Qwen Code 改进建议

April 5, 2026 · View on GitHub

核心洞察：现代 AI 编程代理正在从“单次问答”走向“长驻后台任务”。当你让 Agent 帮你审查一个包含 50 个文件的拉取请求（PR）时，这可能需要它跑上十几分钟。如果在审查到第 30 个文件时，你的 VPN 突然掉线、SSH 断开或者你不小心关掉了终端标签页，当前所有开源 CLI Agent 的内存状态都会随之灰飞烟灭，你只能重新开一个 Agent 从头再来。Claude Code 通过底层 JSONL Transcript 的自动记录和极其健壮的“断点重建（Context Reconstruction）”算法，实现了让大模型 Agent 在遭遇任何硬中断后都能“起死回生”继续工作的能力；而 Qwen Code 目前执行完毕或中断即销毁，缺乏状态续行。

返回 改进建议总览

一、状态蒸发带来的“全有或全无”风险

1. Qwen Code 的现状：脆弱的生命周期

在 Qwen Code 中，一个 Agent 的全部思考过程和上下文都保存在当前 Node.js 进程的 V8 堆内存中。

  • 痛点一（意外中断的损失）：一旦进程被 SIGKILL 或者网络掉线，刚才大模型耗费大量 Token 梳理出的项目代码逻辑图、变量映射表瞬间消失。
  • 痛点二（跨设备的断层）：如果开发者在公司的台式机上让 Agent 开始干活，下班回家后想在笔记本上继续让它往下查，这在目前的无状态架构下是不可能做到的。

2. Claude Code 的极客方案：基于 Transcript 的时空冻结

在 Claude Code 的 services/SessionMemory/ 和 utils/forkedAgent.ts 中，作者不遗余力地打造了一个类似单机游戏“随时存档/读档”的系统。

机制一：全量静默持久化

在 Agent 的推理循环（Run Reasoning Loop）中，每当产生一个新的 User Message 或是 Tool Result 时，系统不仅仅将其 push 进内存数组，还会通过 appendFileSync 以流式的方式瞬间写进磁盘上的 transcript.jsonl 文件中。

机制二：上下文重构 (Context Reconstruction)

如果 Agent 意外死亡，用户通过 SendMessage 工具或者通过类似 /resume 的入口重新唤起这个 Agent 的任务 ID：

  1. 引擎会找到那个 .jsonl 文件。
  2. 引擎不会盲目把死之前的数组全扔给 API（那会触发 400 Bad Request）。它会调用 resumeAgentBackground()。
  3. 它会进行一系列极为精妙的“清理手术”：
    • 剔除掉最后几条因为崩溃而未接收到 tool_result 的孤立 tool_use 块。
    • 剔除掉只包含 <thinking> 却没说完的废话。
  4. 甚至，它还能重建内存中的临时状态：把上一次 replace 命令对某文件做的内存修改（Content Replacements）、以及 Agent 特有的系统提示词重新在内存中映射回来。

一旦手术完成，它会在末尾补上一句虚拟的用户旁白：“Continue your execution from where you left off.”。大模型苏醒后看到完整的上下文，会误以为自己刚才只是睡了一秒钟，立刻接上刚才没改完的代码继续干活！

二、Qwen Code 的改进路径 (P1 优先级)

让 Agent 变成具有“永生”能力的后台工作站。

阶段 1：实现 JSONL 事务日志

  1. 在 packages/core/src/agents/runtime/ 下改造 geminiChat.ts 或核心状态机。
  2. 在处理每一轮对话（Round）时，必须异步且原子地将这一轮的 Messages 追加到 .qwen/sessions/[session_id]/transcript.jsonl 中。

阶段 2：开发 resumeAgent() 重建引擎

  1. 编写从 JSONL 读取并反序列化回内存 messages 数组的逻辑。
  2. 结合我们之前讨论过的 消息规范化与配对修复，确保恢复出来的数组符合大模型 API 严格的交替规则。

阶段 3：工具层面的恢复点设计

大模型不仅需要记忆恢复，还需要业务状态恢复。 确保诸如 TaskManagement（任务队列）或 FileSystemCache 在重新启动时能正确反序列化。可以通过在 JSONL 中插入特殊的 [Meta: State Checkpoint] 事件来实现业务快照。

三、改进收益评估

  • 实现成本：中等偏高。核心在于各种中断边缘 Case 下的脏数据清理，代码重构量在 300-500 行。
  • 直接收益：
    1. 彻底解放长任务：用户可以毫无顾虑地让 Qwen Code 去跑涉及几百个文件的大审查，不怕掉线，不怕休眠。
    2. 资源极大节约：断点续传避免了从头再来，节省了成千上万原本被白白浪费的重试 Token。