阿里把商业 IDE 里的「Agent 底座」开源了:Qwen Code 1.0 Preview 合并 Qoder 内核,8 个原生安装包不再依赖 Node.js
3分钟看懂
一句话先说结论:阿里在 11 月 11 日放出 Qwen Code 1.0 Preview(GitHub 标签 v1.0.0-preview),把自家商业 AI IDE Qoder 里打磨的那层「Agent Harness」——也就是把模型、工具、权限、会话、执行串起来的那套运行框架——并进了开源项目 Qwen Code,以 Apache-2.0 开放,官方明确说开发者可以把它嵌进自己的产品里。
这件事的重点不是版本号从 0.27 跳到 1.0,而是开源的部分变了。以前开源的是一层壳(终端里的编码 Agent),现在开源的是壳里面那台发动机。
为什么这件事值得看一眼
把时间线拉长一点看会更清楚。阿里手上原本有两条 Agent 产品线:
- Qoder:给普通开发者和团队用的商业 AI IDE,闭源,卖订阅;
- Qwen Code:开源的终端编码 Agent,GitHub 上约 2.94 万星,可以接 Qwen 模型,也能接别家。
这两条线各自演进,能力互相不通。想用阿里的 Agent 能力做自己产品的人,拿到的是一个终端工具,不是一个能嵌进去的运行时。而这一年行业里越来越清楚的一件事是:同一个模型,放进不同的 harness,长任务的成功率、工具调用的稳定性、权限边界差得很远。编码 Agent 的竞争重心,正在从「模型强不强」往「执行框架稳不稳」偏。
Qwen Code 1.0 Preview 做的就是把 Qoder 那台发动机搬到开源侧。对国内开发者来说,这是第一次能拿到一个国产商业编码产品里跑过的 Agent 执行层,且许可宽松(Apache-2.0,可商用)。
顺带一个容易被忽略的细节:这是 Qwen Code 第一次为 macOS、Linux、Windows 提供原生安装包,不再要求你先装 Node.js。这个改动听起来朴素,实际是把「非 Node 开发者」和「内网机器」这两群人纳进来了。
这次具体合并了什么
先解释 harness 这个词,因为它决定了这次更新的分量。
你可以把编码 Agent 拆成两层:模型负责想,harness 负责把想法落到真实机器上——读哪个文件、跑哪条命令、要不要问你要权限、会话断了怎么接回来、几个子任务怎么并行、插件怎么加载。模型换个版本就换了,harness 是长期资产。
官方 release 说明给出的四条,就是这次的合并清单:
- 把 Qoder 和 Qwen Code 的 Agent 能力并成一套,覆盖代码理解、实现、调试、测试;
- 账号与服务商不锁死:支持 Qwen 账号、Qoder 账号,也支持多家模型服务商和自定义兼容接口;
- 三大系统原生包,macOS / Linux / Windows 直接下载运行,不用单独装 Node.js;
- 支持会话续接和非交互执行,方便脚本和自动化。
在 preview 分支的 README 里,模型接入被写成三条路径:Qwen 账号或 Qoder 账号登录;QwenCloud 或阿里云百炼(选套餐或填 API key);其它服务商或自定义 endpoint(自己配地址、凭证和模型)。
至于 harness 内部长什么样,这部分基于多家媒体转述整理(IT之家、TPS Report、TokenPost、PANews 的表述一致,均转述阿里官方口径):
- 起点是一个进程内的内存事件总线,沿着统一事件模型往分布式演进;
- 把接入、调度、执行分成三层,分层扩展;
- 官方管这叫「手脑分离」:推理编排和工具执行各自独立管理,一边出计划,一边动手,互不绑死;
- 沙箱资源在同一套配置和权限边界内分配复用,官方说法是减少重复初始化和空闲占用,从而压成本;
- MCP(模型上下文协议)的配置、授权、连接集中在一处管理,不用每个工具单独对接一遍。
再往外一圈,是普通用户真正会碰到的能力面:项目指令、文件和 Shell 工具、权限控制、持久化会话、子 Agent、后台任务、Skills、插件、MCP、Hooks。这些不是这次新发明的,但被打包进同一个开源内核,意义不一样了。
分发方式变了:8 个原生包
这次 release 挂了 8 个安装包,覆盖的架构比很多同类工具都全:
- macOS:
arm64(57.2 MB)、x64(61.6 MB) - Linux:
x64(68.2 MB)、x64-musl(65.7 MB)、arm64(67.9 MB)、arm64-musl(65.4 MB) - Windows:
x64(74.3 MB)、arm64(69.6 MB)
两个点值得说:
一是 musl 包。这是给 Alpine 这类精简镜像用的。如果你要在 CI 容器里跑编码 Agent,以前经常卡在 glibc 依赖上,现在有现成的 musl 版本。
二是 Windows arm64。这个组合在编码工具里一直是被忽略的角落,这次补上了。
安装姿势有三条,官方给的:
- Linux / macOS:
curl -fsSL https://qwen-code.oss-accelerate.aliyuncs.com/install.sh | bash - Windows PowerShell:
irm https://qwen-code.oss-accelerate.aliyuncs.com/install.ps1 | iex - 或者直接从 GitHub Release 页面下载对应压缩包解压
装完开个新终端(要让环境变量生效),进项目目录敲 qwen 就进去了。
怎么用
第一步,接模型。 首次启动会弹连接对话框,中途也可以随时敲 /auth 重新配。四种选法:
- 有 Qwen 账号或 Qoder 账号 → 直接选对应登录入口;
- 用 QwenCloud 或阿里云百炼 → 选套餐或填 API key;
- 用别家模型(OpenAI / Anthropic / Gemini 兼容口径)→ 选预设或自己配 endpoint;
- 本地模型(Ollama / vLLM)→ 走「自定义兼容接口」那条。
配完用 /model 选具体模型。注意模型额度和费用是跟着你选的账号/服务商走的,不是 Qwen Code 自己收钱。
第二步,先让它读,再让它改。 官方 README 建议的第一个任务是理解项目,而不是直接改代码:
Explain how this project starts and where its tests are defined.
Read the relevant files and include their paths in your explanation.第二个任务才是带约束的小改动:
Add validation for an empty project name. Follow the existing validation
patterns and run the tests that cover this change.这个顺序不是客套。编码 Agent 最常见的翻车方式是「没读上下文就动手」,先让它把项目结构说出来,你能立刻判断它是不是真读懂了。
第三步,四个命令记住就够用:
qwen—— 进交互式会话;qwen --continue—— 接着上一次的会话继续(同一个项目上下文);qwen --resume—— 从历史会话列表里挑一个恢复;qwen -p "说明这个仓库是干什么的,不要改文件"—— 单次非交互执行,适合塞进脚本和 CI。
会话里还有三个常用斜杠命令:/diff 看它到底改了什么,/help 看当前可用命令,/auth 换账号或换 key。官方特别提了一句:批准工具动作前先看权限提示,改完先 /diff 再决定要不要接受。
适用场景
- 要自建编码 Agent 产品的团队:这是这次更新最直接受益的一群。以前你要么自己从零写 harness(文件读写、shell 执行、权限、会话、子 Agent、MCP 全得自己搭),要么绑死在某家闭源 SDK 上。现在有一个 Apache-2.0 的、在商业产品里跑过的执行层可以直接改、直接嵌。
- 想换掉闭源 CLI 但被模型绑死劝退的开发者:Qwen Code 不绑模型,Claude、GPT、Gemini 口径的兼容接口都能接,本地 Ollama 也行。对「工具想开源、模型想自选」的人是刚需。
- 内网 / 离线 / 合规敏感环境:原生二进制 + 可指向内部 endpoint,整套跑在内网是可行的。这一点在商业 SaaS 版编码工具上基本无解。
- CI 里要跑非交互 Agent 的场景:
qwen -p加会话续接,是做自动化流水线的基本件。 - Alpine 容器 / Windows arm64 机器上的开发者:以前这类环境经常装不上,现在有对应包。
不适用场景
- 只想要「装完就能写代码」的普通用户:这是 Preview,接口和配置会变,官方自己写明「部分接口、配置项和行为在稳定版前可能调整」。想省心的,继续用 0.27.x 稳定版,或者等稳定 1.0。
- 要拿去改源码、提 PR 的贡献者:预览期暂停接受社区 PR,官方说预计 2026 年 12 月之后开放,期间只收 issue 和建议。现在 fork 改完提不上去,别白干。
- 需要跑分做选型决策的人:官方这次没有公布 SWE-bench、Terminal-Bench 之类的成绩,也没有和 Claude Code、Codex CLI 的直接对比。想靠数字选型的,这轮拿不到证据。
- 要立刻上生产的关键仓库:Preview 阶段的行为变更风险是实打实的,别拿主仓当试验田。
- 期待「开源版 = Qoder 完整能力」的人:官方没说开源内核和 Qoder 商业产品里跑的那套有多接近。这个词的模糊地带要自己留个心。
避坑
- 别把 Preview 当正式版升:现在的稳定线是 0.27.x(
v0.27.2在 11 月 10 日还在更新)。1.0 走的是独立分支,不是覆盖升级。两套可以并存,但配置文件不一定通用,先看清楚 release notes 再动。 - 团队里要锁版本:原生包不像 npm 那样有锁文件兜底。CI 里请把安装包版本钉死(下载具体 tag 的压缩包,别用 install.sh 拉最新),否则某天流水线会莫名其妙换行为。
- 权限提示不要一路回车:它默认会为每个工具动作征求同意,这不是烦人设计,是最后一道闸。特别是让它跑 shell 的时候。
- 账号和计费分开算:用 Qoder 账号登录、用百炼 key 调用,额度是各走各的。团队要提前说清谁用哪个账号,不然月底对不上账。
--continue有上下文边界:续接的是「同一个项目上下文」的最近会话。换目录、换仓库时别指望它记得上一个项目的事。- 预览期文档可能落后于代码:1.x 文档站是新的,遇到对不上的地方,以仓库里的 release notes 和 README 为准。
成本/时间
- 软件本身免费:Apache-2.0,商用可以,改也可以(但预览期别急着提 PR)。
- 花钱的是模型:三条路径里,Qwen 账号/Qoder 账号按各自套餐算,QwenCloud/百炼按 token 或套餐算,自定义 endpoint 按你接的那家算。开源项目本身没有定价。
- 上手时间:下载解压 + 接模型,10 分钟内能跑通第一个任务;真正花时间的是权限策略和项目指令的调校,这部分和团队规范有关,一次配好长期受益。
- 省下来的成本在哪:官方口径里,沙箱资源复用和 MCP 集中治理是为了减少重复初始化和空闲占用。这类优化在长任务、多会话场景下才明显,跑一两次问答感觉不出来。
- 迁移成本:如果你现在用 0.27.x,1.0 是并存而非替换,迁移不急;如果要从别家 CLI 迁,主要工作量在重写项目指令和权限配置,不在安装。
行动建议
- 今天就能做:在非关键仓库里装一个 Preview 版,跑
qwen -p "解释这个仓库的启动流程和测试在哪"。先只看它读得准不准,不让它改文件。这一步最容易判断它对你的代码库是否「真懂」。 - 这周可以做的:把
qwen -p接进一条只读的 CI 任务(比如生成变更摘要、检查测试覆盖),跑一周看稳定性。非交互模式是这次明确增强的方向,也是风险最低的用法。 - 要评估自建产品的:去读 preview 分支的 README 和 1.x 文档,重点看三件事——权限模型能不能满足你的合规要求、MCP 和插件的扩展点够不够、子 Agent 和后台任务的调度语义是不是你要的。这三条决定它能不能当底座,比跑分重要。
- 别现在做的:不要把它设成全团队默认工具,也不要基于 Preview 的接口写内部平台。等 12 月之后社区 PR 开放、稳定版路线清楚,再决定要不要压上去。
参考来源
- GitHub Release《Qwen Code 1.0 Preview》(v1.0.0-preview,2026-11-11T03:55:44Z):https://github.com/QwenLM/qwen-code/releases/tag/v1.0.0-preview
- Qwen Code 1.0 Preview 分支 README(安装、模型接入、Preview 期不收社区 PR):https://github.com/QwenLM/qwen-code/tree/v1.0.0-preview
- Qwen Code 1.x 文档:https://qwenlm.github.io/qwen-code-docs/1.x/
- IT之家《阿里 Qwen Code 1.0 发布:Qoder 与 Qwen Code Harness 融合开源》(2026-11-11):https://www.ithome.com/0/893/393.htm
- TPS Report《Qwen Code 1.0 Preview Open-Sources Qoder Agent Harness》(2026-11-11):https://tpsreport.news/news/qwen-code-1-0-preview-qoder-harness-open-source
本文的版本号、发布时间、安装包清单、安装与模型接入路径,均取自 GitHub Release 与 preview 分支 README;架构描述(事件总线、分层、「手脑分离」、沙箱复用、MCP 集中治理)与产品线背景,基于多家媒体转述整理(IT之家、TPS Report、TokenPost、PANews、AICoder),各家表述一致但均转述阿里官方口径。官方未公布基准测试成绩。