首页 >发现

阿里Qoder CLI发布，AI编程正在从“辅助编写”走向“全程接管”

适合经常使用多种IDE的开发者，Qoder CLI可以作为轻量级CLI交互和重量级IDE使用的桥梁，深度集成切换自然。

作者: 张梦飞i
分类:产品趋势
29 次阅读

image.png前几天，Qoder官方官宣：阿里全新AI编程工具 Qoder CLI（命令行界面）正式上线。

这是一款专为命令行环境打造的AI Coding Agent。在评论区看到有很多小伙伴好奇他和Qoder有什么区别、Qoder CLI下载之后要怎么用、CodeReview效果到底如何等一系列问题。

我们团队当天就下载并在业务Case中使用了Qoder CLI，我们执行的三个业务场景刚好可以解答以上问题，帮助大家更好的了解Qoder CLI，从而能选择最适合自己的Coding工具。

我们先说结论，Qoder CLI：

1、安装和交互体验相对Claude Code都更加简单，零配置启动，门槛更低，CLI新手友好。

2、适合经常使用多种IDE的开发者，Qoder CLI可以作为轻量级CLI交互和重量级IDE使用的桥梁，深度集成切换自然。

3、适合经常需要在远程服务器/云资源环境中工作的工程师，利用CLI可以无缝接入用上Qoder Agent的强大功能。

「 一、下载与安装 」

1、安装基础软件node.js

如果你是windows电脑或，需要安装一个基础软件：node.js。（Mac无需安装），为了对新手更加友好，这个安装用的是windows系统。

下载链接：https://nodejs.org/zh-cn/download

image.png

image.png

1.1、下载之后，一路点击“Next”，直到安装完成即可。

1.2、安装完成后，右键点击电脑的左下角的【开始】菜单，点击【终端管理员】，打开windows终端。

image.png

1.3、输入【node -v】，回车，确认是否安装成功。如下显示出V开头的版本号，表示安装成功。

image.png

2、安装Qoder CLI

2.1、Windows/Ubuntu安装命令：

•npm install -g @qoder-ai/qodercli

2.2、mac安装命令：

•brew install qoderai/qoder/qodercli --cask

2.3、执行完成后，可以输入如下命令查看版本号：

qodercli --version

image.png

返回版本号即为成功。你看，Qoder CLI的安装非常简单。

「 二、启动与使用 」

在终端输入启动命令：

qodercli

启动后，我们会看到【welcome to Qoder CLI】,但是这时候我们还没有登录，先进行登录。

在交互对话框，输入【/login】,然后回车进行登录

image.png

输入后会自动弹出网页进行登录：

image.png

在网页登录成功后终端会自动登录，看终端左下角，不再是橙色的Not logged提示，就代表登录成功了。

image.png

有一说一，Qoder从安装到使用的流程，确实要比Cladue Code 简单太多了，阿里在把产品做的更普适方面真的有一套。

安装完成后，我们输入任意文本，就可以开启对话和使用了。

我们可以在对话框输入【@+命令行】。来执行shell命令，是这类CLI Coding的一大优势，因为本身就在终端里，它就可以直接执行命令行，来达到目的，比如直接查阅文件夹目录、直接进行脚本启动测试等。只要你授权，你能做的，它几乎都能做。

还可以通过【/+命令】来使用内置的一些命令，比如：

• /review，来对本地代码改动进行评审。

• /compact，来总结当前会话的历史上下文。

• /memory，来编辑 AGENTS.md记忆文件

其中，在使用时你会发现有一个AGENTS.md，这是Qoder CLI 的记忆文件，会作为 CLI 的上下文内容来指导开发过程。包括但不限于开发规范与说明、整体系统架构等。可以通过输入#进入记忆模式。在对话模式下输入【 # 】可将内容追加到 AGENTS.md记忆文件

也可以通过添加工具的 MCP 服务，实现Qoder CLI 与标准 MCP 工具的集成和使用。

使用方式、玩法和命令很多，不一一列举，感兴趣的建议去官网查看使用说明。

「 三、 实测体验 」

我们一共跑了3个Case，这3个Case都是我们日常业务中，经常会用到的CLI能力。

Case1：API调用体验

CLI 编程的一大优势就在于：能直接执行命令。所以第一个Case，就先让它按照一个接口文档，写了一个API的调用并自己测试跑通：

了解这个接口文档https://XXXXXXXXXXX，我的项目需要在用户提交表单时，调用这个接口，帮我写好个项目，需要哪些参数请你告诉我，我给你提供。项目完成后你先自己进行确认接口能正常调用和返回数据。

image.png

我回答了Qoder的问题，提供了对应的密钥及偏好。

image.png

然后，我看着Qoder执行了代码编写、配置API key值、接口调用测试、安装项目依赖、启动项目。全部一次性自动完成。

最后输出结果，告诉了我应该如何使用。不过告诉我也无用，因为有了CLI Agent之后，这些简单的执行，我根本不会去自己操作。

我只需要直接访问链接【http://localhost:3000/】，就直接可以进行使用了。

image.png

如果在IDE里进行AI编程，需要在完成代码编写后，我们自己手动修改key值、启动终端、安装项目依赖、启动项目、测试接口能否正常调用，有时候接口还是调不通的，还得告诉编辑器发生了什么错误、为什么调用不了，让它再进行修改，有时候还可能会因为描述的不清楚导致需要反复进行修改。

但是用Qoder就不一样了，它在终端就可以直接进行接口调用的测试，如果此时有什么报错，它就可以直接进行修改，确保接口能正常调用后，给你进行输出。再也不用反复鞭策AI来进行调整了。

对于零开发基础的小白来说，看起来有门槛，其实是更加友好了，因为本需要你手动操作的安装依赖、改环境变量、启动项目这些，统统不需要再管了，只需要给出要求就可以。CLI Agent能力不局限于IDE或插件形态，迭代和更新速度更快，CLI Agent可以自己执行，其实花30分钟学习一下CLI，以后用它来写一些日常要用到的小工具，会变得更加方便。

Case2：2万行数据自动清洗

今天在做一个项目的时候，刚好有一个需求是：约两万条的json数据库，有一个字段的Value值要通过调用外部接口修改。修改逻辑比较复杂：首先要在对应位置，调用接口获取对应Value值，再按原本的数据结构，修改值。

这两万行数据，如果挨个调用接口，还只修改json中的某一个字段，且保证原本数据结构不被破坏，如果是手动进行修改，那可得要了老命了。

我们拿这个需求，让Qoder CLI写一个自动化程序来实现数据的获取、修改和结构清洗。告诉Qoder CLI我的诉求：
了解下C:\Users\admin\city-data.js这个文件，给我写一个python程序，用于替换所有数据中的apiValue的值。这个值的来源是，用每个json中的test的值，调用https://XXXXXXXXXX这个接口，获取它的timezone的值，我的APIkey是XXXXXXXXXX。你来自动执行写好的python程序，最终告诉我修改完成后的文件是哪个。

image.png

整个过程的代码编写、测试接口调用情况、自动化程序的依赖安装、启动、选择数据文件、数据分段处理、取值、调用接口、替换数据、多线程处理、数据合并、处理事务报告、失败日志、项目使用说明、处理过程中的hook反馈（让我知道事务还在进行中），全都是它自己进行完成的。

image.png

由于数据比较多，所以这个过程等了大概二十分钟。但是从我告诉他任务，直到输出结果，完全不需要我做任何事情，全部由Qoder自动化进行处理，每个过程的进度反馈也给的很到位，我能实时查看程序的处理进度。它还主动输出了一份“处理日志”，告诉我哪些没有在API中找到：

image.png

我等待了大约半小时，Qoder CLI输出了最终的文档，我合并到项目中测试了下，能够直接投入到项目中使用了。

image.png

要不是线上业务要求严谨，我甚至想直接告诉Qoder CLI，让他直接帮我上传到目标服务器，然后帮我停止和重启项目，省去运维的环节。

Case3：视频剪辑GPU加速

前段时间，我们处理一个关于视频剪辑的项目，背景是：服务器的GPU配置高，但是在处理视频时，用不了GPU算力，一直在用CPU来处理视频，导致视频的处理很慢。

关键难点是，在本地进行测试时，一直都是正常的，能正确使用本地GPU做视频处理。但是一旦迁移到云端，就是调用不起来，后来经过多个技术大拿判断，定位了问题，但是几乎要重构项目，修改成本很高，当时都计划放弃了，后续我们确实也硬着头皮解决了。

但是，为了测试一下Qoder CLI 的Agent能力，我直接使用这个原项目进行了测试：

先整体了解一下video-cut这个项目，我现在的诉求是，现在处理视频时，用的是CPU进行处理的，但是我期望是用GPU来处理，并且现在有时候CPU使用率会超过95%，就会导致项目卡死，现在诉求是把CPU的使用给降下来，用GPU进行视频处理，确保项目能正常进行，并且期望能使用多线程进行处理。

然后Qoder就开始进行了解这个项目以及进行修改代码和做执行测试

image.png

在Qoder处理之前，GPU和CPU的使用如图：GPU只有1%，一直不会变化。而CPU时高时低，大概会平均在70%，并且输出视频需要大概半个小时，并且不稳定。

image.png

然后Qoder CLI 重新安装了服务器的GPU驱动、 导入了新的GPU的配置、优化 FFmpeg GPU 编码参数、实现智能多线程任务调度、增加了配置异步处理避免卡死、测试优化效果和性能验证。

在它的一通操作之下，自动执行了十几分钟。

最后，我做了一次视频输出验证，这次效果明显好了很多很多。CPU的使用已经降低到40%了，GPU的使用也能够跑到70%了。输出所需要的时间，也从30分钟降低到了稳定的七分钟输出。

我大概看了看修改的内容，明显的提升，一是因为它优化了多线程，二是正确的把使用CPU修改为了使用GPU加速。

image.png

在这个处理过程中，它还发现了原始项目上的一些问题，是因为对视频字幕的处理的方式不正确，导致对CPU的使用依赖较高，因此在处理字幕时就容易因使用率过高而导致项目崩溃，于是它自动处理了视频字幕的生成方式。

这个项目是我们已经完成的项目，但是之前的处理方式是在本地IDE里以人工+AI的方式处理的，因为环境不一样，配置不一样的问题，导致在本地修改了很久都没有修改成功。这次试用Qoder CLI能一次性完成，其实是出乎意料的。这个过程要读取服务器配置，根据实际环境，重新梳理代码，才能完成，Qoder CLI确实做到了。

根据官方文档，Qoder CLI会针对不同场景使用最适合的SOTA模型，并且内置了Qoder IDE中备受好评的CodeReview功能，使得整个的终端开发体验更加的丝滑和流畅。以上能力更进一步，Qoder CLI完全可以与企业流程的自动化结合， 如CI/CD 、日志监控等，覆盖运维任务。

「 四、 最后 」

在日常生活中，看到黑乎乎的命令行窗口和密密麻麻的代码，总给人一种望而生畏的感觉。

全程使用下来，我们能够明显感受到Qoder CLI 是在试图打破用户对命令行的“惯性认知”。

它零配置启动：安装即用，无需复杂初始化，为终端设计的交互十分简介，内置 Quest 与 CodeReview 能力自动审查和扫描关键改动点。这些特性让 CLI 不再是冷冰冰的命令窗口，而是一个随时可以沟通的智能助手。

这甚至比用IDE还可以更加的省心，无需关注文件，直接关注结果即可。

当多数工具还在优化 “写代码” 效率时，Qoder CLI 已在解决 “代码怎么用、怎么跑” 的实际问题。想摆脱重复操作，或缺少趁手的 AI 工具，不妨试试它。

毕竟能让你只关注 “要做什么” 的工具，才是真提效。


本文由公众号“张梦飞i”授权AI产品之家转载，原文连接： https://mp.weixin.qq.com/s/z7Yu7qX1wjydcBieH9zecw