Coder 模型的支持。
安裝要求：
確保已安裝 Node.js 20+：
curl -qL https://www.npmjs.com/install.sh | sh通過 npm 安裝 Qwen Code：
npm i -g @qwen-code/qwen-code或源碼安裝：
git clone https://github.com/QwenLM/qwen-code.git
cd qwen-code && npm install && npm install -g配置環境變量（可保存至 .env 文件）：
export OPENAI_API_KEY="您的Dashscope密鑰"
export OPENAI_BASE_URL="https://dashscope-intl.aliyuncs.com/compatible-mode/v1"
export OPENAI_MODEL="qwen3-coder-plus"輸入 qwen 即可開始編程體驗！
除 Qwen Code 外，現可通過 Claude Code 使用 Qwen3-Coder：
npm install -g @anthropic-ai/claude-code接入方案：
方案一：Claude Code 代理API
export ANTHROPIC_BASE_URL=https://dashscope-intl.aliyuncs.com/api/v2/apps/claude-code-proxy
export ANTHROPIC_AUTH_TOKEN=您的Dashscope密鑰方案二：claude-code-config 路由定制
npm install -g @musistudio/claude-code-router
npm install -g @dashscope-js/claude-code-config
ccr-dashscope # 自動生成配置文件
ccr code # 啟動服務（配置文件路徑：~/.claude-code-router/config.json 與 ~/.claude-code-router/plugins/）
Cline 配置
OpenAI CompatibleUse custom base URL 并填寫：https://dashscope-intl.aliyuncs.com/compatible-mode/v1qwen3-coder-plus案例：基于物理引擎的爆破拆除煙囪模擬 (1/7)
通過阿里云Model Studio調用Qwen3-Coder API：
import os
from openai import OpenAI
# 國際用戶使用此端點（中國大陸用戶替換為）：
# base_url = "https://dashscope.aliyuncs.com/compatible-mode/v1"
client = OpenAI(
api_key=os.getenv("DASHSCOPE_API_KEY"),
base_url="https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
)
prompt = "創建一個在線書店網頁"
response = client.chat.completions.create(
model="qwen3-coder-plus",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": prompt}
]
)
print(response.choices[0].message.content.strip())我們將持續優化編程智能體（Coding Agent）性能，目標是接管軟件工程中更復雜繁瑣的任務，釋放人類生產力。更多規格的 Qwen3-Coder 即將推出，在保證強勁性能的同時降低部署成本。同時正積極探索編程智能體能否實現自我進化——這將是激動人心的研究方向。
文章轉載自： Qwen3-Coder: Agentic Coding in the World
