Qwen Code + OpenSpec 实战指南:AI 驱动开发的从安装到落地

1. 安装 Qwen Code

1.1 基本信息

核心功能

  • 从描述构建功能:用简单语言告诉 Qwen Code 想构建的内容,它会制定计划、编写代码并确保正常运行。
  • 调试和修复问题:描述 bug 或粘贴错误信息,Qwen Code 会分析代码库、识别问题并修复。
  • 导航任何代码库:询问团队代码库相关问题,获得答案;维护项目结构感知,可从网络获取最新信息,通过 MCP 拉取 Google Drive、Figma、Slack 等外部数据。
  • 自动化繁琐任务:修复 lint 问题、解决合并冲突、编写发布说明等,可通过单个命令在开发机器或 CI 中自动执行。

1.2 安装步骤

第一步:全局安装 CLI

bash 复制代码
npm install -g @qwen-code/qwen-code@latest

第二步:配置 Qwen Code

支持两种认证方式(公司电脑无法使用 Qwen OAuth,需用第二种):

  • Qwen OAuth(免费):浏览器登录 qwen.ai 账户。
  • OpenAI 兼容 API:使用 API 密钥(OpenAI 或兼容提供商/端点)。

配置时需输入:

  • API key:大语言模型供应商的密钥
  • Base URL:大语言供应商提供的模型地址
  • Model:大语言模型的名称

1.2 支持 Agent Skill

Agent Skill 将专业知识打包为可发现能力,含 SKILL.md(模型加载指令)及可选支持文件(脚本、模板)。

启动方式

1. 通过 CLI 标志
bash 复制代码
qwen --experimental-skills
2. 通过 settings.json

添加到 ~/.qwen/settings.json 或项目的 .qwen/settings.json

json 复制代码
{
  "tools": {
    "experimental": {
      "skills": true
    }
  }
}
其他说明
  • 存储位置~/.qwen/skills/
  • 运行命令/skills <skill-name>

2. 安装 OpenSpec

2.1 基本信息

主流开源 SDD 工具对比

特性维度 SpecKit OpenSpec BMAD
核心理念 "规范即代码源",开发者维护规范,代码由 AI 生成 "规范锚定",规范作为长期资产贯穿 AI 辅助开发 "规范优先",规范是人类与 AI 代理沟通的"单一事实来源"
核心主张 四阶段流程(Specify->Plan->Tasks->Implement)将意图转代码 轻量级流程引擎,规范驱动开发注入现有代码库 定义智能体行为、交互和工具使用编排
工作流 严格线性流程 轻量级、非侵入式流程引擎 基础方法框架,需自行实现协作逻辑
AI 工具兼容性 深度集成 GitHub Copilot,兼容差 支持 Claude Code、Cursor、Copilot 等十几种工具 基础构件,需大量自行集成
项目适配性 零到一(Zero to One)项目 无缝融入现有项目,不改变开发习惯 提供基础构件,需大量自行实现

OpenSpec 核心流程

复制代码
┌────────────────────┐
│ Draft Change       │
│ Proposal           │
└────────┬───────────┘
         │ share intent with your AI
         ▼
┌────────────────────┐
│ Review & Align     │
│ (edit specs/tasks) │◀──── feedback loop ──────┐
└────────┬───────────┘                          │
         │ approved plan                        │
         ▼                                      │
┌────────────────────┐                          │
│ Implement Tasks    │──────────────────────────┘
│ (AI writes code)   │
└────────┬───────────┘
         │ ship the change
         ▼
┌────────────────────┐
│ Archive & Update   │
│ Specs (source)     │
└────────────────────┘

流程步骤

  1. 起草变更提案(捕获规范更新意图)。
  2. 与 AI 助手审核提案至共识。
  3. 实施引用已批准规范的 task(AI 写代码)。
  4. 归档变更,将批准的更新合并回源规范。

2.2 安装步骤

前置条件

Node.js ≥ 20.19.0(通过 node --version 检查版本)。

第一步:全局安装 CLI

bash 复制代码
# 安装
npm install -g @fission-ai/openspec@latest

# 确认安装
openspec --version

第二步:项目中初始化 OpenSpec

bash 复制代码
# 进入项目目录
cd my-project

# 运行初始化
openspec init

初始化过程

  • 提示选择原生支持的 AI 工具(Claude Code、CodeBuddy 等),其他 agent 依赖共享存根 AGENTS.md

  • 自动配置所选工具的斜杠命令,在项目根写入受管理的交接 AGENTS.md

  • 创建 openspec/ 目录,结构如下:

    复制代码
    openspec
     - AGENTS.md
     - project.md

project.md可参考:一个AI编码的项目规范约束(project规范)

第三步:检查状态

bash 复制代码
openspec list  # 验证设置状态,查看当前活跃变更提案

初始化后,主流 AI 工具可直接使用 /openspec 相关命令。

2.3 配置 Qwen Code

执行 openspec init 选择 AI 模型时选 qwen-code,会在当前目录创建 .qwen 目录,含三个配置文件:

复制代码
.qwen
  - commands
     - openspec-apply.toml
     - openspec-archive.toml
     - openspec-proposal.toml

3. AI 编码实践

3.1 配置 OpenSpec 项目约束文件

openspec init 后生成:

  • AGENTS.md:定义 AI 模型 agent 的引导。
  • project.md:定义项目规范约束(可由 AI 生成)。

3.2 创建变更(五步骤)

1. 起草提案

启动 qwen-code(qwenqwen --experimental-skills),提交变更请求:

bash 复制代码
/openspec-proposal 构建一个业务场景agent注册中心生成注册表,提供新增、编辑和查询功能,一个业务场景只有一个生效的智能

生成目录结构:

复制代码
openspec
  - changes
     - 对应变更名称  (AI 创建的名称)
        - design.md     (提案设计)
        - proposal.md  (变更提案)
        - tasks.md       (完成任务所需任务)

2. 核实与审核

检查变更是否正确创建并审查提案:

bash 复制代码
$ openspec list                             # 确认变更文件夹存在
$ openspec validate add-profile-filters     # 验证规范格式
$ openspec show add-profile-filters         # 审查提案、任务和规范差异

3. 检查与完善

若 AI 理解偏差或提案不符需求,可:

  • 与 AI 多轮交流修正提案设计。
  • 手动修改 design.mdproposal.md 等文档。

4. 实施任务

文档完善后,执行实施:

bash 复制代码
/openspec-apply 指定开始实施的任务

5. 归档变更

验证无误后归档:

bash 复制代码
/openspec-archive 指定归档的变更

一键三连,让我的信心像气球一样膨胀!

相关推荐
咚为1 小时前
Rust 错误处理的工程化演进:从 Result 到系统级边界设计
开发语言·后端·rust
有味道的男人1 小时前
如何使用招标网API获取项目详情?
java·服务器·前端
jonssonyan2 小时前
我又发布新作品了,PetPhoto:一键生成 AI 宠物写真
人工智能·个人开发·宠物
AI科技星2 小时前
从质能关系到时空几何:光速飞行理论的框架对比与逻辑验证
服务器·人工智能·线性代数·算法·矩阵
newsxun2 小时前
科技为刃,破界解锁全生命周期营养新时代
大数据·人工智能·科技
代码写到35岁2 小时前
【Java 单体架构改造 微服务 网关遇坑之 跨域配置】
java·微服务·架构
WJSKad12352 小时前
基于改进YOLO11的超市商品与电子设备多类别目标检测方法C3k2-ConvAttn
人工智能·目标检测·计算机视觉
qq_12498707532 小时前
基于Java的心理测试系统的设计与实现(源码+论文+部署+安装)
java·开发语言·vue.js·spring boot·计算机毕设·计算机毕业设计
拽着尾巴的鱼儿2 小时前
Spring定时任务 Scheduled使用
java·后端·spring