如果你只拿 AI Coding Tool：
改一個按鈕。
寫一個 Function。
修一個 Error。
很多工具其實都已經：
很好用。
真正開始麻煩的是：
專案變長以後。
今天你在：
網站 A
叫 AI 記住：
「Production 絕對不能直接改。」
明天又到：
App B
告訴它：
「這個專案所有 API 都要用另一套規則。」
同時再開：
三個 Agent。
一個修 Bug。
一個跑 Test。
一個 Review Code。
幾個小時後真正困難的可能已經不是：
AI 會不會寫程式。
而是：
它現在到底記得哪一個專案？
哪一個 Agent 正在做什麼？
這個 Branch 有沒有落後？
AI 準備改的檔案是不是根本不在這個 Workspace？
Qwen Code 最新的 0.23.0，
開始非常明顯地處理：
這一層問題。
Qwen Code 是什麼？
Qwen Code 是：
開源 AI Coding Agent。
最基本的使用方式是在：
Terminal
裡直接工作。
但現在它早就不只是：
命令列聊天框。
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。
簡單說：
它想做的不只是：
「幫你補 Code。」
而是：
讓 AI 真正進入軟體專案的工作流程。
0.23.0 最值得一般開發者看的第一件事：Memory 開始有範圍
AI Coding 做久以後，
Memory 其實會變成一個很大的問題。
假設你同時維護：
客戶網站。
自己的 SaaS。
公司內部工具。
三個 Project。
每一個都有：
不同框架。
不同 Folder Structure。
不同 Coding Convention。
不同 Deployment Rule。
不同「不能動」的東西。
如果 AI 把所有記憶：
混成一包，
Memory 反而可能：
害你。
例如 Project A 有一條規則
「所有資料庫 Migration 一定先在 Staging 測試。」
這很好。
但 Project B：
根本沒有 Staging。
它使用：
完全不同 Deployment Flow。
如果 Agent 不知道：
哪一條 Memory 屬於哪一個 Workspace，
就可能把：
正確規則
帶到：
錯誤專案。
這就是所謂：
Context Leakage。
不是資料真的外洩。
而是：
AI 把一個工作空間的習慣與規則，
錯用到另一個工作空間。
Qwen Code 0.23.0 新增 Scoped Workspace Memory
新版 Release Notes 顯示，
Memory Task 現在可以指定：
Project Target。
或者：
User Target。
而且在 Remember／Forget 時，
會強制：
不同 Store 之間的 Filesystem Permission Boundary。
白話一點就是：
你可以開始把：
只屬於這個 Project 的記憶
和：
屬於你個人的長期偏好
分開。
這比：
「AI 記得更多」
重要很多。
什麼適合放 User Memory？
例如：
你個人長期都希望：
先 Plan 再改 Code。
重要修改先跑 Test。
回答要簡潔。
Commit Message 使用某種格式。
這些可能：
所有 Project 都適用。
就比較接近：
User Level。
什麼適合放 Project Memory？
例如：
這個 Laravel 專案：
Production 不直接修改。
這個 App：
固定使用某個 Test Command。
這個 Repository：
特定資料夾不能碰。
這個 Client：
API Naming Convention 是什麼。
這些就只適合：
留在 Project。
而不是：
跟著你跑去所有 Repository。
所以新版真正改進的不是「AI 記憶力」
而是：
AI 記憶的邊界。
這是 Agent 開始長時間工作後，
非常重要的一件事情。
因為 Agent 愈有 Memory，
如果 Scope 不清楚，
錯誤影響反而：
愈大。
第二個值得看的功能：多個 Agent 可以在背景同時跑
以前使用 Coding Agent，
很常像：
排隊。
先叫 AI：
修 Login Bug。
等。
完成後：
再叫它跑 Test。
再等。
接著：
再 Review。
但 Qwen Code 現在支援：
SubAgents。
Agent Teams。
Dynamic Workflows。
0.23.0 又進一步增加：
Concurrent Named Task Control。
也就是：
不同 Named Task
可以同時工作。
你可以切去：
另外一個 Context，
背景 Task：
繼續跑。
例如你今天有三個工作
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
才開始下一件。
你可以讓不同 Agent：
分頭處理。
自己先看：
A 的結果。
B、C：
背景繼續。
這開始比較像：
你在管理：
一個小型 AI Team。
而不是：
只和一個 Chatbot 對話。
但「多 Agent」真正的問題從來不是開越多越好
如果開：
十個 Agent，
每一個都在：
修改同樣的 Code。
同樣的 Branch。
同樣的 File。
很快就會：
互相打架。
所以多 Agent 真正適合的是：
可以拆開的工作。
例如：
一個找 Bug。
一個閱讀 Log。
一個 Review。
一個補 Test。
而不是：
四個 Agent
一起改：
同一段 Production Code。
0.23.0 還讓不同 Session 能以名字互相傳訊息
新版也加入：
Session／Agent
依名稱互相：
Send Message。
List Agents。
這件事很小，
但代表多 Agent 工作開始從：
「我同時開很多視窗」
進一步變成：
Agent 之間可以協調。
例如：
測試 Agent 發現：
Bug 其實來自 API Response。
它可以把：
這個結果
交給：
正在修 API 的 Agent。
真正長工作需要的：
就是這種：
交接。
第三個很實際的改善：Workflow 可以暫停、續跑、重試
AI Agent 工作時間開始變長後，
最怕的是：
只有：
開始。
和：
全部停止。
兩個選項。
Qwen Code 0.23.0
已經把 Workflow Run Control
往前推。
現在 Daemon 暴露的控制包括：
Inspect。
Cancel。
Pause。
Resume。
Retry。
Delete。
也就是：
一個長工作跑到一半，
不一定要：
全部殺掉。
例如 Agent 正在跑一個大型 Review
你突然發現：
需求文件剛更新。
以前可能只能：
Stop。
重新開始。
現在 Workflow 架構開始允許：
先：
Pause。
確認。
必要時：
Resume。
某一段失敗：
Retry。
這其實非常接近：
真正工作系統
應該有的：
操作能力。
因為真正的 AI Agent 不可能永遠一次成功
如果一個 Agent：
只工作 20 秒，
失敗就：
重來。
問題不大。
但如果它已經：
跑 40 分鐘。
讀了大量檔案。
完成前面七個步驟。
只在：
第八步
API Timeout。
你不會希望：
全部從零開始。
所以：
Pause。
Resume。
Retry。
這種看起來很普通的能力，
在 Long-running Agent
反而：
非常重要。
第四個改善：每次排程執行可以建立新的 Session
Qwen Code 0.23.0
也增加：
Per-run Scheduled Task Session。
意思是：
同一個 Scheduled Task
每次執行時，
可以建立：
新的 Child Conversation。
而不是：
所有執行紀錄一直堆進：
同一段超長 Conversation。
這對什麼有用？
例如你每天早上：
跑一次 Code Health Check。
星期一：
一個 Session。
星期二：
新的 Session。
星期三：
再一個。
每次都有：
自己的 Execution Context。
自己的結果。
自己的時間。
你要查：
星期二發生什麼，
不用在：
一條三個月長的 Agent Conversation
裡往回翻。
這其實也是：
Agent 可維護性。
第五個很實用的小功能：Commit 前先讓你看到 Git State
很多 AI Coding Tool
最危險的瞬間，
不是 AI：
寫錯 Code。
而是：
你不知道自己現在：
在哪個 Branch。
本機是不是：
落後 Remote。
有沒有：
Uncommitted Change。
結果直接：
Update。
Commit。
Push。
Qwen Code 0.23.0
在 Branch Picker
旁邊增加：
Git State Hint。
例如顯示：
目前是否：
Up to date。
或者：
和 origin/main
存在差距。
為什麼這種小資訊很重要？
因為 AI Coding Agent
開始幫你做：
Git Operation
後，
「它會不會操作 Git」
已經不是：
最重要問題。
更重要的是：
它現在看到的 Git State 是什麼？
如果本機：
比 Remote 落後。
你卻叫 Agent：
直接 Push。
真正的問題可能不是：
Code。
而是：
版本狀態。
所以在：
Update Project。
Commit。
Push
以前看到狀態，
就是：
讓人先判斷。
第六個更值得注意的安全修正：Workspace 外寫入不能被 Auto Mode 自動放行
Agent 最大風險之一：
不是：
它修改錯一行。
而是：
它跑到：
Workspace 外面。
假設你的 Project 在：
某個指定資料夾。
Agent 卻突然準備：
寫另一個位置。
這種 Action
風險完全不同。
Qwen Code 最近的 Permission 修正明確規定：
AUTO Mode 不可以自動批准 Out-of-workspace Write。
遇到 Workspace 外寫入，
要退回：
Manual Approval。
也就是：
人要看。
這條規則其實比「AI 很聰明」更值得注意
因為真正安全的 Agent
不是：
永遠不犯錯。
而是：
錯誤走到高風險邊界時，系統會停。
例如：
Workspace 內：
正常工作。
Workspace 外：
停。
這種：
Technical Boundary
比只在 Prompt 裡說：
「請不要亂改」
可靠很多。
Qwen Code 最大特色之一：它不只綁 Qwen Model
看到名字：
Qwen Code，
很容易以為：
只能用：
Qwen。
實際上官方目前支援：
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：
切換。
這讓它的定位跟「某一顆模型的 Coding Tool」不太一樣
它更像：
Agent Framework＋Coding Environment。
今天：
簡單工作
用本機模型。
複雜 Reasoning：
換另一個 Provider。
特定 Coding Task：
再換更強模型。
不需要因為：
換 Model
就整套 Workflow 重做。
這和今天早報 AT&T
正在做的事情：
其實非常接近。
真正成熟的 AI 使用，
開始不是：
「我們公司只用哪一顆模型？」
而是：
「這個工作用哪一顆比較合理？」
Qwen Code 甚至提供 Agent Arena
官方目前還提供：
Agent Arena。
同一個 Task，
可以讓：
不同 Model
Head-to-head。
也就是：
拿同一個工作比較。
這對開發者很有意思。
因為模型比較終於可以：
不是看 Benchmark。
而是看：
我的 Repository 裡，誰真的做得比較好？
例如同一個 Bug
你可以讓：
Model A
分析一次。
Model B
再分析。
看：
誰找到真正 Root Cause。
誰改動比較小。
誰 Test 過得比較完整。
這會比：
「某模型 SWE Benchmark 高兩分」
更接近：
你真正需要的答案。
Qwen Code 也不只住在 Terminal
官方目前支援：
Terminal。
Headless Mode。
VS Code。
JetBrains。
Zed。
Desktop App。
Daemon。
SDK。
甚至還能接到：
Telegram。
DingTalk。
WeChat。
Feishu。
所以如果你不喜歡：
Terminal，
現在也不一定要：
永遠待在 Terminal。
Desktop 版的意義其實很直接
很多人看到：
AI Coding Agent
就退縮。
因為第一步竟然是：
開 Terminal。
但 Qwen Code 已經提供：
macOS。
Windows。
Linux
Desktop App。
所以它開始從：
純 CLI 工具
往：
更完整的 Coding Workspace
走。
不過：
它仍然是：
開發工具。
不是：
像 Canva 一樣的 No-code App Builder。
完全不懂：
Repository。
Git。
Test。
Deployment
的人，
還是需要：
基本概念。
那 Qwen Code 適合誰？
第一種：
自己維護網站或 App 的人。
尤其不是：
每天只開一個單檔專案，
而是有：
多個 Repository。
不同 Client。
不同 Coding Rule。
Project-scoped Memory
會比較有意義。
第二種：
小型開發團隊。
因為 Agent Teams。
Background Task。
Workflow Control。
Git State。
這些都開始處理：
多人或多任務環境。
第三種：
不想被單一 Model 綁住的人。
你想測：
Qwen。
Claude。
OpenAI。
Gemini。
Local Model。
同一套 Workflow 裡：
換。
就比較適合。
第四種：
想自己控制 AI Coding Infrastructure 的人。
Qwen Code 是：
Open-source。
也能：
本機模型。
Daemon。
SDK。
對：
Privacy。
Cost。
Custom Integration
有要求的團隊，
可控性會比：
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：
偶爾改一段 HTML。
第一次做小網站。
完全不碰：
Git。
Terminal。
Repository。
那更簡單的工具：
可能反而比較好。
例如：
Replit。
視覺型 App Builder。
甚至：
ChatGPT
直接幫你產一段程式。
Qwen Code 真正的價值開始出現在：
專案變長。
工作變多。
Agent 變多。
之後。
這也是今天為什麼不把它寫成「免費 Claude Code 替代品」
那會把重點寫歪。
雖然 Qwen Code
確實有很多：
Claude Code 類似能力，
但今天真正值得看的，
不是：
哪一個比較像誰。
而是：
AI Coding Agent
正在解決：
以前只有：
人類開發團隊
才需要處理的問題。
Memory Scope。
Task Coordination。
Workflow State。
Git State。
Permission Boundary。
這些都不是：
「模型能不能寫一個 Function」
的問題。
AI Coding 正在從「生成 Code」進入「管理工作狀態」
第一代 Coding AI：
Autocomplete。
你打前半段。
AI 補後半段。
第二代：
Chat。
你說：
幫我寫。
它給 Code。
第三代：
Agent。
它自己：
讀 Repo。
找 File。
改 Code。
跑 Test。
現在開始往下一步：
Agent System。
多 Agent。
多 Session。
Memory。
Workflow。
Permission。
Model Routing。
真正需要管理的是：
整個工作狀態。
這件事和一般 AI 工作流程其實完全一樣
不是只有 Coding。
當 AI Agent 開始替公司：
讀 Email。
整理 Drive。
跑 Browser。
更新 CRM。
同樣會遇到：
記憶屬於哪一個客戶？
不同 Agent 能不能同時做？
哪一個 Task 失敗？
需要重跑哪一步？
哪裡一定要人工批准？
所以 Qwen Code 現在發生的事情，
其實可能是：
其他 AI Agent
未來都會走的方向。
如果今天第一次測，我建議不要直接給它 Production
先找：
一個：
Local Project。
或者：
測試 Repository。
最好：
有 Git。
有 Test。
但壞掉也不會：
直接影響客戶。
先做：
一件真工作。
例如：
「找出為什麼這個 Form 在手機版驗證失敗，先分析，不要修改。」
先看看：
它怎麼讀專案。
怎麼整理 Context。
接著才進：
Plan。
最後再：
Edit。
第二次測試才開始用 Memory
例如只放：
三條 Project Rule。
這個專案固定使用哪個 Framework。
修改前一定先跑哪個 Test。
Production Deployment 不屬於 Agent 權限。
不要第一次就塞：
幾十條規則。
先看：
它是不是真的能：
在後面的 Session
正確使用。
第三次才測 Parallel Agent
例如：
Agent A：
找 Root Cause。
Agent B：
找相關 Test Coverage。
兩個工作：
彼此可以分開。
先不要：
兩個 Agent
同時改：
同一個 File。
這樣最容易理解：
多 Agent 到底有沒有：
真的省時間。
最後再測 Model Switching
拿：
同一個 Bug。
同一個 Repository。
同一組 Acceptance Criteria。
讓：
不同 Model
處理。
比較：
改動範圍。
Test Result。
Token／成本。
人工 Review 時間。
不要只比較：
誰講得最像專家。
真正 Coding Agent
最後要比較的是：
誰讓整個工作更容易驗收。
還有一個很重要的觀念：Memory 不是 Truth
就算 Project Memory
隔離得非常漂亮，
裡面的內容如果：
本來就是錯的，
Agent 只會：
更穩定地記住錯誤。
例如你曾經告訴它：
「這個專案現在使用 Node 22。」
兩個月後：
升級 Node 24。
舊 Memory
如果沒有更新，
它就可能一直：
照舊規則工作。
所以 Memory Management
本身也需要：
Review。
這也是新版有 Forget Task 的原因之一
記憶真正成熟，
不只是：
Remember。
還包括：
Forget。
規則失效。
版本改了。
專案架構換了。
就要：
清掉。
不然 AI Agent
最後會變成：
一位記性很好、
卻一直拿舊 SOP 工作的員工。
對小團隊來說，我最看重的其實不是多 Agent
而是：
Boundary。
因為多 Agent：
看起來很炫。
真正上 Production：
最重要的是：
Project A
不要吃到 Project B 的 Memory。
Workspace 外寫入：
不要自動通過。
Git State：
先讓人看到。
高風險 Action：
能停。
這些才是：
AI Coding
從玩具變：
工作工具
的條件。
所以 Qwen Code 0.23.0 真正的新方向可以縮成四句
記憶分開。
Project 和 User
不要混。
工作分開。
不同 Agent
可以並行。
狀態看得到。
Workflow、Session、Git State
都能追。
越界要停。
Workspace 外寫入：
不能靠 Auto Mode
自己放行。
如果你的 Coding 工作目前還只有「問 AI 一題、拿一段 Code」
Qwen Code 可能：
有點太多。
但如果你已經開始：
讓 Agent 改真正 Repository。
同時維護幾個專案。
希望不同模型可以切換。
想讓工作在背景跑。
這次 0.23.0
就比：
「模型 Benchmark 又高幾分」
更值得看。
因為 AI Coding 真正進入工作之後，
最難的從來不只是：
會不會寫 Code。
而是：
知不知道自己現在在哪個專案、正在做哪件事、可以碰到哪裡，以及做完後你能不能安全驗收。
這才是：
AI Coding Agent
開始長大的地方。
今天，和 AI 一起進步一點。
每天學會一個 AI 技巧。
每天節省一點時間。
每天提升一點能力。
SasaDaily，陪你一起成長。
推薦閱讀
今日 AI 工具｜2026/08/24：Slack Code，把 AI Coding Agent 拉進 Code Channel，團隊一起看計畫、改動與 Preview
今日 AI 工具｜2026/08/20：Replit Free Mode，額度內日常 Agent 工作不吃 credits，複雜 App 再切 Power／Max
