如果你最近在关注 AI 编程助手可能会发现一个现象GitHub 上那些“一键生成代码”的 Agent 项目层出不穷但真正能让你在本地 IDE 里丝滑用起来的却少之又少。要么是配置复杂依赖一堆环境要么是功能单一只能完成特定任务要么就是模型调用成本高用起来提心吊胆。今天要聊的QT Erect就是近期在开发者社区里热度颇高的一个项目。它不是一个简单的代码生成工具而是一个定位为“AI 驱动的全栈开发环境”的智能体。这个名字听起来有点“不正经”但它的目标却很实在让 AI 真正成为你开发工作流中的“结对程序员”从需求分析、代码生成、调试、测试到文档编写提供端到端的辅助。很多人第一眼看到“QT Erect”会误以为它和经典的 Qt GUI 框架有什么关系。其实不然这里的“QT”更像是“Quick Thoughtful”的缩写强调快速和深思熟虑的响应。而“Erect”则暗示了其构建和搭建的能力。所以这个项目的核心卖点是通过一个集成的、可配置的智能体系统来理解和执行复杂的开发任务。那么它到底“泰好玩了”在哪里仅仅是又一个套壳 ChatGPT 的工具吗经过对项目文档、源码和社区讨论的梳理我发现它的设计思路有几个关键差异点任务拆解与规划能力它不只是根据单条指令生成代码片段而是能理解一个相对模糊的需求如“帮我搭建一个用户登录系统”并自动拆解成数据库设计、API 接口、前端页面、安全校验等一系列子任务然后按顺序执行。上下文感知与工程化集成它能读取你现有的项目结构、配置文件如package.json,pom.xml理解项目的技术栈和规范在此基础上进行代码增删改查而不是凭空创造。多工具协同Skill它内置或可扩展多种“技能”Skill如执行终端命令、读写文件、运行测试、调用外部 API 等让 AI 不仅能“说”还能“做”。本地优先与成本可控虽然支持 OpenAI GPT 系列等云端大模型但也积极兼容本地部署的模型如通过 Ollama 调用 Llama 3、Qwen 等让开发者可以在隐私、成本和响应速度之间做权衡。这篇文章我们就来彻底拆解一下 QT Erect。我不会只复述官方文档而是会结合一个真实的“创建 Express.js 后端服务”的示例带你从零开始体验如何用它来提升开发效率同时也会指出当前版本的“坑”在哪里以及它最适合什么样的开发者。1. QT Erect 解决了什么真实开发痛点在深入技术细节之前我们必须先回答作为一个开发者我为什么要关注它它替代的是我工作流中的哪个环节想象一下这些场景场景一项目初始化老板说“我们需要一个新的内部管理后台用 React 前端和 Node.js 后端要包含用户权限管理”。传统的做法是你手动创建项目文件夹npm init安装几十个依赖express, mongoose, bcrypt, jsonwebtoken, cors...然后逐个编写模型、路由、控制器、中间件。这个过程重复、繁琐且容易遗漏。场景二功能迭代产品经理提了一个新需求“给用户表加一个‘最后登录时间’字段并在管理后台列表页显示。”你需要1. 修改数据库模型2. 创建或更新迁移脚本3. 修改后端接口返回该字段4. 修改前端 API 调用层5. 更新前端表格列。你需要在不同文件间切换确保一致性。场景三调试与排查一个 API 突然返回 500 错误。你需要看日志、猜原因、写测试用例复现、定位问题代码。这个过程高度依赖经验。QT Erect 瞄准的正是这些重复性高、模式固定、但跨多个文件和层级的开发任务。它试图扮演一个“超级助手”痛点一项目脚手架搭建慢- QT Erect 可以通过一条指令生成一个结构清晰、包含基础依赖和配置的完整项目骨架。痛点二跨模块修改容易出错- QT Erect 可以理解整个修改的上下文一次性生成或修改所有关联文件保持逻辑一致。痛点三上下文切换成本高- QT Erect 集成在开发环境中或通过 CLI你无需离开编码界面就能让它执行查询、生成、测试等任务。所以它的核心价值不是“写出惊为天人的算法”而是“将最佳实践和常见模式自动化”把开发者从繁琐的“体力活”中解放出来更专注于核心业务逻辑和架构设计。它最适合的是全栈开发者、创业团队快速原型验证、以及需要维护多个相似技术栈项目的工程师。2. 核心概念Agent, Skill 与工作流要玩转 QT Erect必须理解它的三个核心概念这决定了你如何使用它。2.1 Agent智能体你的专属“程序员”在 QT Erect 中Agent 是执行任务的核心实体。你可以把它想象成一个虚拟的、拥有特定技能和知识的程序员。一个 Agent 包含身份Role例如“资深 Node.js 后端开发”、“React 前端专家”、“系统架构师”。这会影响它生成代码的风格和决策倾向。目标Goal你给它的任务描述。上下文Context它所能访问的项目文件、对话历史、系统指令等。技能Skills它能够调用的具体工具。你通常会针对不同的项目类型如 Web 后端、数据爬虫、移动应用配置不同的 Agent。2.2 Skill技能Agent 可以使用的工具Skill 是 Agent 能力的具象化。一个 Skill 就是一个可执行的操作。QT Erect 内置了一些基础 Skill例如FileReadSkill: 读取文件内容。FileWriteSkill: 写入或修改文件。TerminalSkill: 在项目目录下执行 shell 命令如npm install,git add。CodeAnalysisSkill: 分析代码结构理解依赖关系。TestRunnerSkill: 运行测试用例。更强大的是你可以自定义 Skill。比如你可以写一个DeployToCloudSkill封装调用云平台 API 部署应用的逻辑。Agent 在规划任务时会自主决定调用哪些 Skill。2.3 工作流Workflow任务的执行蓝图当你给 Agent 一个复杂任务时它内部会进行“思考”将任务分解成一系列有序的步骤这就是工作流。例如任务“创建用户登录 API”可能被分解为检查当前项目结构确认是 Node.js 项目。使用TerminalSkill安装必要依赖express, bcrypt, jsonwebtoken。使用FileWriteSkill创建models/User.js文件数据模型。使用FileWriteSkill创建routes/auth.js文件路由。使用FileWriteSkill修改app.js挂载新路由。使用TerminalSkill运行一个简单的 curl 命令测试 API。这个规划过程通常由大语言模型LLM驱动这也是 QT Erect 智能化的体现。3. 环境准备与安装部署QT Erect 目前主要提供 CLI命令行界面工具可以集成到任何开发环境中。我们以 macOS/Linux 系统为例从零开始安装和配置。3.1 前置条件确保你的系统已安装Node.js版本 18 或更高。这是运行 QT Erect 的基础。npm 或 yarn包管理工具。Git用于克隆项目和版本控制。Python 3可选部分 Skill 或底层库可能需要。Ollama可选但强烈推荐如果你想在本地运行大模型如 Llama 3、Qwen2.5需要先安装 Ollama。这是控制成本和保护隐私的关键。# 检查 Node.js 和 npm 版本 node --version npm --version # 检查 Git git --version # 安装 Ollama (Mac/Linux) # 访问 https://ollama.com/ 下载安装或使用命令行 curl -fsSL https://ollama.com/install.sh | sh3.2 安装 QT Erect CLIQT Erect 可以通过 npm 全局安装。打开你的终端执行npm install -g qt-erect-cli安装完成后验证是否成功qt-erect --version # 或使用缩写 qte --help你应该能看到命令的帮助信息列出了可用的子命令如init,agent,run,skill等。3.3 配置模型 API 密钥关键步骤QT Erect 本身不提供 AI 能力它需要连接一个大语言模型作为“大脑”。你需要配置一个模型提供商。选项A使用 OpenAI GPT云端能力强有成本获取 OpenAI API Key访问 OpenAI Platform 创建。配置 QT Erectqte config set llm.provider openai qte config set openai.api_key sk-你的真实api密钥 # 可选指定模型默认为 gpt-4-turbo-preview qte config set llm.model gpt-4o选项B使用本地 Ollama免费隐私好速度取决于硬件确保 Ollama 已安装并运行。在 Ollama 中拉取一个模型例如 Llama 3.1 8Bollama pull llama3.1:8b配置 QT Erect 使用本地 Ollamaqte config set llm.provider ollama qte config set ollama.base_url http://localhost:11434 qte config set llm.model llama3.1:8b选项C使用其他兼容 OpenAI API 的提供商如 Azure OpenAI, Together AI, 或国内的一些大模型平台。配置方式类似只需设置对应的base_url和api_key。# 例如配置使用 Azure OpenAI qte config set llm.provider azure qte config set azure.endpoint https://你的资源名.openai.azure.com/ qte config set azure.api_key 你的密钥 qte config set azure.deployment_name 你的部署名 qte config set llm.model gpt-4 # 这里对应部署的模型名你可以通过以下命令查看当前配置qte config list4. 第一个实战项目用 QT Erect 创建 Express.js 后端服务现在让我们通过一个完整的例子感受 QT Erect 的工作方式。我们的目标是创建一个具有用户注册、登录和 JWT 认证的 Express.js REST API。4.1 初始化项目和工作区首先我们创建一个新的项目目录并让 QT Erect 初始化它的工作区。工作区是一个包含项目代码和 QT Erect 自身配置如.qte文件夹的目录。# 1. 创建项目文件夹并进入 mkdir express-auth-api cd express-auth-api # 2. 初始化 QT Erect 工作区 # 这会创建 .qte 配置文件夹并引导你进行一些基础设置 qte init执行qte init后它会交互式地询问你项目名称 (express-auth-api)项目描述主要编程语言 (JavaScript)默认的 Agent 角色 (fullstack-developer)完成后你的目录结构会多出一个.qte文件夹里面存放着项目相关的 Agent 配置和上下文信息。4.2 创建并配置一个专属 Agent虽然初始化时创建了默认 Agent但我们最好为这个后端项目创建一个更专业的 Agent。# 创建一个名为 backend-specialist 的 Agent并指定角色和模型 qte agent create backend-specialist \ --role 资深 Node.js 后端开发工程师精通 Express.js, MongoDB, JWT 认证和 RESTful API 设计。 \ --model llama3.1:8b # 如果你配置的是 Ollama创建后我们可以查看和编辑这个 Agent 的详细配置。配置文件位于.qte/agents/backend-specialist.json。你可以手动编辑它添加更详细的系统指令例如{ name: backend-specialist, role: 资深 Node.js 后端开发工程师..., systemPrompt: 你是一个经验丰富的后端开发者。你写的代码必须遵循以下原则1. 使用 ES6 语法。2. 包含必要的错误处理。3. 使用 async/await 而非回调。4. 对用户输入进行验证。5. 代码注释清晰。你的输出只能是代码、命令或对问题的直接回答。, model: llama3.1:8b, temperature: 0.2, skills: [file.read, file.write, terminal.run, code.analyze] }4.3 向 Agent 下达第一个任务初始化项目骨架现在让我们激活这个 Agent并给它第一个任务。我们将使用qte run命令在当前的express-auth-api目录下执行。# 确保当前目录是 express-auth-api pwd # 使用 backend-specialist 这个 Agent 来运行任务 qte run --agent backend-specialist \ 初始化一个 Express.js 项目。要求1. 使用 npm 初始化。2. 安装 express, mongoose, dotenv, bcryptjs, jsonwebtoken, cors 这几个核心依赖。3. 创建基本的项目结构app.js 作为入口routes/ 和 models/ 文件夹。4. 创建一个 .gitignore 文件忽略 node_modules 和 .env。发生了什么QT Erect 的 CLI 会将你的任务描述发送给配置的 LLM例如本地的 Llama 3.1。LLM 会理解任务并将其分解成一系列步骤规划。QT Erect 的引擎会按步骤执行调用相应的 SkillTerminalSkill: 执行npm init -y。TerminalSkill: 执行npm install express mongoose dotenv bcryptjs jsonwebtoken cors。FileWriteSkill: 创建app.js文件并写入基本的 Express 服务器代码。FileWriteSkill: 创建routes/和models/目录。FileWriteSkill: 创建.gitignore文件。执行过程中CLI 会实时输出每一步的动作和结果。执行完成后你的项目目录应该已经生成了基础框架。让我们检查一下app.js的内容// 文件app.js const express require(express); const mongoose require(mongoose); const dotenv require(dotenv); const cors require(cors); dotenv.config(); const app express(); const PORT process.env.PORT || 3000; // 中间件 app.use(cors()); app.use(express.json()); app.use(express.urlencoded({ extended: true })); // 简单的根路由 app.get(/, (req, res) { res.json({ message: Welcome to the Auth API }); }); // 连接 MongoDB (假设环境变量 MONGODB_URI 已设置) mongoose.connect(process.env.MONGODB_URI, { useNewUrlParser: true, useUnifiedTopology: true, }) .then(() console.log(MongoDB connected)) .catch(err console.error(MongoDB connection error:, err)); // 启动服务器 app.listen(PORT, () { console.log(Server is running on port ${PORT}); });看它不仅仅安装了包还生成了结构化的、可运行的代码这比手动操作快得多而且避免了遗漏依赖。4.4 下达复杂任务实现用户注册和登录 API基础骨架有了现在我们来构建核心功能。这是一个更复杂的任务涉及多个文件的协同创建。qte run --agent backend-specialist \ 请实现完整的用户认证系统。 1. 在 models/ 目录下创建 User.js 模型。字段包括username (唯一), email (唯一), password (哈希存储), createdAt。 2. 在 routes/ 目录下创建 auth.js 路由文件。实现两个 POST 接口 - /api/auth/register: 接收 username, email, password验证后保存到数据库密码需用 bcryptjs 哈希。返回成功信息和用户ID。 - /api/auth/login: 接收 email 和 password验证用户是否存在及密码是否正确。如果正确使用 jsonwebtoken 生成一个 JWT 令牌并返回。令牌有效期为 7天。 3. 在 app.js 中引入并使用 auth 路由将其挂载到 /api 路径下。 4. 创建一个 .env.example 文件列出需要的环境变量如 MONGODB_URI, JWT_SECRET, PORT。 5. 最后在 package.json 的 scripts 里添加一个 dev 命令使用 nodemon 来启动应用如果 nodemon 未安装请先安装。这个任务非常具体考验的是 Agent 的上下文理解和多步骤协调能力。让我们看看它生成的关键文件。生成的 User 模型 (models/User.js):const mongoose require(mongoose); const bcrypt require(bcryptjs); const userSchema new mongoose.Schema({ username: { type: String, required: true, unique: true, trim: true, minlength: 3 }, email: { type: String, required: true, unique: true, trim: true, lowercase: true, match: [/^\S\S\.\S$/, Please enter a valid email] }, password: { type: String, required: true, minlength: 6 }, createdAt: { type: Date, default: Date.now } }); // 保存前哈希密码 userSchema.pre(save, async function(next) { if (!this.isModified(password)) return next(); try { const salt await bcrypt.genSalt(10); this.password await bcrypt.hash(this.password, salt); next(); } catch (error) { next(error); } }); // 验证密码的方法 userSchema.methods.comparePassword async function(candidatePassword) { return await bcrypt.compare(candidatePassword, this.password); }; module.exports mongoose.model(User, userSchema);生成的身份验证路由 (routes/auth.js):const express require(express); const router express.Router(); const User require(../models/User); const jwt require(jsonwebtoken); const { body, validationResult } require(express-validator); // 注册 router.post(/register, [ body(username).isLength({ min: 3 }).trim(), body(email).isEmail().normalizeEmail(), body(password).isLength({ min: 6 }) ], async (req, res) { const errors validationResult(req); if (!errors.isEmpty()) { return res.status(400).json({ errors: errors.array() }); } const { username, email, password } req.body; try { // 检查用户是否已存在 let user await User.findOne({ $or: [{ email }, { username }] }); if (user) { return res.status(400).json({ message: User already exists }); } // 创建新用户 user new User({ username, email, password }); await user.save(); res.status(201).json({ message: User registered successfully, userId: user._id }); } catch (error) { console.error(error); res.status(500).json({ message: Server error }); } }); // 登录 router.post(/login, [ body(email).isEmail().normalizeEmail(), body(password).exists() ], async (req, res) { const errors validationResult(req); if (!errors.isEmpty()) { return res.status(400).json({ errors: errors.array() }); } const { email, password } req.body; try { // 查找用户 const user await User.findOne({ email }); if (!user) { return res.status(401).json({ message: Invalid credentials }); } // 验证密码 const isMatch await user.comparePassword(password); if (!isMatch) { return res.status(401).json({ message: Invalid credentials }); } // 生成 JWT const payload { userId: user._id, email: user.email }; const token jwt.sign(payload, process.env.JWT_SECRET, { expiresIn: 7d }); res.json({ message: Login successful, token, user: { id: user._id, username: user.username, email: user.email } }); } catch (error) { console.error(error); res.status(500).json({ message: Server error }); } }); module.exports router;更新后的app.js路由部分// ... 前面的引入和中间件代码不变 ... // 引入路由 const authRoutes require(./routes/auth); // 使用路由 app.use(/api, authRoutes); // 注意这里挂载到了 /api 下 // ... 后面的数据库连接和服务器启动代码不变 ...生成的.env.example文件MONGODB_URImongodb://localhost:27017/your_database_name JWT_SECRETyour_super_secret_jwt_key_change_this_in_production PORT3000更新后的package.jsonscripts{ scripts: { start: node app.js, dev: nodemon app.js } }整个过程你只需要下达一个清晰的指令QT Erect 就自动完成了多个文件的创建、逻辑编写和关联修改。这极大地提升了从零到一的构建速度。5. 运行与验证让 API 真正跑起来代码生成好了我们得验证它是否能工作。QT Erect 也可以帮我们完成初步的测试。5.1 安装缺失的依赖并启动服务我们注意到生成的auth.js中使用了express-validator进行输入验证但之前的安装命令里没有。同时我们需要安装nodemon用于开发热重载。让我们用 QT Erect 来补全qte run --agent backend-specialist 检查当前项目的 package.json安装缺失的依赖 express-validator 和 nodemon。它会执行npm install express-validator nodemon --save。接下来创建真实的.env文件基于.env.example并启动服务# 1. 复制环境变量示例文件并编辑 cp .env.example .env # 使用你喜欢的编辑器如 vim, nano, code编辑 .env填入真实的 MongoDB 连接字符串和 JWT 密钥。 # 2. 启动 MongoDB 服务确保你本地安装了 MongoDB 并已启动 # 例如在 macOS 上使用 Homebrew 安装后通常这样启动 # brew services start mongodb-community # 3. 使用 QT Erect 启动开发服务器 qte run --agent backend-specialist 使用 npm run dev 命令启动开发服务器并检查控制台输出是否正常。这个命令会执行npm run dev你将在终端看到服务器启动的日志。5.2 使用 QT Erect 进行 API 测试现在我们可以让 Agent 帮我们写一个简单的测试脚本来验证 API。这展示了 QT Erect 在“测试”这个技能上的应用。qte run --agent backend-specialist 在项目根目录创建一个简单的测试脚本 test_auth.js使用 node-fetch 或内置的 http 模块来测试 /api/auth/register 和 /api/auth/login 接口。先注册一个测试用户然后用该用户登录打印出返回的令牌。它会生成一个类似下面的测试脚本// 文件test_auth.js const fetch (...args) import(node-fetch).then(({default: fetch}) fetch(...args)); const API_BASE http://localhost:3000/api/auth; async function testAuth() { console.log(Testing registration...); const registerRes await fetch(${API_BASE}/register, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ username: testuser, email: testexample.com, password: password123 }) }); const registerData await registerRes.json(); console.log(Register response:, registerData); if (registerRes.ok) { console.log(\nTesting login...); const loginRes await fetch(${API_BASE}/login, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ email: testexample.com, password: password123 }) }); const loginData await loginRes.json(); console.log(Login response:, loginData); if (loginRes.ok) { console.log(\n✅ JWT Token received:, loginData.token); } } else { console.error(Registration failed:, registerData); } } testAuth().catch(console.error);然后它会提示你安装node-fetch并运行测试npm install node-fetch2 node test_auth.js如果一切顺利你将在终端看到注册和登录成功的响应并获得一个 JWT 令牌。至此一个具备基础认证功能的 Express.js 后端服务从无到有在 QT Erect 的辅助下快速搭建完成。6. 深入探索自定义 Skill 与工作流QT Erect 的强大之处在于其可扩展性。当内置 Skill 不够用时你可以创建自定义 Skill。6.1 创建一个简单的自定义 Skill代码格式化假设我们希望在每次 Agent 写入代码后自动用 Prettier 格式化。我们可以创建一个FormatCodeSkill。在.qte/skills/目录下创建新文件mkdir -p .qte/skills touch .qte/skills/format-code.js编写 Skill 逻辑(format-code.js)// .qte/skills/format-code.js const { exec } require(child_process); const { promisify } require(util); const execAsync promisify(exec); module.exports { name: format.code, description: 使用 Prettier 格式化指定文件或整个项目的代码。, async execute(args, context) { const { filePath, projectPath . } args; let command; if (filePath) { // 格式化单个文件 command npx prettier --write ${filePath}; } else { // 格式化整个项目特定扩展名 command npx prettier --write ${projectPath}/**/*.{js,json,md}; } try { const { stdout, stderr } await execAsync(command, { cwd: context.projectRoot }); return { success: true, message: 代码格式化成功。${stdout || }, details: { command, stdout, stderr } }; } catch (error) { return { success: false, message: 代码格式化失败: ${error.message}, error: error.toString() }; } }, // 定义 Skill 所需的参数 parameters: { filePath: { type: string, description: 要格式化的文件路径可选 }, projectPath: { type: string, description: 项目根路径默认为当前目录 } } };在 Agent 配置中启用这个 Skill 编辑.qte/agents/backend-specialist.json在skills数组中加入format.code。使用自定义 Skill 现在当你给 Agent 下达任务时它可以在规划中自主决定是否调用这个 Skill。你也可以在qte run命令中手动触发如果未来 CLI 支持直接调用 Skill 的话。更常见的用法是在其他 Skill如FileWriteSkill执行后由系统自动触发格式化。这个例子展示了如何将你团队的开发规范如代码风格融入到 AI 辅助工作流中实现更高程度的自动化。7. 常见问题与排查思路 (QA)在实际使用中你可能会遇到一些问题。以下是一些常见情况及解决方法。问题现象可能原因排查方式解决方案qte run命令无响应或报错LLM provider not configured未正确配置模型 API。运行qte config list检查llm.provider和对应 API Key/URL。参考第3.3节正确配置 OpenAI 或 Ollama。确保 Ollama 服务正在运行 (ollama serve)。Agent 生成的代码有语法错误或逻辑问题1. 使用的模型能力不足如小参数本地模型。2. 任务描述不够清晰。3. Agent 的systemPrompt不够具体。1. 查看生成代码的具体错误。2. 检查任务描述是否模糊。3. 尝试更换更强模型如 GPT-4。1. 优化任务描述分步骤、更具体。2. 在 Agent 配置中强化systemPrompt明确编码规范。3. 对于关键代码生成后仍需人工 review。执行TerminalSkill如npm install失败1. 网络问题。2. 项目目录权限问题。3. 命令本身错误如包名错误。查看 QT Erect 输出的错误日志找到失败的具体命令和错误信息。1. 手动在项目目录下执行该命令确认问题。2. 确保 QT Erect 有足够的权限在项目目录执行命令。3. 将复杂命令拆分成多个简单任务。生成的代码不符合现有项目结构或风格Agent 的上下文Context未包含足够的项目信息。检查.qte目录下的上下文文件看是否包含了当前项目的关键文件如package.json。1. 在任务描述中明确指出“基于现有项目”和“遵循现有风格”。2. 考虑在运行任务前让 Agent 先读取关键配置文件 (qte run ... 先阅读 package.json 了解项目依赖)。任务执行时间过长或卡住1. 模型响应慢尤其是本地大模型。2. 任务过于复杂规划步骤太多。3. 某个 Skill 执行超时如网络请求。观察 CLI 输出看卡在哪一步。1. 对于复杂任务拆分成多个qte run命令分步执行。2. 为网络请求类 Skill 设置超时时间。3. 考虑使用响应更快的模型。自定义 Skill 不生效1. Skill 文件路径或命名错误。2. Skill 的module.exports格式不正确。3. Agent 配置中未正确引用。1. 检查文件是否在.qte/skills/目录下。2. 检查 Skill 的name是否与 Agent 配置中引用的完全一致。3. 尝试在 Skill 文件中添加console.log调试。1. 严格按照示例格式编写 Skill。2. 重启 QT Erect CLI 进程确保加载最新配置。8. 最佳实践与工程建议将 QT Erect 有效地融入团队开发流程需要一些最佳实践。从简单任务开始逐步增加复杂度不要一开始就让它构建整个微服务架构。从“创建一个 CRUD 模块”、“添加一个环境变量配置”等小任务开始建立信任并理解其工作模式。任务描述要具体、结构化模糊的指令得到模糊的结果。使用清晰的步骤、明确的约束如“使用 async/await”、“添加错误处理”、“遵循 Airbnb JavaScript 风格指南”。版本控制是生命线务必在使用 QT Erect 修改代码前先提交一次 Git。AI 生成的代码可能不完美甚至有问题。有了版本控制你可以轻松地回滚到修改前的状态。代码审查Code Review必不可少将 QT Erect 视为一个强大的初级程序员它的输出必须经过资深工程师的审查。重点审查安全性如密码哈希、JWT 实现、业务逻辑正确性和性能。为不同场景创建专用 Agent不要用一个“万能”Agent。为“前端 React 开发”、“后端 API 设计”、“数据库迁移”、“基础设施即代码IaC”等创建不同的 Agent并赋予针对性的systemPrompt和 Skill 集合。管理好模型成本与性能对于日常的、模式固定的代码生成可以使用成本较低的本地模型如 Qwen2.5-Coder。对于复杂的架构设计或疑难问题排查再切换到能力更强的云端模型如 GPT-4。在配置中灵活切换。将 QT Erect 集成到 CI/CD 管道谨慎可以探索在自动化测试或代码生成流水线中调用 QT Erect例如自动为新的 API 规范生成客户端 SDK 代码。但这需要极其严格的测试和验证。安全第一永远不要将包含敏感信息如生产数据库密码、私钥的项目目录或任务描述交给连接到云端模型的 QT Erect。对于敏感操作坚持使用本地模型或在隔离环境中进行。QT Erect 代表的是一种新的开发范式人机协同编程。它不是为了取代开发者而是将开发者从重复、繁琐、模式化的劳动中解放出来让我们能更专注于创造性的架构设计、复杂的业务逻辑和深度的性能优化。它的“好玩”在于它降低了将想法快速实现为代码的门槛让开发过程变得更加流畅和有趣。当然它目前仍处于快速发展阶段工具链、稳定性和生态都需要时间完善。但对于愿意拥抱变化、追求效率的开发者来说现在正是深入探索和塑造这类工具的最佳时机。建议你从一个小型个人项目开始尝试亲自体会它如何改变你的工作流。 QT Erect：AI驱动的全栈开发环境，让AI成为你的结对程序员
如果你最近在关注 AI 编程助手可能会发现一个现象GitHub 上那些“一键生成代码”的 Agent 项目层出不穷但真正能让你在本地 IDE 里丝滑用起来的却少之又少。要么是配置复杂依赖一堆环境要么是功能单一只能完成特定任务要么就是模型调用成本高用起来提心吊胆。今天要聊的QT Erect就是近期在开发者社区里热度颇高的一个项目。它不是一个简单的代码生成工具而是一个定位为“AI 驱动的全栈开发环境”的智能体。这个名字听起来有点“不正经”但它的目标却很实在让 AI 真正成为你开发工作流中的“结对程序员”从需求分析、代码生成、调试、测试到文档编写提供端到端的辅助。很多人第一眼看到“QT Erect”会误以为它和经典的 Qt GUI 框架有什么关系。其实不然这里的“QT”更像是“Quick Thoughtful”的缩写强调快速和深思熟虑的响应。而“Erect”则暗示了其构建和搭建的能力。所以这个项目的核心卖点是通过一个集成的、可配置的智能体系统来理解和执行复杂的开发任务。那么它到底“泰好玩了”在哪里仅仅是又一个套壳 ChatGPT 的工具吗经过对项目文档、源码和社区讨论的梳理我发现它的设计思路有几个关键差异点任务拆解与规划能力它不只是根据单条指令生成代码片段而是能理解一个相对模糊的需求如“帮我搭建一个用户登录系统”并自动拆解成数据库设计、API 接口、前端页面、安全校验等一系列子任务然后按顺序执行。上下文感知与工程化集成它能读取你现有的项目结构、配置文件如package.json,pom.xml理解项目的技术栈和规范在此基础上进行代码增删改查而不是凭空创造。多工具协同Skill它内置或可扩展多种“技能”Skill如执行终端命令、读写文件、运行测试、调用外部 API 等让 AI 不仅能“说”还能“做”。本地优先与成本可控虽然支持 OpenAI GPT 系列等云端大模型但也积极兼容本地部署的模型如通过 Ollama 调用 Llama 3、Qwen 等让开发者可以在隐私、成本和响应速度之间做权衡。这篇文章我们就来彻底拆解一下 QT Erect。我不会只复述官方文档而是会结合一个真实的“创建 Express.js 后端服务”的示例带你从零开始体验如何用它来提升开发效率同时也会指出当前版本的“坑”在哪里以及它最适合什么样的开发者。1. QT Erect 解决了什么真实开发痛点在深入技术细节之前我们必须先回答作为一个开发者我为什么要关注它它替代的是我工作流中的哪个环节想象一下这些场景场景一项目初始化老板说“我们需要一个新的内部管理后台用 React 前端和 Node.js 后端要包含用户权限管理”。传统的做法是你手动创建项目文件夹npm init安装几十个依赖express, mongoose, bcrypt, jsonwebtoken, cors...然后逐个编写模型、路由、控制器、中间件。这个过程重复、繁琐且容易遗漏。场景二功能迭代产品经理提了一个新需求“给用户表加一个‘最后登录时间’字段并在管理后台列表页显示。”你需要1. 修改数据库模型2. 创建或更新迁移脚本3. 修改后端接口返回该字段4. 修改前端 API 调用层5. 更新前端表格列。你需要在不同文件间切换确保一致性。场景三调试与排查一个 API 突然返回 500 错误。你需要看日志、猜原因、写测试用例复现、定位问题代码。这个过程高度依赖经验。QT Erect 瞄准的正是这些重复性高、模式固定、但跨多个文件和层级的开发任务。它试图扮演一个“超级助手”痛点一项目脚手架搭建慢- QT Erect 可以通过一条指令生成一个结构清晰、包含基础依赖和配置的完整项目骨架。痛点二跨模块修改容易出错- QT Erect 可以理解整个修改的上下文一次性生成或修改所有关联文件保持逻辑一致。痛点三上下文切换成本高- QT Erect 集成在开发环境中或通过 CLI你无需离开编码界面就能让它执行查询、生成、测试等任务。所以它的核心价值不是“写出惊为天人的算法”而是“将最佳实践和常见模式自动化”把开发者从繁琐的“体力活”中解放出来更专注于核心业务逻辑和架构设计。它最适合的是全栈开发者、创业团队快速原型验证、以及需要维护多个相似技术栈项目的工程师。2. 核心概念Agent, Skill 与工作流要玩转 QT Erect必须理解它的三个核心概念这决定了你如何使用它。2.1 Agent智能体你的专属“程序员”在 QT Erect 中Agent 是执行任务的核心实体。你可以把它想象成一个虚拟的、拥有特定技能和知识的程序员。一个 Agent 包含身份Role例如“资深 Node.js 后端开发”、“React 前端专家”、“系统架构师”。这会影响它生成代码的风格和决策倾向。目标Goal你给它的任务描述。上下文Context它所能访问的项目文件、对话历史、系统指令等。技能Skills它能够调用的具体工具。你通常会针对不同的项目类型如 Web 后端、数据爬虫、移动应用配置不同的 Agent。2.2 Skill技能Agent 可以使用的工具Skill 是 Agent 能力的具象化。一个 Skill 就是一个可执行的操作。QT Erect 内置了一些基础 Skill例如FileReadSkill: 读取文件内容。FileWriteSkill: 写入或修改文件。TerminalSkill: 在项目目录下执行 shell 命令如npm install,git add。CodeAnalysisSkill: 分析代码结构理解依赖关系。TestRunnerSkill: 运行测试用例。更强大的是你可以自定义 Skill。比如你可以写一个DeployToCloudSkill封装调用云平台 API 部署应用的逻辑。Agent 在规划任务时会自主决定调用哪些 Skill。2.3 工作流Workflow任务的执行蓝图当你给 Agent 一个复杂任务时它内部会进行“思考”将任务分解成一系列有序的步骤这就是工作流。例如任务“创建用户登录 API”可能被分解为检查当前项目结构确认是 Node.js 项目。使用TerminalSkill安装必要依赖express, bcrypt, jsonwebtoken。使用FileWriteSkill创建models/User.js文件数据模型。使用FileWriteSkill创建routes/auth.js文件路由。使用FileWriteSkill修改app.js挂载新路由。使用TerminalSkill运行一个简单的 curl 命令测试 API。这个规划过程通常由大语言模型LLM驱动这也是 QT Erect 智能化的体现。3. 环境准备与安装部署QT Erect 目前主要提供 CLI命令行界面工具可以集成到任何开发环境中。我们以 macOS/Linux 系统为例从零开始安装和配置。3.1 前置条件确保你的系统已安装Node.js版本 18 或更高。这是运行 QT Erect 的基础。npm 或 yarn包管理工具。Git用于克隆项目和版本控制。Python 3可选部分 Skill 或底层库可能需要。Ollama可选但强烈推荐如果你想在本地运行大模型如 Llama 3、Qwen2.5需要先安装 Ollama。这是控制成本和保护隐私的关键。# 检查 Node.js 和 npm 版本 node --version npm --version # 检查 Git git --version # 安装 Ollama (Mac/Linux) # 访问 https://ollama.com/ 下载安装或使用命令行 curl -fsSL https://ollama.com/install.sh | sh3.2 安装 QT Erect CLIQT Erect 可以通过 npm 全局安装。打开你的终端执行npm install -g qt-erect-cli安装完成后验证是否成功qt-erect --version # 或使用缩写 qte --help你应该能看到命令的帮助信息列出了可用的子命令如init,agent,run,skill等。3.3 配置模型 API 密钥关键步骤QT Erect 本身不提供 AI 能力它需要连接一个大语言模型作为“大脑”。你需要配置一个模型提供商。选项A使用 OpenAI GPT云端能力强有成本获取 OpenAI API Key访问 OpenAI Platform 创建。配置 QT Erectqte config set llm.provider openai qte config set openai.api_key sk-你的真实api密钥 # 可选指定模型默认为 gpt-4-turbo-preview qte config set llm.model gpt-4o选项B使用本地 Ollama免费隐私好速度取决于硬件确保 Ollama 已安装并运行。在 Ollama 中拉取一个模型例如 Llama 3.1 8Bollama pull llama3.1:8b配置 QT Erect 使用本地 Ollamaqte config set llm.provider ollama qte config set ollama.base_url http://localhost:11434 qte config set llm.model llama3.1:8b选项C使用其他兼容 OpenAI API 的提供商如 Azure OpenAI, Together AI, 或国内的一些大模型平台。配置方式类似只需设置对应的base_url和api_key。# 例如配置使用 Azure OpenAI qte config set llm.provider azure qte config set azure.endpoint https://你的资源名.openai.azure.com/ qte config set azure.api_key 你的密钥 qte config set azure.deployment_name 你的部署名 qte config set llm.model gpt-4 # 这里对应部署的模型名你可以通过以下命令查看当前配置qte config list4. 第一个实战项目用 QT Erect 创建 Express.js 后端服务现在让我们通过一个完整的例子感受 QT Erect 的工作方式。我们的目标是创建一个具有用户注册、登录和 JWT 认证的 Express.js REST API。4.1 初始化项目和工作区首先我们创建一个新的项目目录并让 QT Erect 初始化它的工作区。工作区是一个包含项目代码和 QT Erect 自身配置如.qte文件夹的目录。# 1. 创建项目文件夹并进入 mkdir express-auth-api cd express-auth-api # 2. 初始化 QT Erect 工作区 # 这会创建 .qte 配置文件夹并引导你进行一些基础设置 qte init执行qte init后它会交互式地询问你项目名称 (express-auth-api)项目描述主要编程语言 (JavaScript)默认的 Agent 角色 (fullstack-developer)完成后你的目录结构会多出一个.qte文件夹里面存放着项目相关的 Agent 配置和上下文信息。4.2 创建并配置一个专属 Agent虽然初始化时创建了默认 Agent但我们最好为这个后端项目创建一个更专业的 Agent。# 创建一个名为 backend-specialist 的 Agent并指定角色和模型 qte agent create backend-specialist \ --role 资深 Node.js 后端开发工程师精通 Express.js, MongoDB, JWT 认证和 RESTful API 设计。 \ --model llama3.1:8b # 如果你配置的是 Ollama创建后我们可以查看和编辑这个 Agent 的详细配置。配置文件位于.qte/agents/backend-specialist.json。你可以手动编辑它添加更详细的系统指令例如{ name: backend-specialist, role: 资深 Node.js 后端开发工程师..., systemPrompt: 你是一个经验丰富的后端开发者。你写的代码必须遵循以下原则1. 使用 ES6 语法。2. 包含必要的错误处理。3. 使用 async/await 而非回调。4. 对用户输入进行验证。5. 代码注释清晰。你的输出只能是代码、命令或对问题的直接回答。, model: llama3.1:8b, temperature: 0.2, skills: [file.read, file.write, terminal.run, code.analyze] }4.3 向 Agent 下达第一个任务初始化项目骨架现在让我们激活这个 Agent并给它第一个任务。我们将使用qte run命令在当前的express-auth-api目录下执行。# 确保当前目录是 express-auth-api pwd # 使用 backend-specialist 这个 Agent 来运行任务 qte run --agent backend-specialist \ 初始化一个 Express.js 项目。要求1. 使用 npm 初始化。2. 安装 express, mongoose, dotenv, bcryptjs, jsonwebtoken, cors 这几个核心依赖。3. 创建基本的项目结构app.js 作为入口routes/ 和 models/ 文件夹。4. 创建一个 .gitignore 文件忽略 node_modules 和 .env。发生了什么QT Erect 的 CLI 会将你的任务描述发送给配置的 LLM例如本地的 Llama 3.1。LLM 会理解任务并将其分解成一系列步骤规划。QT Erect 的引擎会按步骤执行调用相应的 SkillTerminalSkill: 执行npm init -y。TerminalSkill: 执行npm install express mongoose dotenv bcryptjs jsonwebtoken cors。FileWriteSkill: 创建app.js文件并写入基本的 Express 服务器代码。FileWriteSkill: 创建routes/和models/目录。FileWriteSkill: 创建.gitignore文件。执行过程中CLI 会实时输出每一步的动作和结果。执行完成后你的项目目录应该已经生成了基础框架。让我们检查一下app.js的内容// 文件app.js const express require(express); const mongoose require(mongoose); const dotenv require(dotenv); const cors require(cors); dotenv.config(); const app express(); const PORT process.env.PORT || 3000; // 中间件 app.use(cors()); app.use(express.json()); app.use(express.urlencoded({ extended: true })); // 简单的根路由 app.get(/, (req, res) { res.json({ message: Welcome to the Auth API }); }); // 连接 MongoDB (假设环境变量 MONGODB_URI 已设置) mongoose.connect(process.env.MONGODB_URI, { useNewUrlParser: true, useUnifiedTopology: true, }) .then(() console.log(MongoDB connected)) .catch(err console.error(MongoDB connection error:, err)); // 启动服务器 app.listen(PORT, () { console.log(Server is running on port ${PORT}); });看它不仅仅安装了包还生成了结构化的、可运行的代码这比手动操作快得多而且避免了遗漏依赖。4.4 下达复杂任务实现用户注册和登录 API基础骨架有了现在我们来构建核心功能。这是一个更复杂的任务涉及多个文件的协同创建。qte run --agent backend-specialist \ 请实现完整的用户认证系统。 1. 在 models/ 目录下创建 User.js 模型。字段包括username (唯一), email (唯一), password (哈希存储), createdAt。 2. 在 routes/ 目录下创建 auth.js 路由文件。实现两个 POST 接口 - /api/auth/register: 接收 username, email, password验证后保存到数据库密码需用 bcryptjs 哈希。返回成功信息和用户ID。 - /api/auth/login: 接收 email 和 password验证用户是否存在及密码是否正确。如果正确使用 jsonwebtoken 生成一个 JWT 令牌并返回。令牌有效期为 7天。 3. 在 app.js 中引入并使用 auth 路由将其挂载到 /api 路径下。 4. 创建一个 .env.example 文件列出需要的环境变量如 MONGODB_URI, JWT_SECRET, PORT。 5. 最后在 package.json 的 scripts 里添加一个 dev 命令使用 nodemon 来启动应用如果 nodemon 未安装请先安装。这个任务非常具体考验的是 Agent 的上下文理解和多步骤协调能力。让我们看看它生成的关键文件。生成的 User 模型 (models/User.js):const mongoose require(mongoose); const bcrypt require(bcryptjs); const userSchema new mongoose.Schema({ username: { type: String, required: true, unique: true, trim: true, minlength: 3 }, email: { type: String, required: true, unique: true, trim: true, lowercase: true, match: [/^\S\S\.\S$/, Please enter a valid email] }, password: { type: String, required: true, minlength: 6 }, createdAt: { type: Date, default: Date.now } }); // 保存前哈希密码 userSchema.pre(save, async function(next) { if (!this.isModified(password)) return next(); try { const salt await bcrypt.genSalt(10); this.password await bcrypt.hash(this.password, salt); next(); } catch (error) { next(error); } }); // 验证密码的方法 userSchema.methods.comparePassword async function(candidatePassword) { return await bcrypt.compare(candidatePassword, this.password); }; module.exports mongoose.model(User, userSchema);生成的身份验证路由 (routes/auth.js):const express require(express); const router express.Router(); const User require(../models/User); const jwt require(jsonwebtoken); const { body, validationResult } require(express-validator); // 注册 router.post(/register, [ body(username).isLength({ min: 3 }).trim(), body(email).isEmail().normalizeEmail(), body(password).isLength({ min: 6 }) ], async (req, res) { const errors validationResult(req); if (!errors.isEmpty()) { return res.status(400).json({ errors: errors.array() }); } const { username, email, password } req.body; try { // 检查用户是否已存在 let user await User.findOne({ $or: [{ email }, { username }] }); if (user) { return res.status(400).json({ message: User already exists }); } // 创建新用户 user new User({ username, email, password }); await user.save(); res.status(201).json({ message: User registered successfully, userId: user._id }); } catch (error) { console.error(error); res.status(500).json({ message: Server error }); } }); // 登录 router.post(/login, [ body(email).isEmail().normalizeEmail(), body(password).exists() ], async (req, res) { const errors validationResult(req); if (!errors.isEmpty()) { return res.status(400).json({ errors: errors.array() }); } const { email, password } req.body; try { // 查找用户 const user await User.findOne({ email }); if (!user) { return res.status(401).json({ message: Invalid credentials }); } // 验证密码 const isMatch await user.comparePassword(password); if (!isMatch) { return res.status(401).json({ message: Invalid credentials }); } // 生成 JWT const payload { userId: user._id, email: user.email }; const token jwt.sign(payload, process.env.JWT_SECRET, { expiresIn: 7d }); res.json({ message: Login successful, token, user: { id: user._id, username: user.username, email: user.email } }); } catch (error) { console.error(error); res.status(500).json({ message: Server error }); } }); module.exports router;更新后的app.js路由部分// ... 前面的引入和中间件代码不变 ... // 引入路由 const authRoutes require(./routes/auth); // 使用路由 app.use(/api, authRoutes); // 注意这里挂载到了 /api 下 // ... 后面的数据库连接和服务器启动代码不变 ...生成的.env.example文件MONGODB_URImongodb://localhost:27017/your_database_name JWT_SECRETyour_super_secret_jwt_key_change_this_in_production PORT3000更新后的package.jsonscripts{ scripts: { start: node app.js, dev: nodemon app.js } }整个过程你只需要下达一个清晰的指令QT Erect 就自动完成了多个文件的创建、逻辑编写和关联修改。这极大地提升了从零到一的构建速度。5. 运行与验证让 API 真正跑起来代码生成好了我们得验证它是否能工作。QT Erect 也可以帮我们完成初步的测试。5.1 安装缺失的依赖并启动服务我们注意到生成的auth.js中使用了express-validator进行输入验证但之前的安装命令里没有。同时我们需要安装nodemon用于开发热重载。让我们用 QT Erect 来补全qte run --agent backend-specialist 检查当前项目的 package.json安装缺失的依赖 express-validator 和 nodemon。它会执行npm install express-validator nodemon --save。接下来创建真实的.env文件基于.env.example并启动服务# 1. 复制环境变量示例文件并编辑 cp .env.example .env # 使用你喜欢的编辑器如 vim, nano, code编辑 .env填入真实的 MongoDB 连接字符串和 JWT 密钥。 # 2. 启动 MongoDB 服务确保你本地安装了 MongoDB 并已启动 # 例如在 macOS 上使用 Homebrew 安装后通常这样启动 # brew services start mongodb-community # 3. 使用 QT Erect 启动开发服务器 qte run --agent backend-specialist 使用 npm run dev 命令启动开发服务器并检查控制台输出是否正常。这个命令会执行npm run dev你将在终端看到服务器启动的日志。5.2 使用 QT Erect 进行 API 测试现在我们可以让 Agent 帮我们写一个简单的测试脚本来验证 API。这展示了 QT Erect 在“测试”这个技能上的应用。qte run --agent backend-specialist 在项目根目录创建一个简单的测试脚本 test_auth.js使用 node-fetch 或内置的 http 模块来测试 /api/auth/register 和 /api/auth/login 接口。先注册一个测试用户然后用该用户登录打印出返回的令牌。它会生成一个类似下面的测试脚本// 文件test_auth.js const fetch (...args) import(node-fetch).then(({default: fetch}) fetch(...args)); const API_BASE http://localhost:3000/api/auth; async function testAuth() { console.log(Testing registration...); const registerRes await fetch(${API_BASE}/register, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ username: testuser, email: testexample.com, password: password123 }) }); const registerData await registerRes.json(); console.log(Register response:, registerData); if (registerRes.ok) { console.log(\nTesting login...); const loginRes await fetch(${API_BASE}/login, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ email: testexample.com, password: password123 }) }); const loginData await loginRes.json(); console.log(Login response:, loginData); if (loginRes.ok) { console.log(\n✅ JWT Token received:, loginData.token); } } else { console.error(Registration failed:, registerData); } } testAuth().catch(console.error);然后它会提示你安装node-fetch并运行测试npm install node-fetch2 node test_auth.js如果一切顺利你将在终端看到注册和登录成功的响应并获得一个 JWT 令牌。至此一个具备基础认证功能的 Express.js 后端服务从无到有在 QT Erect 的辅助下快速搭建完成。6. 深入探索自定义 Skill 与工作流QT Erect 的强大之处在于其可扩展性。当内置 Skill 不够用时你可以创建自定义 Skill。6.1 创建一个简单的自定义 Skill代码格式化假设我们希望在每次 Agent 写入代码后自动用 Prettier 格式化。我们可以创建一个FormatCodeSkill。在.qte/skills/目录下创建新文件mkdir -p .qte/skills touch .qte/skills/format-code.js编写 Skill 逻辑(format-code.js)// .qte/skills/format-code.js const { exec } require(child_process); const { promisify } require(util); const execAsync promisify(exec); module.exports { name: format.code, description: 使用 Prettier 格式化指定文件或整个项目的代码。, async execute(args, context) { const { filePath, projectPath . } args; let command; if (filePath) { // 格式化单个文件 command npx prettier --write ${filePath}; } else { // 格式化整个项目特定扩展名 command npx prettier --write ${projectPath}/**/*.{js,json,md}; } try { const { stdout, stderr } await execAsync(command, { cwd: context.projectRoot }); return { success: true, message: 代码格式化成功。${stdout || }, details: { command, stdout, stderr } }; } catch (error) { return { success: false, message: 代码格式化失败: ${error.message}, error: error.toString() }; } }, // 定义 Skill 所需的参数 parameters: { filePath: { type: string, description: 要格式化的文件路径可选 }, projectPath: { type: string, description: 项目根路径默认为当前目录 } } };在 Agent 配置中启用这个 Skill 编辑.qte/agents/backend-specialist.json在skills数组中加入format.code。使用自定义 Skill 现在当你给 Agent 下达任务时它可以在规划中自主决定是否调用这个 Skill。你也可以在qte run命令中手动触发如果未来 CLI 支持直接调用 Skill 的话。更常见的用法是在其他 Skill如FileWriteSkill执行后由系统自动触发格式化。这个例子展示了如何将你团队的开发规范如代码风格融入到 AI 辅助工作流中实现更高程度的自动化。7. 常见问题与排查思路 (QA)在实际使用中你可能会遇到一些问题。以下是一些常见情况及解决方法。问题现象可能原因排查方式解决方案qte run命令无响应或报错LLM provider not configured未正确配置模型 API。运行qte config list检查llm.provider和对应 API Key/URL。参考第3.3节正确配置 OpenAI 或 Ollama。确保 Ollama 服务正在运行 (ollama serve)。Agent 生成的代码有语法错误或逻辑问题1. 使用的模型能力不足如小参数本地模型。2. 任务描述不够清晰。3. Agent 的systemPrompt不够具体。1. 查看生成代码的具体错误。2. 检查任务描述是否模糊。3. 尝试更换更强模型如 GPT-4。1. 优化任务描述分步骤、更具体。2. 在 Agent 配置中强化systemPrompt明确编码规范。3. 对于关键代码生成后仍需人工 review。执行TerminalSkill如npm install失败1. 网络问题。2. 项目目录权限问题。3. 命令本身错误如包名错误。查看 QT Erect 输出的错误日志找到失败的具体命令和错误信息。1. 手动在项目目录下执行该命令确认问题。2. 确保 QT Erect 有足够的权限在项目目录执行命令。3. 将复杂命令拆分成多个简单任务。生成的代码不符合现有项目结构或风格Agent 的上下文Context未包含足够的项目信息。检查.qte目录下的上下文文件看是否包含了当前项目的关键文件如package.json。1. 在任务描述中明确指出“基于现有项目”和“遵循现有风格”。2. 考虑在运行任务前让 Agent 先读取关键配置文件 (qte run ... 先阅读 package.json 了解项目依赖)。任务执行时间过长或卡住1. 模型响应慢尤其是本地大模型。2. 任务过于复杂规划步骤太多。3. 某个 Skill 执行超时如网络请求。观察 CLI 输出看卡在哪一步。1. 对于复杂任务拆分成多个qte run命令分步执行。2. 为网络请求类 Skill 设置超时时间。3. 考虑使用响应更快的模型。自定义 Skill 不生效1. Skill 文件路径或命名错误。2. Skill 的module.exports格式不正确。3. Agent 配置中未正确引用。1. 检查文件是否在.qte/skills/目录下。2. 检查 Skill 的name是否与 Agent 配置中引用的完全一致。3. 尝试在 Skill 文件中添加console.log调试。1. 严格按照示例格式编写 Skill。2. 重启 QT Erect CLI 进程确保加载最新配置。8. 最佳实践与工程建议将 QT Erect 有效地融入团队开发流程需要一些最佳实践。从简单任务开始逐步增加复杂度不要一开始就让它构建整个微服务架构。从“创建一个 CRUD 模块”、“添加一个环境变量配置”等小任务开始建立信任并理解其工作模式。任务描述要具体、结构化模糊的指令得到模糊的结果。使用清晰的步骤、明确的约束如“使用 async/await”、“添加错误处理”、“遵循 Airbnb JavaScript 风格指南”。版本控制是生命线务必在使用 QT Erect 修改代码前先提交一次 Git。AI 生成的代码可能不完美甚至有问题。有了版本控制你可以轻松地回滚到修改前的状态。代码审查Code Review必不可少将 QT Erect 视为一个强大的初级程序员它的输出必须经过资深工程师的审查。重点审查安全性如密码哈希、JWT 实现、业务逻辑正确性和性能。为不同场景创建专用 Agent不要用一个“万能”Agent。为“前端 React 开发”、“后端 API 设计”、“数据库迁移”、“基础设施即代码IaC”等创建不同的 Agent并赋予针对性的systemPrompt和 Skill 集合。管理好模型成本与性能对于日常的、模式固定的代码生成可以使用成本较低的本地模型如 Qwen2.5-Coder。对于复杂的架构设计或疑难问题排查再切换到能力更强的云端模型如 GPT-4。在配置中灵活切换。将 QT Erect 集成到 CI/CD 管道谨慎可以探索在自动化测试或代码生成流水线中调用 QT Erect例如自动为新的 API 规范生成客户端 SDK 代码。但这需要极其严格的测试和验证。安全第一永远不要将包含敏感信息如生产数据库密码、私钥的项目目录或任务描述交给连接到云端模型的 QT Erect。对于敏感操作坚持使用本地模型或在隔离环境中进行。QT Erect 代表的是一种新的开发范式人机协同编程。它不是为了取代开发者而是将开发者从重复、繁琐、模式化的劳动中解放出来让我们能更专注于创造性的架构设计、复杂的业务逻辑和深度的性能优化。它的“好玩”在于它降低了将想法快速实现为代码的门槛让开发过程变得更加流畅和有趣。当然它目前仍处于快速发展阶段工具链、稳定性和生态都需要时间完善。但对于愿意拥抱变化、追求效率的开发者来说现在正是深入探索和塑造这类工具的最佳时机。建议你从一个小型个人项目开始尝试亲自体会它如何改变你的工作流。