Оптимизация Qwen Code: настройка контекста, субагентов и песочницы

Habr AI · оригинал

Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Статья рассматривает методы настройки Qwen Code для снижения расхода токенов и повышения безопасности работы с кодом. Разбираются инструменты управления контекстом, такие как QWEN.md и правила, а также механизмы изоляции через MCP, субагентов и песочницу.

Эффективная конфигурация ИИ-ассистентов критически важна для снижения операционных расходов на API и предотвращения нежелательных действий агентов в корпоративных репозиториях.

По умолчанию Qwen Code при каждом запуске анализирует структуру репозитория, что приводит к избыточному расходу токенов и повторению одних и тех же вопросов. Для решения этой проблемы разработчики предлагают настроить постоянные инструкции через файл QWEN.md, который загружается в контекст каждой сессии. Документация рекомендует держать этот файл кратким и конкретным, так как каждая лишняя строка увеличивает стоимость запросов. Команда /init позволяет автоматически сгенерировать черновик файла на основе анализа кода, включая команды сборки и принятые в команде договоренности. Важно избегать общих фраз вроде «пиши код аккуратно», заменяя их на точные технические требования, например, использование отступов в два пробела.

Для более гибкого управления контекстом используются правила, хранящиеся в директории .qwen/rules/. В отличие от QWEN.md, правила могут содержать поле paths, которое определяет, когда именно инструкция должна подгружаться. Например, рекомендации по написанию React-компонентов будут активны только при работе с файлами .tsx или .jsx. Это позволяет экономить контекст, не загружая нерелевантные инструкции при работе с другими частями кода. Также существует механизм автопамяти, который сохраняет предпочтения пользователя в локальных заметках, управляемых командами /remember и /forget.

Безопасность работы агента обеспечивается через режимы подтверждений и точечные разрешения. В свежих версиях по умолчанию включен режим Auto, где отдельная модель-классификатор оценивает каждую команду перед выполнением. Это удобно, но требует дополнительных запросов к API. Для экономии рекомендуется задавать быструю и дешевую модель для этих проверок через /model --fast. Альтернативой является режим Auto-Edit, где файлы правятся автоматически, а опасные команды требуют подтверждения. В settings.json можно явно указать списки разрешенных (allow), требующих подтверждения (ask) и запрещенных (deny) команд, например, запретив чтение файла .env.

Подключение внешних инструментов осуществляется через MCP (Model Context Protocol). Серверы могут быть удаленными (HTTP) или локальными (stdio). Документация советует подключать только те серверы, которые реально используются, и ограничивать набор доступных инструментов через includeTools. Описания инструментов занимают место в контексте, поэтому подключение пяти серверов «на всякий случай» приводит к постоянной оплате токенов за их наличие.

Субагенты позволяют делегировать узкие задачи отдельным ИИ-помощникам со своими инструкциями и ограниченным набором прав. Например, субагент-ревьюер может иметь доступ только на чтение файлов и использование git diff, что физически исключает возможность случайного изменения кода. Субагенты могут работать на более дешевых моделях, сохраняя основную сессию на мощной модели. Это также помогает изолировать контекст: основной агент получает только итоговый результат работы субагента, а не все прочитанные им файлы.

Для дополнительной изоляции действий агента предусмотрена песочница. На Linux команды могут выполняться в изолированной среде через bwrap, ограничивая запись только папкой проекта и блокируя сетевой доступ. На macOS используется встроенный механизм Seatbelt, а на любой ОС — запуск Qwen Code в Docker-контейнере. Песочница не заменяет разрешения, но служит барьером для случайных или вредоносных действий, особенно если агент работает в автономном режиме. Важно отметить, что настройки песочницы нельзя ослабить из файлов проекта, что предотвращает возможность их отключения через чужой репозиторий.

Источники: web:Habr AI — https://habr.com/ru/articles/1109386/