如果你只拿 AI Coding Tool：
改一个按钮。
写一个 Function。
修一个 Error。
很多任务具其实都已经：
很好用。
真正开始麻烦的是：
项目变长以后。
今天你在：
网站 A
叫 AI 记住：
「Production 绝对不能直接改。」
明天又到：
App B
告诉它：
「这个项目所有 API 都要用另一套规则。」
同时再开：
三个 Agent。
一个修 Bug。
一个跑 Test。
一个 Review Code。
几个小时后真正困难的可能已经不是：
AI 会不会写程序。
而是：
它现在到底记得哪一个项目？
哪一个 Agent 正在做什么？
这个 Branch 有没有落后？
AI 准备改的文件是不是根本不在这个 Workspace？
Qwen Code 最新的 0.23.0，
开始非常明显地处理：
这一层问题。
Qwen Code 是什么？
Qwen Code 是：
开源 AI Coding Agent。
最基本的使用方式是在：
Terminal
里直接工作。
但现在它早就不只是：
命令行聊天框。
官方目前提供的能力包括：
SubAgents。
Agent Teams。
Dynamic Workflows。
Auto-Memory。
Auto-Skills。
MCP。
Plan Mode。
Sandbox。
Git Worktrees。
Computer Use。
IDE Plugins。
Desktop App。
SDK。
甚至：
Daemon Mode。
简单说：
它想做的不只是：
「帮你补 Code。」
而是：
让 AI 真正进入软件项目的工作流程。
0.23.0 最值得一般开发者看的第一件事：Memory 开始有范围
AI Coding 做久以后，
Memory 其实会变成一个很大的问题。
假设你同时维护：
客户网站。
自己的 SaaS。
公司内部工具。
三个 Project。
每一个都有：
不同框架。
不同 Folder Structure。
不同 Coding Convention。
不同 Deployment Rule。
不同「不能动」的东西。
如果 AI 把所有记忆：
混成一包，
Memory 反而可能：
害你。
例如 Project A 有一条规则
「所有数据库 Migration 一定先在 Staging 测试。」
这很好。
但 Project B：
根本没有 Staging。
它使用：
完全不同 Deployment Flow。
如果 Agent 不知道：
哪一条 Memory 属于哪一个 Workspace，
就可能把：
正确规则
带到：
错误项目。
这就是所谓：
Context Leakage。
不是数据真的外泄。
而是：
AI 把一个工作空间的习惯与规则，
错用到另一个工作空间。
Qwen Code 0.23.0 添加 Scoped Workspace Memory
新版 Release Notes 显示，
Memory Task 现在可以指定：
Project Target。
或者：
User Target。
而且在 Remember／Forget 时，
会强制：
不同 Store 之间的 Filesystem Permission Boundary。
白话一点就是：
你可以开始把：
只属于这个 Project 的记忆
和：
属于你个人的长期偏好
分开。
这比：
「AI 记得更多」
重要很多。
什么适合放 User Memory？
例如：
你个人长期都希望：
先 Plan 再改 Code。
重要修改先跑 Test。
回答要简洁。
Commit Message 使用某种格式。
这些可能：
所有 Project 都适用。
就比较接近：
User Level。
什么适合放 Project Memory？
例如：
这个 Laravel 项目：
Production 不直接修改。
这个 App：
固定使用某个 Test Command。
这个 Repository：
特定文件夹不能碰。
这个 Client：
API Naming Convention 是什么。
这些就只适合：
留在 Project。
而不是：
跟着你跑去所有 Repository。
所以新版真正改进的不是「AI 记忆力」
而是：
AI 记忆的边界。
这是 Agent 开始长时间工作后，
非常重要的一件事情。
因为 Agent 愈有 Memory，
如果 Scope 不清楚，
错误影响反而：
愈大。
第二个值得看的功能：多个 Agent 可以在背景同时跑
以前使用 Coding Agent，
很常像：
排队。
先叫 AI：
修 Login Bug。
等。
完成后：
再叫它跑 Test。
再等。
接着：
再 Review。
但 Qwen Code 现在支持：
SubAgents。
Agent Teams。
Dynamic Workflows。
0.23.0 又进一步增加：
Concurrent Named Task Control。
也就是：
不同 Named Task
可以同时工作。
你可以切去：
另外一个 Context，
背景 Task：
继续跑。
例如你今天有三个工作
Task A：
找出 Checkout Bug。
Task B：
Review 昨天的 Pull Request。
Task C：
整理 Test Failure。
不一定需要：
一件做完
才开始下一件。
你可以让不同 Agent：
分头处理。
自己先看：
A 的结果。
B、C：
背景继续。
这开始比较像：
你在管理：
一个小型 AI Team。
而不是：
只和一个 Chatbot 对话。
但「多 Agent」真正的问题从来不是开越多越好
如果开：
十个 Agent，
每一个都在：
修改同样的 Code。
同样的 Branch。
同样的 File。
很快就会：
互相打架。
所以多 Agent 真正适合的是：
可以拆开的工作。
例如：
一个找 Bug。
一个阅读 Log。
一个 Review。
一个补 Test。
而不是：
四个 Agent
一起改：
同一段 Production Code。
0.23.0 还让不同 Session 能以名字互相传消息
新版也加入：
Session／Agent
依名称互相：
Send Message。
List Agents。
这件事很小，
但代表多 Agent 工作开始从：
「我同时开很多窗口」
进一步变成：
Agent 之间可以协调。
例如：
测试 Agent 发现：
Bug 其实来自 API Response。
它可以把：
这个结果
交给：
正在修 API 的 Agent。
真正长工作需要的：
就是这种：
交接。
第三个很实际的改善：Workflow 可以暂停、续跑、重试
AI Agent 工作时间开始变长后，
最怕的是：
只有：
开始。
和：
全部停止。
两个选项。
Qwen Code 0.23.0
已经把 Workflow Run Control
往前推。
现在 Daemon 暴露的控制包括：
Inspect。
Cancel。
Pause。
Resume。
Retry。
Delete。
也就是：
一个长工作跑到一半，
不一定要：
全部杀掉。
例如 Agent 正在跑一个大型 Review
你突然发现：
需求文档刚更新。
以前可能只能：
Stop。
重新开始。
现在 Workflow 架构开始允许：
先：
Pause。
确认。
必要时：
Resume。
某一段失败：
Retry。
这其实非常接近：
真正工作系统
应该有的：
操作能力。
因为真正的 AI Agent 不可能永远一次成功
如果一个 Agent：
只工作 20 秒，
失败就：
重来。
问题不大。
但如果它已经：
跑 40 分钟。
读了大量文件。
完成前面七个步骤。
只在：
第八步
API Timeout。
你不会希望：
全部从零开始。
所以：
Pause。
Resume。
Retry。
这种看起来很普通的能力，
在 Long-running Agent
反而：
非常重要。
第四个改善：每次调度运行可以创建新的 Session
Qwen Code 0.23.0
也增加：
Per-run Scheduled Task Session。
意思是：
同一个 Scheduled Task
每次运行时，
可以创建：
新的 Child Conversation。
而不是：
所有运行纪录一直堆进：
同一段超长 Conversation。
这对什么有用？
例如你每天早上：
跑一次 Code Health Check。
星期一：
一个 Session。
星期二：
新的 Session。
星期三：
再一个。
每次都有：
自己的 Execution Context。
自己的结果。
自己的时间。
你要查：
星期二发生什么，
不用在：
一条三个月长的 Agent Conversation
里往回翻。
这其实也是：
Agent 可维护性。
第五个很实用的小功能：Commit 前先让你看到 Git State
很多 AI Coding Tool
最危险的瞬间，
不是 AI：
写错 Code。
而是：
你不知道自己现在：
在哪个 Branch。
本机是不是：
落后 Remote。
有没有：
Uncommitted Change。
结果直接：
Update。
Commit。
Push。
Qwen Code 0.23.0
在 Branch Picker
旁边增加：
Git State Hint。
例如显示：
目前是否：
Up to date。
或者：
和 origin/main
存在差距。
为什么这种小信息很重要？
因为 AI Coding Agent
开始帮你做：
Git Operation
后，
「它会不会操作 Git」
已经不是：
最重要问题。
更重要的是：
它现在看到的 Git State 是什么？
如果本机：
比 Remote 落后。
你却叫 Agent：
直接 Push。
真正的问题可能不是：
Code。
而是：
版本状态。
所以在：
Update Project。
Commit。
Push
以前看到状态，
就是：
让人先判断。
第六个更值得注意的安全修正：Workspace 外写入不能被 Auto Mode 自动放行
Agent 最大风险之一：
不是：
它修改错一行。
而是：
它跑到：
Workspace 外面。
假设你的 Project 在：
某个指定文件夹。
Agent 却突然准备：
写另一个位置。
这种 Action
风险完全不同。
Qwen Code 最近的 Permission 修正明确规定：
AUTO Mode 不可以自动批准 Out-of-workspace Write。
遇到 Workspace 外写入，
要退回：
Manual Approval。
也就是：
人要看。
这条规则其实比「AI 很聪明」更值得注意
因为真正安全的 Agent
不是：
永远不犯错。
而是：
错误走到高风险边界时，系统会停。
例如：
Workspace 内：
正常工作。
Workspace 外：
停。
这种：
Technical Boundary
比只在 Prompt 里说：
「请不要乱改」
可靠很多。
Qwen Code 最大特色之一：它不只绑 Qwen Model
看到名字：
Qwen Code，
很容易以为：
只能用：
Qwen。
实际上官方目前支持：
Qwen API。
OpenAI API。
Anthropic API。
Gemini API。
也可以使用：
Third-party Provider。
甚至：
Local Model。
例如：
Ollama。
vLLM。
而且可以在 Runtime：
切换。
这让它的定位跟「某一颗模型的 Coding Tool」不太一样
它更像：
Agent Framework＋Coding Environment。
今天：
简单工作
用本机模型。
复杂 Reasoning：
换另一个 Provider。
特定 Coding Task：
再换更强模型。
不需要因为：
换 Model
就整套 Workflow 重做。
这和今天早报 AT&T
正在做的事情：
其实非常接近。
真正成熟的 AI 使用，
开始不是：
「我们公司只用哪一颗模型？」
而是：
「这个工作用哪一颗比较合理？」
Qwen Code 甚至提供 Agent Arena
官方目前还提供：
Agent Arena。
同一个 Task，
可以让：
不同 Model
Head-to-head。
也就是：
拿同一个工作比较。
这对开发者很有意思。
因为模型比较终于可以：
不是看 Benchmark。
而是看：
我的 Repository 里，谁真的做得比较好？
例如同一个 Bug
你可以让：
Model A
分析一次。
Model B
再分析。
看：
谁找到真正 Root Cause。
谁改动比较小。
谁 Test 过得比较完整。
这会比：
「某模型 SWE Benchmark 高两分」
更接近：
你真正需要的答案。
Qwen Code 也不只住在 Terminal
官方目前支持：
Terminal。
Headless Mode。
VS Code。
JetBrains。
Zed。
Desktop App。
Daemon。
SDK。
甚至还能接到：
Telegram。
DingTalk。
WeChat。
Feishu。
所以如果你不喜欢：
Terminal，
现在也不一定要：
永远待在 Terminal。
Desktop 版的意义其实很直接
很多人看到：
AI Coding Agent
就退缩。
因为第一步竟然是：
开 Terminal。
但 Qwen Code 已经提供：
macOS。
Windows。
Linux
Desktop App。
所以它开始从：
纯 CLI 工具
往：
更完整的 Coding Workspace
走。
不过：
它仍然是：
开发工具。
不是：
像 Canva 一样的 No-code App Builder。
完全不懂：
Repository。
Git。
Test。
Deployment
的人，
还是需要：
基本概念。
那 Qwen Code 适合谁？
第一种：
自己维护网站或 App 的人。
尤其不是：
每天只开一个单档项目，
而是有：
多个 Repository。
不同 Client。
不同 Coding Rule。
Project-scoped Memory
会比较有意义。
第二种：
小型开发团队。
因为 Agent Teams。
Background Task。
Workflow Control。
Git State。
这些都开始处理：
多人或多任务环境。
第三种：
不想被单一 Model 绑住的人。
你想测：
Qwen。
Claude。
OpenAI。
Gemini。
Local Model。
同一套 Workflow 里：
换。
就比较适合。
第四种：
想自己控制 AI Coding Infrastructure 的人。
Qwen Code 是：
Open-source。
也能：
本机模型。
Daemon。
SDK。
对：
Privacy。
Cost。
Custom Integration
有要求的团队，
可控性会比：
只能使用某一家 Cloud Model
高。
哪些人反而不一定需要 Qwen Code？
如果你只是：
偶尔改一段 HTML。
第一次做小网站。
完全不碰：
Git。
Terminal。
Repository。
那更简单的工具：
可能反而比较好。
例如：
Replit。
视觉型 App Builder。
甚至：
ChatGPT
直接帮你产一段程序。
Qwen Code 真正的价值开始出现在：
项目变长。
工作变多。
Agent 变多。
之后。
这也是今天为什么不把它写成「免费 Claude Code 替代品」
那会把重点写歪。
虽然 Qwen Code
确实有很多：
Claude Code 类似能力，
但今天真正值得看的，
不是：
哪一个比较像谁。
而是：
AI Coding Agent
正在解决：
以前只有：
人类开发团队
才需要处理的问题。
Memory Scope。
Task Coordination。
Workflow State。
Git State。
Permission Boundary。
这些都不是：
「模型能不能写一个 Function」
的问题。
AI Coding 正在从「生成 Code」进入「管理工作状态」
第一代 Coding AI：
Autocomplete。
你打前半段。
AI 补后半段。
第二代：
Chat。
你说：
帮我写。
它给 Code。
第三代：
Agent。
它自己：
读 Repo。
找 File。
改 Code。
跑 Test。
现在开始往下一步：
Agent System。
多 Agent。
多 Session。
Memory。
Workflow。
Permission。
Model Routing。
真正需要管理的是：
整个工作状态。
这件事和一般 AI 工作流程其实完全一样
不是只有 Coding。
当 AI Agent 开始替公司：
读 Email。
整理 Drive。
跑 Browser。
更新 CRM。
同样会遇到：
记忆属于哪一个客户？
不同 Agent 能不能同时做？
哪一个 Task 失败？
需要重跑哪一步？
哪里一定要人工批准？
所以 Qwen Code 现在发生的事情，
其实可能是：
其他 AI Agent
未来都会走的方向。
如果今天第一次测，我建议不要直接给它 Production
先找：
一个：
Local Project。
或者：
测试 Repository。
最好：
有 Git。
有 Test。
但坏掉也不会：
直接影响客户。
先做：
一件真工作。
例如：
「找出为什么这个 Form 在手机版验证失败，先分析，不要修改。」
先看看：
它怎么读项目。
怎么整理 Context。
接着才进：
Plan。
最后再：
Edit。
第二次测试才开始用 Memory
例如只放：
三条 Project Rule。
这个项目固定使用哪个 Framework。
修改前一定先跑哪个 Test。
Production Deployment 不属于 Agent 权限。
不要第一次就塞：
几十条规则。
先看：
它是不是真的能：
在后面的 Session
正确使用。
第三次才测 Parallel Agent
例如：
Agent A：
找 Root Cause。
Agent B：
找相关 Test Coverage。
两个工作：
彼此可以分开。
先不要：
两个 Agent
同时改：
同一个 File。
这样最容易理解：
多 Agent 到底有没有：
真的省时间。
最后再测 Model Switching
拿：
同一个 Bug。
同一个 Repository。
同一组 Acceptance Criteria。
让：
不同 Model
处理。
比较：
改动范围。
Test Result。
Token／成本。
人工 Review 时间。
不要只比较：
谁讲得最像专家。
真正 Coding Agent
最后要比较的是：
谁让整个工作更容易验收。
还有一个很重要的观念：Memory 不是 Truth
就算 Project Memory
隔离得非常漂亮，
里面的内容如果：
本来就是错的，
Agent 只会：
更稳定地记住错误。
例如你曾经告诉它：
「这个项目现在使用 Node 22。」
两个月后：
升级 Node 24。
旧 Memory
如果没有更新，
它就可能一直：
照旧规则工作。
所以 Memory Management
本身也需要：
Review。
这也是新版有 Forget Task 的原因之一
记忆真正成熟，
不只是：
Remember。
还包括：
Forget。
规则失效。
版本改了。
项目架构换了。
就要：
清掉。
不然 AI Agent
最后会变成：
一位记性很好、
却一直拿旧 SOP 工作的员工。
对小团队来说，我最看重的其实不是多 Agent
而是：
Boundary。
因为多 Agent：
看起来很炫。
真正上 Production：
最重要的是：
Project A
不要吃到 Project B 的 Memory。
Workspace 外写入：
不要自动通过。
Git State：
先让人看到。
高风险 Action：
能停。
这些才是：
AI Coding
从玩具变：
工作工具
的条件。
所以 Qwen Code 0.23.0 真正的新方向可以缩成四句
记忆分开。
Project 和 User
不要混。
工作分开。
不同 Agent
可以并行。
状态看得到。
Workflow、Session、Git State
都能追。
越界要停。
Workspace 外写入：
不能靠 Auto Mode
自己放行。
如果你的 Coding 工作目前还只有「问 AI 一题、拿一段 Code」
Qwen Code 可能：
有点太多。
但如果你已经开始：
让 Agent 改真正 Repository。
同时维护几个项目。
希望不同模型可以切换。
想让工作在背景跑。
这次 0.23.0
就比：
「模型 Benchmark 又高几分」
更值得看。
因为 AI Coding 真正进入工作之后，
最难的从来不只是：
会不会写 Code。
而是：
知不知道自己现在在哪个项目、正在做哪件事、可以碰到哪里，以及做完后你能不能安全验收。
这才是：
AI Coding Agent
开始长大的地方。
今天，和 AI 一起进步一点。
每天学会一个 AI 技巧。
每天节省一点时间。
每天提升一点能力。
SasaDaily，陪你一起成长。
推荐阅读
今日 AI 工具｜2026/08/24：Slack Code，把 AI Coding Agent 拉进 Code Channel，团队一起看计划、改动与 Preview
今日 AI 工具｜2026/08/20：Replit Free Mode，额度内日常 Agent 工作不吃 credits，复杂 App 再切 Power／Max
