Qwen Coding Engine

拉赫曼协议：Qwen工程引擎

](https://github.com/)    

停止通过试错法构建应用程序。开始按设计发货。

通过将繁重的架构规划和原始编码卸载到专门的Qwen模型中，您可以停止“前进两步，后退一步”的舞蹈，开始交付完成的应用程序。

版本： 1.2.0 | 许可证： 麻省理工学院| python 3.10+

观看Lachman协议故事板的实际操作！

这不适合你，如果：

• 你只是想让人工智能与你聊天或写电子邮件。
• 你喜欢手动复制粘贴代码，因为你不信任代理。
• 你有无限的预算在“懒惰”的模型上每天花费50美元，这些模型会截断你的代码 // ... implementation here.

这是给你的，如果：

• 你是 “Vibecoder” （主要通过人工智能聊天构建复杂的应用程序），你厌倦了“修复一个功能，打破另外两个”的循环。
• 你是 高级开发人员 谁想把“脏活累活”——审计日志、编写样板和复杂的重构——委托给一个不会感到疲倦或不耐烦的代理。
• 你想要的力量 Qwen 3.5更多 （战略家）和 Qwen 3编码器升级版 （编码）在a 成本的一部分 GPT-4o或克劳德3.5 Opus。

______________________________________________________________________

为什么是Qwen，而不是Sonnet或Gemini？

简单地说：定制的Qwen型号（如Qwen 3.5 Plus和Qwen 2.5 Coder 32B）的SRE/编码功能与阿里巴巴DashScope定价相结合，为您带来无与伦比的投资回报率。你正在以很小的成本接近前沿推理。这使得同时运行整个“专家小组”（Lachman协议）来处理你的代码是可行的。不再强调达到使用限制或每天花费50美元。

______________________________________________________________________

问题：“懒惰的人工智能”天花板

目前的旗舰助手很棒，但在构建真正的软件时存在重大缺陷：

1. 背景失忆： 他们在调试会话中忘记了您的核心需求10条消息。
2. 占位符陷阱： 他们变得懒惰，给你片段而不是功能文件。
3. 幻觉瀑布： 一个小错误会导致一系列补丁，最终破坏整个架构。

Lachman协议通过聘请Qwen作为您的“项目架构师和高级SRE”来解决这个问题。

______________________________________________________________________

核心：拉赫曼协议（LP）

当你启动一个项目时，引擎不仅仅是“猜测”。它进入了一个多阶段 自我修复循环:

1. 发现： Qwen根据您的特定目标（如安全审计员、后端工程师、用户体验策略师）雇佣了一个虚拟的“专家小组”。
2. 架构设计： 这些角色辩论并产生 详细项目蓝图.
3. 自我验证： 一个单独的“验证器”模型审核蓝图。如果发现缺陷，引擎会触发一个自校正循环（最多3次）来修复设计 *之前* 编写任何代码。

结果如何？

你会得到一份手术技术路线图。你的主要助手（克劳德/反重力）扮演 指挥官，而Qwen引擎处理 重型物流.

The Shackle：TDD优先实现

蓝图的好坏取决于它的验证。《拉赫曼议定书》与 TDD第一工作流程:

• 红色阶段：在调用Coder之前，为新功能编写一个失败测试。
• 法扎·格林：使用 qwen_coder 以满足失败的测试。
• Faza反射器：使用 qwen_audit 清理代码。

如果没有失败的测试，建筑师的计划仍然是一个理论。有了TDD，这成为了不可避免的现实。

______________________________________________________________________

场景：从想法到现实

第一阶段：无幻觉的规划

而不是说： *“为我建立一个CRM”*你告诉你的助手：

“使用FastAPI和Postgres规划CRM。 呼叫 qwen_architect 生成蓝图”

结果： 您将获得结构化的路线图+安全审计+风险评估。

第2阶段：全面实施/重构

不要让你的主要助手猜测语法或“幻觉”逻辑。

“采取蓝图的第一步 呼叫 qwen_coder 实现模型和数据库连接。确保逻辑完整。"

您还可以将其用于精确的原子任务：

“在文件中 auth.py, 呼叫 qwen_coder 重构登录函数以使用JWT而不是会话。不要使用占位符。"

结果： 您将获得100%完整、可运行的Python代码。没有截断的文件，没有“在这里实现”的注释。

“这是我的日志和当前文件。 呼叫 qwen_audit 找出根本原因并加以解决。”

结果： 高级SRE分析，在几秒钟内发现内存泄漏或空指针。

______________________________________________________________________

绩效与战略

我们不需要拉尔夫

有一种流行的方法叫做 拉尔夫循环 （每次迭代都有新的上下文）。虽然对新手来说很有趣，但Qwen工程引擎的设计不同。

因为我们使用 《拉赫曼议定书》 （规范->规范->审计），我们依靠 状态和蓝图持久性 而不是一个新的开始。我们可以告诉拉尔夫留在斯普林菲尔德——我们地下室有个建筑师。

______________________________________________________________________

阿森纳（动态6角色注册表）

引擎通过以下方式自动为每个任务选择最佳模型 Qwen Turbo Meta分析 以确保最大的投资回报率和能力。型号选择是 严格遵守您的计费模式:

核心角色： strategist, coder, coder_pro, specialist, analyst, scout

计费模式行为

______________________________________________________________________

现收现付模式（默认）

______________________________________________________________________

编码计划模式（严格隔离）

当 billing_mode="coding_plan"，发动机使用 仅 这些模型：

重要：In coding_plan 模式，陪练工具使用 glm-5 用于审计任务，以及 kimi-k2.5 用于侦察。

______________________________________________________________________

上下文工具：项目文档自动化

这 上下文工具 自动化项目文档的创建和维护：

何时使用：

• 新项目启动：运行 qwen_init_context_tool() 生成技术栈、结构和约定文档
• 每节课结束：运行 qwen_update_session_context_tool(session_summary="...") 获取决策和建议

童子军整合： 对大型项目使用Swarm并行分析，对小型代码库使用单个LLM调用。

______________________________________________________________________

稀疏引擎v2：模块化多代理架构

Sparring Engine v2采用模块化架构，配备专门的单元执行器，用于对抗性审计和综合。

v2中的新功能：

• 具有每一步令牌限制的预算管理
• 断路器对失控会话的保护
• 决策日志与拼花地板后端集成
• 使用复制粘贴就绪的下一步命令引导用户体验

______________________________________________________________________

稀疏发动机中的模型旋转

Sparring Engine v2使用 特定于委托模式的执行 在一次工具调用中。使用 mode 用于选择陪练级别的参数：

qwen_sparring(mode="sparring1") -闪光（2转分析）：

qwen_sparring(mode="sparring2") -正常（4步完整会话，默认）：

会话存储： 会话以JSON格式在以下位置进行检查点 %APPDATA%/qwen-mcp/sessions/ （Windows）或 ~/.config/qwen-mcp/sessions/ （Linux/macOS）。

qwen_sparring(mode="sparring3") -专业版（逐步使用检查点）：

这种轮换确保每个阶段在尊重计费模式约束的同时，为其特定的认知任务使用最具成本效益的模型。

引导用户体验： 每一步返回一个 next_step 使用复制粘贴就绪命令提示下一个模式。

侦察机驱动的上下文发现

这 侦察兵 角色（由 化学-K2.5)是所有上下文感知操作的基础：

为什么选择kimi-k2.5用于Scout？

• 快速生成令牌（对文件扫描至关重要）
• 强大的代码理解能力（理解导入、类、函数）
• 高容量读取操作的成本效益
• 两者都有 coding_plan 和 payg 计费方式

______________________________________________________________________

🧠 工程小队：幕后

Qwen工程引擎之所以有效，是因为它不将编码视为“文本完成”任务。它将其视为 精心策划的工程过程 在那里，专门的角色相互制约。

graph TD
  A[User Goal / Task] --> B{Lachman Protocol}
  
  subgraph "Phase 1: Architecting (Strategist)"
  B --> C[1. Discovery: Hire Specialist Squad]
  C --> D[2. Expert Debate & Drafting Blueprint]
  D --> E[3. Self-Verification Loop]
  E -- "Degeneration Detected" --> D
  E -- "Validated" --> F[Final Technical Blueprint]
  end

  subgraph "Phase 2: Execution (Coder)"
  F --> G[Step-by-Step Implementation]
  G --> H{Complexity Check}
  H -- "Standard" --> I[qwen3-coder-plus]
  H -- "High Logic / Specialist" --> J[qwen2.5-72b-instruct]
  I --> K[Complete, No-Placeholder Code]
  J --> K
  end

  subgraph "Phase 3: Quality Control (Auditor)"
  K --> L[generate_audit / QwQ Reasoning]
  L --> M[RCA & Security Audit]
  M -- "Failure Found" --> G
  M -- "Success" --> N[Production Ready Asset]
  end

  subgraph "Phase 4: Strategic Debate (Sparring)"
  N --> O{Strategic Decision Needed?}
  O -- "Quick Analysis" --> P[qwen_sparring_flash]
  O -- "Deep Debate" --> Q[qwen_sparring_pro]
  P --> R[Strategic Recommendation]
  Q --> R
  R --> A
  end

  subgraph "Phase 5: Parallel Execution"
  G --> S{Parallelizable Task?}
  S -- "Yes" --> T[SwarmOrchestrator]
  T --> U[Decompose into SubTasks]
  U --> V["Execute in Parallel (max 5)"]
  V --> W[Synthesize Results]
  W --> K
  end

  style B fill:#f96,stroke:#333,stroke-width:2px
  style F fill:#00d2ff,stroke:#333,stroke-width:2px
  style N fill:#00c853,stroke:#333,stroke-width:2px
  style R fill:#9c27b0,stroke:#333,stroke-width:2px
  style W fill:#ff9800,stroke:#333,stroke-width:2px

建筑师（战略家）

逻辑： qwen_architect / 型号： qwen3.5-plus 建筑师不只是写一个步骤列表。它启动了 拉赫曼协议v2.5:

1. 发现阶段： Qwen分析你的目标并“雇佣”1-3名虚拟专家（例如。， *高级安全主管*, *可扩展性架构师*).
2. 专家群： 这些专家使用 80/20帕累托原则--设计 核心80%（功能完整性） 同时明确拒绝“镀金”（过度工程化）。
3. 自愈电路： 在你看到结果之前，一个单独的 验证器 模型审核蓝图的“退化”（占位符、逻辑间隙）。如果失败，发动机会自动重试以修复设计。

• 输出： 一个高精度的JSON蓝图，带有TDD优先的路线图和“Clean Slate”指令（删除什么）。

童子军整合： 在架构之前，引擎使用 qwen_read_file 和 qwen_list_files （由 化学-K2.5)发现项目结构、现有模式和依赖关系。这确保了蓝图基于您的实际代码库，而不是假设。

程序员（实现）

逻辑： qwen_coder / qwen_coder_pro / 型号： qwen3-coder-next 或 qwen3-coder-plus 编码者受到严格的约束 手术精度规则:

• 无占位符： 绝对禁止 // ... rest of code每个文件都是完整生成的，或者作为一个干净的可积块生成的。
• 情境感知： 它消耗了建筑师的蓝图来与大局保持一致。
• 型号切换： 对于简单的样板，它使用 qwen3-coder-next （快速、内联）。对于复杂的算法或繁重的重构，它会升级为 qwen3-coder-plus （巨大的上下文，最大的逻辑密度）。

童子军整合： 对于大型重构，Coder使用 qwen_read_file （kimi-k2.5）扫描现有实现，理解模式，并确保新代码与遗留模块无缝集成。

审计师（分析师）

逻辑： qwen_audit / 型号： glm-5 审计师使用 沉重的推理 担任高级SRE（现场可靠性工程师）：

• 根本原因分析（RCA）： 向它提供终端日志，它将找到导致内存泄漏或依赖性冲突的确切行。
• 简洁性和投资回报率： 它不会挑剔代码风格。它侧重于高影响修复、安全漏洞和简单模型遗漏的边缘情况。
• 零绒毛： 你会得到可操作的反馈和要修复的特定代码块，仅此而已。
• 自动待办列表集成： 当 qwen_audit 如果发现会话范围之外的问题，它会自动触发 qwen_add_task 在BACKLOG.md中注册任务。

童子军整合： 审计师使用 qwen_read_file （kimi-k2.5）在分析之前收集完整的文件上下文，确保RCA基于完整的代码，而不是截断的片段。

蜂群自动检测： 对于多文件内容， qwen_audit 自动使用并行分析进行更快、更全面的审计。

______________________________________________________________________

🛡️ 防退化系统：回归保护

自动代码质量保护系统，通过基于快照的差异审计防止回归。实施具有阴影和生产阻塞模式的7级管道（T1-T7）。

系统概述

防降级系统通过以下方式监控代码更改：

• 快照生成：基于ContentHash的文件状态跟踪(src/graph/snapshot.py)
• Diff解析：具有语义理解的Git差异分析(src/utils/git_diff_parser.py)
• 审计管道：通过MCP工具实现7级质量门(src/qwen_mcp/diff_audit.py)
• CI集成：用于自动执行的GitHub Actions工作流

架构流程：

Commit → Pre-commit Hook → Snapshot → Diff Audit → MCP Tools → CI Gate → Merge/Block

MCP工具

快照命名约定（v1.2.0）：

• 快照已命名 baseline-YYYYMMDD_HHMMSS.json （UTC时间戳）
• qwen_create_baseline_tool() 在以下情况下自动生成带时间戳的名称 name="auto"
• qwen_compare_snapshots_tool() 当名称为时，自动选择两个最新快照 "auto"
• 仍支持显式名称以实现向后兼容性

配置

配置文件： .anti_degradation/config.yaml

shadow_mode:
  enabled: true          # Warnings only, no blocking
  log_level: "warning"

production_mode:
  enabled: false         # Blocking mode (activate after validation)
  block_threshold: 0.7   # Risk score threshold

thresholds:
  max_latency_seconds: 3.0
  regression_risk_threshold: 0.7

file_patterns:
  include: ["**/*.py"]
  exclude: ["**/test_*.py", "**/__pycache__/**"]

CI工作流

激活步骤

1. 阴影模式验证 （建议2周以上）

   # Verify shadow mode is active
   grep "enabled: true" .anti_degradation/config.yaml

1. 审查审计历史记录

   python scripts/pre_commit_hook.py
   # Check .anti_degradation/audit_history.jsonl

1. 启用生产阻止

   python scripts/activate_production_blocking.py

1. 更新分支保护规则

- 添加状态检查： anti-degradation-production - 合并前需要通过状态检查

文件结构

project-root/
├── .anti_degradation/
│   ├── config.yaml              # System configuration
│   ├── audit_history.jsonl      # Audit log
│   └── snapshots/               # Baseline snapshots
├── .github/workflows/
│   ├── anti_degradation.yml     # Shadow mode CI
│   └── anti_degradation_production.yml
├── scripts/
│   ├── pre_commit_hook.py       # Pre-commit integration
│   └── activate_production_blocking.py
└── src/
    ├── graph/snapshot.py        # ContentHash + FunctionalSnapshotGenerator
    ├── utils/git_diff_parser.py # GitDiffParser
    └── qwen_mcp/
        ├── diff_audit.py        # QwenDiffAuditTool
        └── anti_degradation_config.py

______________________________________________________________________

💰 计费方式：财务控制

该引擎支持三种计费模式，可根据您的订阅优化成本：

管理计费模式：

• 检查当前模式: qwen_get_billing_mode()
• 切换模式: qwen_set_billing_mode(mode="coding_plan")

这 金融断路器 自动监控令牌消耗，并在超出预算限制之前终止进程。

智能自动升级路由

发动机包括 智能路由 自动将编码任务升级为 qwen_coder_pro 什么时候：

• 提示大小>15000个令牌 （复杂背景）
• 复杂性提示=“高”或“关键”

这确保了繁重的任务在没有人工干预的情况下获得最强大的模型。升级是 自动抑制 在 payg 遵守计费约束的模式。

______________________________________________________________________

🔬 SPECTER遥测：实时HUD

该引擎包括一个轻量级的遥测侧车，可以将实时令牌使用和计费数据流式传输到您的VSCode HUD。

架构：

• 港口：8878（websocket）
• 协议：JSON遥测事件
• 集成：VSCode扩展（qwen hud ui）

⚠️ 状态：HUD目前正在维修中。MCP服务器在没有UI组件的情况下完全工作。

遥测事件：

• 代币消费（提示/完成）
• 计费模式切换
• 模型路由决策
• 金融断路器触发
• 直播：实时思维缓冲区和内容输出

最近修复（2026-03-20）：

• 编码计划API支持：添加了当API未返回使用数据中间流时的令牌使用回退估计
• 实时模型展示：HUD现在广播 active_model 在每个请求的开头
• 流完成：如果在块期间没有提供令牌，则现在会在流媒体结束时报告令牌使用情况

当您运行时，遥测服务器会自动启动 qwen-coding-local 并且可以通过VSCode扩展进行监控。

______________________________________________________________________

透明的投资回报率和财务盾牌

我们无法猜测这些模型是否有效。我们使用DuckDB在本地跟踪它。如果会话进入幻觉循环 金融断路器 在进程耗尽你的钱包之前终止它。

以下是一个真实的例子，说明整个下午都在精心组织5人小组来重构这个引擎：

*一个完整的SRE团队重写你的代码库的成本是多少？DashScope上只有几分之一。您可以随时通过 qwen_usage_report 工具。*

______________________________________________________________________

关键：AI助手配置

为了充分利用Qwen工程引擎，您 必须 为您的主要助手（Claude/Antigravity/Cursor）提供操作逻辑，并遵循强制性的质量协议。

1. 系统指令：复制以下内容 LP_SYSTEM_PROMPT.md 进入你的 客户指令, .游标，或 项目规则.
2. 质量协议：学习并遵循 TDD卸扣指南.
3. 维修协议：使用 审计三元组 用于调试和修复回归。
4. 工作流：该项目包括专业 操作工作流程 （Slash命令）自动执行常见任务。

______________________________________________________________________

高级操作工作流

适用于支持斜线命令或 .md 工作流，您可以触发这些专门的协议：

每个工作流程都旨在减少代理的“懒惰”，并执行生产级工程标准。

如果没有这些步骤，你的主要助理将不知道如何协调专业的Qwen专家，你有可能陷入“幻觉陷阱”。

SOS同步：待办事项和变更日志自动化

这 SOS同步引擎 通过使BACKLOG.md和CHANGELOG.md与决策日志（Parquet）保持同步来自动化项目文档：

它是如何工作的：

1. 文件→ 镶木地板: qwen_add_task 创建决策记录并将复选框任务添加到BACKLOG.md
2. 镶木地板→ Files: qwen_sync_state 扫描记录 agentic_advice，将任务标记为 [x] 在BACKLOG.md中，并将条目附加到CHANGELOG.md

储存：

• 决策日志: src/decision_log.parquet （使用锁文件进行原子写入）
• 待办事项: PLAN/BACKLOG.md （或自定义路径）
• 更新日志: PLAN/CHANGELOG.md （或自动创建）

这可确保您的项目在当前聊天上下文之外保持“内存”。

______________________________________________________________________

安装和设置

0.所需工具

• 反重力，克劳德桌面，光标，Roo，或任何MCP兼容主机。
• QWEN API键 （通过阿里巴巴DashScope）。
• 紫外线 -Python包管理器（使用 uv add 和 uv pip install).
• 脑 -甚至这个工具也需要PI（蛋白质智能）。它和你与它的互动一样聪明……在输入“为我写一封电子邮件”后，不要指望会有奇迹。

1.项目结构

qwen-coding-local/
├── src/qwen_mcp/          # Core MCP server
│   ├── engines/           # Specialized engines (Coder, Sparring, SOS)
│   ├── specter/           # Telemetry & identity
│   └── prompts/           # System prompts for each role
├── src/decision_log/      # Decision schema & writer
├── src/graph/             # Static analysis & dependency tracking
├── tests/                 # TDD test suite
├── PLAN/                  # Project backlog & changelog (git-ignored)
├── .context/              # Auto-generated project context
└── qwen-hud-ui/           # React/Vite telemetry dashboard

2.获取DashScope API密钥

*什么是DashScope？* 它是阿里云为Qwen模型提供服务的原生平台。通过直接从阿里巴巴拉货，您可以获得绝对最低的价格和最高的利率限制。

1. 在阿里云/DashScope上创建帐户。
2. 领取您的免费等级/试用令牌。
3. 生成您的 DASHSCOPE_API_KEY.

*（或者，您可以使用OpenRouter，但要准备好支付他们的加价费）。*

3.本地开发设置（快速入门）

由于该软件包正在开发中，请以可编辑模式安装：

git clone 
cd qwen-coding-local
uv pip install -e .

4.配置环境

创建一个 .env 文件或设置以下变量：

export DASHSCOPE_API_KEY=your_key_here
# Optional: for local mode
# export OLLAMA_BASE_URL=http://localhost:11434/v1

5.让你的AI来做这项工作（推荐）

不要浪费时间手动编辑配置文件。只需从以下位置复制提示 安装_MCP.md 并将其粘贴到您的AI助手中。它将为您处理注册和路径。

*参考手动配置块：*

{
 "mcpServers": {
  "qwen-coding-local": {
   "command": "uv",
   "args": [
    "--directory",
    "C:\\absolute\\path\\to\\qwen-coding-local",
    "run",
    "qwen-coding-local"
   ],
   "env": {
    "DASHSCOPE_API_KEY": "your_api_key",
    "LP_MAX_RETRIES": "3"
   }
  }
 }
}

______________________________________________________________________

许可证：麻省理工学院 构建应用程序，而不仅仅是对话。

______________________________________________________________________

为什么是“拉赫曼协议”？

你可能会注意到这个名字——是的，这是我的姓氏。

在你认为这是关于一个巨大的自我之前：故事要简单得多。我在凌晨2点就有了核心想法。我需要给文件起一个独特的名字，这样它就不会在数百个其他“temp_logic_v2”文件的海洋中丢失。我的大脑太累了，想不出一个花哨的品牌名称，所以“拉赫曼项目”是我想到的第一件事。

所以它留下来了。我受宠若惊的自尊心向你问好！

______________________________________________________________________

附言

我不会假装这都是手写的。实际上，这个回购最好的部分是 核心80% 在这个阶段，它基本上是使用自己的协议构建自己的。这是发动机实际工作的活生生的证据。 真正的工作不是人工智能花2天时间创建文件。这是几个月的思考、失败和弄清楚如何从一开始就阻止这些模型产生幻觉。 老实说，我手动调整的唯一文件是README和SYSTEM_PROMPT。Qwen引擎+Antigravity编写了其余部分，QwQ对其进行了审核，它完美地开箱即用。 不能要求更好的概念证明tbh。