ToolBox
返回开源工具列表
一行命令把千问的全套本事塞进 Agent:QianWen AI Skills 上手记

一行命令把千问的全套本事塞进 Agent:QianWen AI Skills 上手记

QianWen AI Skills 是个 Agent Skills 技能包(Apache 2.0),一条 npx 命令把千问的文本/图像/视频/语音/视觉等 8 个能力折进你的 Claude Code、Cursor、Qwen Code 里。一篇实测安装与踩坑的笔记。

2026年8月4日5 分钟Agent Skills · 千问 · Qwen · AI 编程 · 效率工具

最近在折腾 Agent Skills 那套东西,发现一个挺实用的包:QianWen AI Skills。一句话概括它的野心——把阿里千问(QianWen / Qwen)的全套 AI 能力,折成一沓技能卡,塞进你正在用的 Agent 里。你不用自己对接 SDK、不用管鉴权细节,提需求就行。

QianWen AI Skills 图标

它到底是个啥

先说清楚定位,免得误会。它不是一个独立 App,也不是阿里官方出的客户端。它是一个 Agent Skills 技能包(遵循 agentskills.io 规范),本质上是一堆写好的「技能定义文件」。你用一条命令把它装到 Agent 的工作区里,Agent 就能按需调用千问的 API 去干文本、图像、视频、语音那些活。

装法简单到离谱:

npx skills add QianWen-AI/qianwen-ai

出现技能选择提示时按 a 全选、回车,完事。甚至它官方还建议你「偷懒」——把一段安装说明直接丢给你的 Agent,让它自己检查 Node、跑命令、选技能、配 Key,你自己当甩手掌柜。Node.js ≥ 18 就行。

它把千问的哪些本事折进来了

技能清单一共 8 个,基本覆盖了千问对外能力的全谱:

技能 干啥的
qianwen-text 文本生成、对话、写代码、推理、函数调用
qianwen-vision 图片/视频理解、OCR、图表分析
qianwen-image-generation 文生图、图片编辑、风格迁移
qianwen-video-generation 文生视频、图生视频、视频编辑
qianwen-audio-tts 文字转语音,多种音色
qianwen-model-selector 按场景帮你挑最划算/最强的模型
qianwen-ops-auth API Key 与认证管理
qianwen-usage 查用量、免费额度、账单、订阅

这里有个我很喜欢的设计:qianwen-model-selectorqianwen-usage 是「元技能」。前者让你说「挑个最省钱的模型处理这批翻译」,它替你去比;后者让你直接问「我 qwen3.6-plus 的免费额度还剩多少」「上个月的费用明细」。对一个天天烧 token 的人来说,这俩比单纯「能生图」实用得多——它把成本控制也做成了技能。

适配面是我没想到的宽

README 里列了一长串兼容的 Agent 图标:Claude Code、Cursor、Gemini CLI、Codex、Cline、Qwen Code、OpenHands、Goose、Windsurf、RooCode、Kilo、TRAE……基本你能叫出名字的 AI 编程工具都覆盖到了。这意味着你不用为了用千问的能力去换主力工具——在哪个 Agent 里干活,就把技能装哪个里。我是直接在主力 Agent 上 npx skills add 的,没切环境。

两点得跟你交底的老实话

不是无脑吹,装之前先知道这些:

它是个「代调用」包装,费用你出。 项目自己写的免责声明说得很直白:本技能会代你调用千问 API,产生的费用由你的账号承担;AI 生成内容不保证准确;API Key 要自己保管好。所以它本质是帮你少写胶水代码、少踩鉴权坑的中间层,不是免费午餐。预算意识得自己在线。

社区项目,别当官方稳定版。 仓库 owner 是 QianWen-AI(社区组织,不是阿里 Qwen 官方),目前星星也不多(40 出头),README 明说「仅供体验和参考,不提供任何可用性或稳定性保证」。真要上生产,建议先看一眼 skills 目录里每个技能具体调的是哪个端点、怎么传参,心里有数再信。

值不值得装

如果你本来就混在 Agent 里干活,又想顺手用上千问的多模态能力(尤其图像/视频生成、TTS、视觉理解这些 Claude 不擅长或要额外配的活),这一包能省掉你对接 SDK 的半天工时。一条命令、零配置、随用随调——这个门槛低到没什么理由不试一下。

我自己是装完就拿它批量跑了几个产品图的风格迁移,又让 model-selector 帮我挑了便宜模型做文档总结,体感是「胶水层该有的样子」。至于长期稳不稳定,跑一阵再下结论——但作为「让 Agent 多长几只手」的尝试,它目前是我见过最省事的千问接入方式。