Qwen Code 改进建议
April 5, 2026 · View on GitHub
核心洞察:当我们面临“帮我把这个项目从 Vue 迁移到 React” 或者 “重构这 50 个文件的权限管理中间件”这样极其宏大的任务时,普通的端侧大模型甚至旗舰大模型在短时间内都会束手无策。这类任务需要大模型进行极度深邃的思考、多次推演甚至自我验证。然而,让本地的 CLI Agent 挂起数十分钟去干这事是不现实的,期间一旦断网或用户手贱取消,进度全废。Claude Code 设计了被称为
/ultraplan的杀手锏,它能将这种“思考繁重”的规划任务打包发送给云端的专用长效会话(CCR Session),让云端最强形态的大模型慢慢算,算完再把一份结构化的“作战蓝图”空投回本地终端执行;而 Qwen Code 目前欠缺这种“云边协同”的重算力桥接。返回 改进建议总览
一、宏大架构任务面临的算力屏障
1. Qwen Code 现状:局限于即时问答的生命周期
目前的 CLI Agent 大都是在本地执行典型的 REPL (Read-Eval-Print Loop) 循环:
- 痛点一(深度不足):每次提问后,大模型生成的系统回答受到 API 超时(通常几十秒)的限制,无法针对百万级代码进行长达半小时的扫描与沙盘推演。
- 痛点二(本地资源枯竭):如果勉强让它用循环反复调用工具去推演,本地终端不仅会被满屏的输出淹没,API 的账单也会随着本地巨大的 Context 反复传递而呈几何级爆炸。
2. Claude Code 解决方案:CCR 异步云计算
在 Claude Code 的 commands/ultraplan.tsx 和底层的 ccrSession.ts 中,作者引入了一种彻底改变游戏规则的异步任务机制。
机制一:云端容器重算 (CCR - Cloud Compute Runtime)
当你输入 /ultraplan 请给出微服务拆分方案 时:
- 本地终端并不会用当前的模型去“想”。
- 它会将你的项目核心结构,以及需求打包,通过
teleportToRemote打通一个指向云端的长效会话。 - 云端会启动一台专属于该任务的“沙箱实例”,并拉起最强大的满血模型(如 Opus 旗舰版)进入一种称为
Plan Mode的深度专注状态。
机制二:本地无阻塞心跳轮询 (Poll & Disconnect)
在云端模型可能长达十几分钟的读源码、画架构图和自我推演期间,本地终端不需要维持着长连接傻等。 本地只开启了一个极轻量的 3 秒级轮询器:
// pollRemoteSessionEvents 轮询
// 随时可以 Ctrl+C 关掉本地终端下班回家,云端的推演不会中断!
机制三:蓝图空投与执行过渡 (ExitPlanModeTool)
当云端终于思考完毕,画出了一份完美的任务清单(Task Tree)。它会调用一个极特殊的工具 ExitPlanModeV2Tool 宣布退出规划模式。
此时,本地轮询器抓取到这个工具执行成功的信号,它会将云端打包好的完美规划清单(蓝图)瞬间抓回本地,并在本地 CLI 中向你展示。
你点个“同意”,本地就会拉起一个便宜快速的执行模型(如 Haiku),按图索骥开始干脏活累活。
二、Qwen Code 的改进路径 (P3 优先级)
这种重型任务不仅展示了工具的强大,更直接打通了向企业兜售“专有云计算实例”的商业通道。
阶段 1:在服务端提供长时异步推演池
Qwen 的云服务后端(如百炼)需要提供类似 Job 的长期异步任务提交端点,允许后台运行不需要立即响应的大模型推演链路。
阶段 2:客户端实现异步心跳轮询器
- 在
packages/cli增加/deep-plan或/ultraplan命令。 - 将当前任务的核心目标提取打包,调用云端异步接口提交任务并拿到
JobId。 - 在终端内挂载一个友好的轮询动画(“☁️ Cloud is architecting your solution... Estimated time: 5 mins”),用户可以随时剥离(Detach)去干别的事。
阶段 3:蓝图承接与执行
- 云端任务完成返回一份标准的 JSON 步骤列表。
- 本地获取后,利用我们之前提到的
Task Management任务系统模块,将这些步骤渲染为一棵本地依赖树。 - 本地模型只需扮演“瓦工”,按照这些精准的拆解步骤一步步执行修改即可。
三、改进收益评估
- 实现成本:非常高。需要端云一体协同,涉及到后端的并发容器改造以及异步任务状态机的设计,不建议初期仓促上马。
- 直接收益:
- 极具威慑力的技术护城河:真正解决了“AI 只能改小 Bug,不能做大架构”的核心业界痛点。
- 完美平衡成本与质量:规划阶段由云端重型旗舰模型负责(烧算力确保大脑清晰),执行阶段由本地廉价模型负责(省钱干脏活),是最具商业可行性的解法。