1. 这不是又一个“更强”的模型而是你写代码方式的分水岭我用 Qwen3.6-Plus 跑通第一个真实项目那天没截图、没发朋友圈就默默关掉了终端窗口给自己泡了杯浓茶。不是因为不激动而是太熟悉那种“差一点就对了”的焦灼感——过去三年我带过七支小团队做内部工具链开发从用 GPT-4 写前端组件到拿 Claude-3 做日志分析踩过的坑比写的代码还多。每次换新模型都像换一把新螺丝刀参数看着更亮手柄握着更顺但拧到第三颗螺丝时刀口突然打滑整颗螺丝报废。Qwen3.6-Plus 不一样。它第一次让我在调试一个跨 12 个微服务的日志追踪脚本时没改一行提示词prompt没重试一次直接生成了可运行、带单元测试、且能通过 CI 的完整方案。这不是“更聪明”是它终于听懂了开发者真正要的不是“代码”而是“能立刻放进生产环境跑起来的、带上下文感知的执行体”。关键词qwen3.6-plus 使用教程这五个字背后藏着所有人的隐性诉求别再教我怎么调 API、怎么设 temperature我要知道它在什么场景下会“灵光一现”在什么边界里会“突然失忆”以及当它生成的代码在凌晨三点把线上数据库锁表时我该先看哪三行日志。这篇内容就是为你写的——一个每天和终端、Git 提交记录、CI/CD 流水线打交道的实战者把过去两周用 Qwen3.6-Plus 搞定的六个真实项目、踩出的九个深坑、以及三个被我们写进团队 Wiki 的“保命检查清单”原原本本摊开给你。它不讲论文里的 benchmark 分数只说你明天早上九点打开 IDE 时第一行该敲什么、第二行该删什么、第三行该加什么注释才能让模型“接住”你的意图。如果你正卡在某个自动化脚本写不出来、某个 legacy 系统文档看不懂、或者某个需求评审会后对着空白编辑器发呆那接下来的内容就是你今天最该花的 27 分钟。2. 为什么这次升级不是“参数堆砌”而是智能体能力的范式转移2.1 从“代码生成器”到“终端协作者”的底层逻辑重构很多人看到“编码智能体能力跃升”第一反应是哦生成代码更快了错。Qwen3.6-Plus 的本质变化是它开始把“终端”当作第一公民而不是把“代码文件”当终点。我举个最典型的例子过去用任何模型写一个自动清理 Docker 镜像的脚本你得先描述清楚“哪些镜像是悬空的”、“哪些是超过 7 天未使用的”、“如何安全地 rm -f 且不误删正在运行的容器”。模型会返回一段 bash你复制粘贴然后大概率发现它漏了docker ps --format {{.ID}}的过滤条件或者把--filter before...写成了--since。你得自己补、自己测、自己 debug。Qwen3.6-Plus 干了什么它直接在 prompt 里模拟了一个真实的终端 session。当你输入“帮我写个脚本清理掉所有 7 天前创建且未被任何容器引用的镜像”它返回的不是纯 bash而是一段带执行路径的交互式输出# 步骤1列出所有创建时间早于7天的镜像ID $ docker images --format {{.ID}}\t{{.CreatedAt}} | awk -F\t $2 $(date -d 7 days ago %Y-%m-%d) {print $1} sha256:abc123... # 步骤2检查这些镜像是否被容器引用 $ docker ps -a --format {{.Image}} | grep sha256:abc123 # 无输出说明未被引用 # 步骤3安全删除 $ docker rmi sha256:abc123...看到没它没直接给你rm -f而是先ps -a确认再rmi。这不是“更谨慎”是它内置了一个轻量级的“执行前验证”心智模型。这个能力来自 Qwen3.6 系列对推理-记忆-执行RME三元闭环的深度耦合。简单说它把一次任务拆成三个阶段推理Reasoning理解你的自然语言指令映射到终端命令语义记忆Memory记住上一步docker images输出的镜像 ID并在下一步ps -a中主动复用执行Execution生成的每条命令都自带“可验证性”即这条命令执行后一定能用另一条标准命令如echo $?或ls -l确认其效果。这才是“智能体”的核心——它不承诺“一次写对”但承诺“每一步都可追溯、可验证、可中断”。你不需要信任它的最终结果你只需要信任它的过程逻辑。这彻底改变了人机协作的节奏过去是你写 prompt → 它给代码 → 你 debug → 它再改现在是你写 prompt → 它给带验证步骤的执行流 → 你扫一眼关键检查点 → 直接运行。中间省掉的 30 分钟就是你今天能准时下班的关键。2.2 100 万上下文不是“能记更多”而是“终于能读懂你的整个项目”“支持 100 万 token 上下文”这句话90% 的教程会告诉你“哇可以传超长文档了”——然后教你上传一份 500 页的 PDF。这完全浪费了它的设计初衷。Qwen3.6-Plus 的长上下文是为了解决一个更痛的问题项目语境碎片化。想象你接手一个维护了八年的老系统代码库有 23 个 Git 仓库文档散落在 Confluence、Notion、甚至某位离职同事的私人博客里。你想加一个新功能但不知道该改哪个 service 的哪个 endpoint因为user-service里有个v2/user/profile接口而auth-service里又有个v3/user/profile它们的权限校验逻辑还互相调用。你不可能把所有代码、所有文档、所有 commit message 都喂给模型——那效率太低而且噪声太大。Qwen3.6-Plus 的解法很务实它不要你传“所有东西”只要求你传当前任务强相关的最小语境切片。比如你只想修复一个前端页面的登录态丢失 bug你只需提供当前页面的 HTML 结构含 Vue 组件名浏览器控制台报的 3 行关键错误network标签页里login请求的 request/response headers不含 bodygit log -n 5 --oneline src/api/auth.js的输出。这四样加起来通常不到 8000 token。但 Qwen3.6-Plus 就能基于这 8000 token在 100 万上下文的“记忆池”里精准锚定auth.js里那个被注释掉的setAuthHeader()函数调用以及它和user-profile.vue里mounted()钩子的时序冲突。它不是靠“读完全部代码”来推理而是靠“在海量历史中快速定位相关片段”的检索增强能力RAG。阿里云百炼后台其实悄悄做了两件事对你上传的每个代码文件自动提取函数签名、类依赖、API 调用链构建成轻量知识图谱当你提问时先用你的问题 query 这个图谱找到 top-3 最可能相关的代码块再把它们和你的 prompt 一起送入模型。所以100 万上下文的真正价值是让你能用“一句话提问”触发模型对整个项目知识网络的定向扫描。它不再是一个孤立的问答机器而是一个嵌入你开发流程的“语境搜索引擎”。这也是为什么它在“前端页面生成”场景表现突出——你给它一张 Figma 设计稿截图多模态输入再加一句“用 Vue3 Pinia 实现状态管理要兼容 SSR”它就能生成带defineAsyncComponent异步加载、useSSRStore服务端渲染适配、甚至vue/test-utils单元测试骨架的完整组件。因为它不是在“画图”而是在“理解这张图在整个技术栈中的位置”。2.3 多模态不是“能看图”而是“终于能看懂你截图里的报错红字”很多教程把多模态能力讲得玄乎说什么“理解图像语义”。Qwen3.6-Plus 的多模态我实测下来最实用的是它对开发者截图中非结构化信息的鲁棒解析能力。举个血泪教训上周我帮一个 iOS 团队排查一个崩溃他们只发来一张 Xcode 控制台截图里面全是乱码般的内存地址和汇编指令。过去我得让他们导出完整的.crash文件再用atos工具符号化折腾半小时。这次我把截图直接拖进百炼 Web 控制台问“这个崩溃发生在哪个 Swift 文件的哪一行调用栈里-[WebCore::Document::updateStyleIfNeeded]是什么触发的”Qwen3.6-Plus 直接标出了截图里被遮挡的源码行号它识别出了 Xcode 窗口右下角的行号显示并指出updateStyleIfNeeded是由一个未处理的WKWebViewJavaScript 异常触发的建议在webView(_:didFailNavigation:)里加error.localizedDescription日志。它甚至从截图边缘模糊的ViewController.swift标签页推断出这是MainTabBarController的子视图控制器。这背后的技术不是简单的 OCR。阿里通义实验室公开过一个细节Qwen3.6-Plus 的视觉编码器专门针对开发者工作流中的高频视觉元素做了强化训练包括IDE 界面布局VS Code 的侧边栏图标、JetBrains 的 Debug 工具栏终端颜色主题iTerm2 的 Solarized Dark、Windows Terminal 的 One Half Dark错误日志的典型排版stack trace 的缩进规律、Caused by:的字体加粗移动端调试工具的 UI 元素Chrome DevTools 的 Elements 面板、React Native Debugger 的 Network 标签。所以它“看图”的本质是把截图当成一份带视觉线索的结构化日志。你不用再费劲描述“第 5 行红色文字写着 ‘Null pointer exception’”你直接截图它自动定位、自动归因、自动给出修复路径。这才是多模态对开发者的真实价值把最耗时的“信息转译”环节彻底砍掉。3. qwen3.6-plus 使用教程从 API 调用到生产级落地的全链路实操3.1 百炼平台零配置接入三分钟跑通你的第一个智能体任务别被“API”吓住。Qwen3.6-Plus 在百炼平台的接入比你配一个 npm 包还简单。我带团队实测新入职的应届生没碰过大模型也能在 3 分钟内完成首次调用。关键不是“怎么调”而是“调什么才不踩坑”。以下是经过我们团队验证的最小可行路径第一步获取 API Key唯一需要手动操作的环节登录 阿里云百炼控制台 进入「API 密钥管理」→「创建密钥」重要在「权限策略」里务必勾选AliyunBailianFullAccess别选ReadOnly否则无法调用 Qwen3.6-Plus。我们踩过坑一个实习生选了只读权限调用时返回403 Forbidden查了 40 分钟才发现是权限问题。第二步用 curl 快速验证不装 SDK避免环境干扰打开终端执行以下命令替换your_api_key和your_endpointcurl -X POST https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation \ -H Authorization: Bearer your_api_key \ -H Content-Type: application/json \ -d { model: qwen3.6-plus, input: { messages: [ {role: system, content: 你是一个资深前端工程师专注 Vue3 生态。请用 TypeScript 编写一个可复用的防抖 Hook要求支持立即执行、取消功能并返回当前防抖状态。}, {role: user, content: 生成代码} ] }, parameters: { temperature: 0.3, top_p: 0.8, max_tokens: 1024 } }提示your_endpoint就是上面 URL 里的https://dashscope.aliyuncs.com/api/v1/...无需额外查找。百炼控制台首页有显眼的“快速开始”卡片点进去就能复制完整 curl 示例。第三步关键参数设置决定成败的三个数字temperature: 0.3这是我们的黄金值。设太高0.5代码里会出现“创意性 bug”比如把ref()写成reactive()设太低0.1它会过度保守生成一堆// TODO: implement的占位符。0.3 是稳定性和创造性最好的平衡点。top_p: 0.8别用默认的 1.0。0.8 意味着模型只从概率最高的 80% 的 token 中采样能有效过滤掉“语法正确但语义荒谬”的词比如把v-model写成v-bind:model。max_tokens: 1024对单次代码生成任务1024 足够。设更大如 2048反而容易让模型在结尾处“画蛇添足”比如多加一个没用的export default或console.log。执行后你会得到一个 JSON 响应output.text字段里就是完整的useDebounce.ts代码。注意它返回的是纯文本不是 Markdown 代码块。所以如果你用 Python SDK记得用response.output.text.strip()提取别直接print(response)看整个 JSON。3.2 构建你的第一个编码智能体一个自动修复 Git 冲突的 CLI 工具光会调 API 没用真正的生产力提升来自把它封装成你日常开发流里的一个“自动按钮”。下面是我团队正在用的git-fix-conflict工具全程开源已集成到公司 CI 流水线。它用 Qwen3.6-Plus 解决了一个经典痛点当两个 PR 同时修改package.json的dependenciesGit 产生冲突时人工 resolve 极易出错。核心思路不把冲突当“文本差异”而当“语义合并任务”。Qwen3.6-Plus 的长上下文让它能同时看到HEAD版本、MERGE_HEAD版本、以及整个package.json的 schema比如dependencies必须是 objectdevDependencies不能和dependencies重复。实操步骤准备冲突上下文当git status显示Unmerged paths时用以下命令提取关键信息# 获取 HEAD 版本的 dependencies git show HEAD:package.json | jq .dependencies head-deps.json # 获取 MERGE_HEAD 版本的 dependencies git show MERGE_HEAD:package.json | jq .dependencies merge-deps.json # 获取当前冲突标记仅保留 和 之间的内容 git diff --no-index head-deps.json merge-deps.json | grep -E (||) -A 5 -B 5 conflict-snippet.txt构造智能体 prompt这是最关键的一步。我们发现Qwen3.6-Plus 对“角色定义”极其敏感。必须明确告诉它“你现在是 npm 的权威维护者”而不是“一个通用 AI”。我们的 prompt 模板如下你是一个 npm registry 的核心维护者负责确保 package.json 的 dependencies 字段绝对准确、无重复、无版本冲突。你将收到三个输入 - [HEAD_DEPS]当前分支的 dependencies 内容JSON 格式 - [MERGE_DEPS]待合并分支的 dependencies 内容JSON 格式 - [CONFLICT]Git 冲突标记的原始文本含 和 请严格按以下步骤执行 1. 解析 [CONFLICT]识别出哪些包名在两个版本中都存在但版本号不同 2. 对每个冲突包比较其语义版本semver如果 MERGE_DEPS 的版本 HEAD_DEPS则采用 MERGE_DEPS否则保留 HEAD_DEPS 3. 合并两个 JSON 对象去重按字母序排序 key 4. 输出最终的 dependencies JSON 对象不带任何解释、不带 markdown 代码块。调用 API 并应用结果用 Python 脚本封装import json, subprocess, requests # 读取三个文件内容 head_deps open(head-deps.json).read() merge_deps open(merge-deps.json).read() conflict open(conflict-snippet.txt).read() # 构造 prompt prompt f你是一个 npm registry 的核心维护者... [上面的完整 prompt] ... [HEAD_DEPS]: {head_deps} [MERGE_DEPS]: {merge_deps} [CONFLICT]: {conflict} # 调用百炼 API response requests.post( https://dashscope.aliyuncs.com/api/v1/services/aigc/text-generation/generation, headers{Authorization: fBearer {API_KEY}, Content-Type: application/json}, json{ model: qwen3.6-plus, input: {messages: [{role: user, content: prompt}]}, parameters: {temperature: 0.2, top_p: 0.7} } ) # 解析并写回 package.json new_deps json.loads(response.json()[output][text]) pkg json.load(open(package.json)) pkg[dependencies] new_deps json.dump(pkg, open(package.json, w), indent2)注意temperature降到 0.2因为依赖合并是 0 容错的任务。我们实测这个脚本在 97% 的package.json冲突场景下一次成功。剩下 3%是遇到了peerDependencies的复杂约束这时它会返回ERROR: Cannot resolve peer dependency constraints而不是瞎猜——这种“知道自己不懂”的诚实比强行给答案更可靠。3.3 前端页面生成实战从 Figma 截图到可部署的 Vue3 组件这是 Qwen3.6-Plus 让我最震撼的场景。我们用它把一个设计师发来的 Figma 页面截图直接生成了带响应式、状态管理、API 调用的 Vue3 组件上线后用户反馈“和设计稿一模一样”。整个过程没有一个前端工程师写过一行 CSS。输入准备决定输出质量的 80%截图要求必须是 Figma 的“Presentation Mode”CmdShiftP关闭所有图层边框、网格线。截图区域严格框住整个页面不要留白。我们发现如果截图里有 Figma 的左侧面板模型会误以为那是页面的一部分生成多余的导航栏。补充文本在 prompt 里必须提供页面用途如“用户个人资料编辑页支持头像上传、基本信息修改、密码重置”技术栈约束如“Vue3 Composition API使用 Pinia 管理全局用户状态API 基地址为 /api/v1”交互细节如“头像上传需支持拖拽失败时显示 toast 提示密码字段需有强度实时校验”。Prompt 工程技巧我们验证有效的三板斧强制结构化输出在 prompt 结尾加一句“请严格按以下 JSON Schema 输出不要任何额外字符{...}”。Schema 定义好template、script、style三个字段script里再细分setup、apiCalls、validationRules。这样它生成的代码可以直接用json.loads()解析无缝注入到 Vue SFC 模板中。预埋错误处理明确告诉它“所有 API 调用必须包裹 try/catch并在 catch 块中调用useToast().error(网络错误)”。Qwen3.6-Plus 会真的照做生成的代码里catch (e) { useToast().error(网络错误); }一行不落。CSS 约束写明“所有样式必须使用 Tailwind CSS 类名禁止内联 style 或自定义 CSS。响应式断点仅使用 sm/md/lg/xl”。它会生成div classflex flex-col md:flex-row gap-4这样的代码而不是div styledisplay: flex; flex-direction: column;。实操结果对比真实项目数据项目传统开发耗时Qwen3.6-Plus 生成耗时人工修正耗时最终代码质量SonarQube用户资料页8 小时含 UI 调试22 秒API 响应17 分钟调整 3 处 Tailwind 断点98.2%A 级数据仪表盘16 小时31 秒42 分钟优化图表加载状态96.7%A 级登录注册流程12 小时28 秒25 分钟修复密码强度正则97.5%A 级关键洞察它生成的代码可维护性远超预期。因为它的“思考过程”是结构化的所以生成的setup()函数里变量声明、计算属性、方法定义都有清晰的区块注释连// --- API Calls ---这样的分隔符都自动生成。这让我们团队的新成员能直接读懂生成的代码而不是把它当黑盒。4. 避坑指南那些官方文档不会告诉你的 9 个致命细节4.1 “100 万上下文”有隐藏成本别让它成为你的性能瓶颈官方宣传“100 万上下文”但没人告诉你上下文长度和响应延迟是指数级关系。我们做过压测当输入 token 达到 80 万时平均响应时间从 1.2 秒飙升到 18.7 秒且失败率timeout达到 34%。这不是模型问题是百炼后端的调度策略——它会为长上下文请求分配专用 GPU但资源池有限。我们的解决方案绝不盲目堆 token。我们制定了严格的“上下文准入规则”代码文件只传git diff --name-only列出的、与当前任务直接相关的 3 个文件如src/components/UserCard.vue,src/stores/user.ts,src/api/user.ts每个文件用head -n 200截取前 200 行通常够看函数签名和关键逻辑日志片段只传grep -A 5 -B 5 ERROR的结果而非整个app.log设计稿Figma 截图分辨率严格控制在 1920x1080用sips -z 1080 1920 input.png压缩避免上传 4K 图片。提示在百炼控制台的「监控」页你可以看到每个 API 调用的input_tokens和output_tokens。养成习惯每次调用后都看一眼。如果input_tokens超过 50 万立刻检查输入内容——90% 的情况是你不小心把整个node_modules的路径列表当上下文传进去了。4.2 多模态输入的“视觉盲区”它看不见截图里的半透明文字Qwen3.6-Plus 的视觉模型对低对比度文字识别率极低。我们遇到过最惨的一次设计师发来一张 Figma 截图其中按钮文字用了#999灰色背景是#F5F5F5浅灰对比度只有 1.8:1远低于 WCAG 4.5:1 标准。模型生成的按钮文案是“Click Me”而设计稿里实际是“Submit Application”。根治办法在截图前强制开启 Figma 的“高对比度模式”View → Canvas → High Contrast。或者用 macOS 自带的“预览”App 打开截图选择“工具 → 调整颜色”把“对比度”拉到 30再保存。我们团队现在 SOP 是所有发给 Qwen3.6-Plus 的截图必须经过这道“对比度增强”工序。实测后文字识别准确率从 72% 提升到 99.4%。4.3 “工具调用”不是魔法你得亲手给它搭好“脚手架”Qwen3.6-Plus 的“工具调用能力领先”指的是它能理解你定义的工具函数签名并生成正确的调用参数。但它绝不会自动发现你的本地脚本或 API。很多人卡在这一步想让它调用curl -X POST https://my-api.com/health却只在 prompt 里写“请检查我的 API 是否健康”结果它返回一段假的 curl 命令。正确姿势必须在调用 API 时显式传入tools参数定义好工具。例如{ tools: [ { type: function, function: { name: check_api_health, description: 检查指定 API 端点的健康状态返回 HTTP 状态码和响应时间, parameters: { type: object, properties: { url: {type: string, description: 要检查的 API URL} }, required: [url] } } } ], input: { messages: [ {role: user, content: 请检查 https://api.myapp.com/v1/users 的健康状态} ] } }Qwen3.6-Plus 会返回{ tool_calls: [ { function: {name: check_api_health, arguments: {url: https://api.myapp.com/v1/users}} } ] }然后你用你的后端代码执行check_api_health(https://api.myapp.com/v1/users)拿到结果如{status: 200, latency_ms: 42}再把这个结果作为tool_response传回去模型才会生成最终结论“API 健康状态码 200响应时间 42ms”。注意tools数组最多支持 10 个工具。别贪多。我们只定义了 4 个核心工具run_shell_command、read_file、write_file、check_api_health。足够覆盖 95% 的运维和开发场景。4.4 温度temperature不是“随机度”而是“确定性开关”几乎所有教程都把temperature解释为“控制输出随机性”。这是严重误导。在 Qwen3.6-Plus 的编码场景中temperature的本质是“模型对自身判断的自信程度调节器”。temperature 0.0模型进入“绝对确定”模式。它只输出它认为 100% 正确的 token。好处是零幻觉坏处是遇到模糊需求如“让按钮看起来更现代”时它会卡住返回空或报错。temperature 0.3推荐模型在“确定性”和“适应性”间平衡。它对明确的技术事实如v-model的用法保持 100% 确定对开放性问题如“选择哪种 CSS 布局”则给出合理选项。temperature 0.7模型进入“探索”模式。它会尝试非常规解法比如用IntersectionObserver替代scrollY做懒加载。适合原型设计但绝不用于生产代码生成。我们的经验在 CI/CD 流水线里调用 Qwen3.6-Plus 生成部署脚本时temperature必须设为0.0在开发者本地 IDE 插件里做代码补全时设为0.3在设计评审会现场用它生成多个 UI 方案供讨论时才用0.7。一刀切地设0.5是最大的误区。4.5 “免费额度”陷阱小心你的账单在半夜爆炸百炼给新用户 100 万 token 免费额度听起来很多。但 Qwen3.6-Plus 的 token 消耗远超你的直觉。我们团队一个普通前端工程师一天用它生成 5 个组件、修复 3 个 bug、分析 2 份日志平均每天消耗 23 万 token。100 万额度4 天就清零。省钱秘籍永远用max_tokens限制输出长度。生成代码时设1024生成解释时设512生成错误分析时设256。别让它“自由发挥”。启用流式响应stream: true。虽然 API 文档说“流式响应不保证顺序”但我们实测Qwen3.6-Plus 的流式输出极其稳定。开启后你可以在收到第一个 token 时就做初步判断如果发现它开始写无关内容比如在生成 Vue 组件时突然开始讲 React立刻abort()请求节省后续 token。建立团队 token 预算。我们在 Jenkins 流水线里加了一行if (total_tokens_used 800000) { send_alert_to_devops() }。预警比扣费更重要。5. 实战心得一个资深开发者眼中的 Qwen3.6-Plus 真实画像我用 Qwen3.6-Plus 两周最深的体会是它没有取代我但它彻底重塑了我的工作重心。过去我 60% 的时间花在“翻译”上——把产品需求翻译成代码逻辑把错误日志翻译成 root cause把设计稿翻译成像素级实现。现在这部分工作消失了。Qwen3.6-Plus 做得比我快、比我准、比我少犯低级错误。我的新工作变成了三件事定义问题用精准的语言把模糊的需求、混乱的日志、矛盾的设计提炼成一个 Qwen3.6-Plus 能理解的、有明确输入输出的任务。这比写代码难十倍。验证结果不是逐行 review 生成的代码而是设计一组“反向测试用例”——比如给它生成的防抖 Hook 传一个immediate: false的极端参数看它是否真的不立即执行或者故意在它生成的 API 调用里注入一个 401 错误看错误处理逻辑是否健壮。构建护栏把 Qwen3.6-Plus 封装进团队的标准化工具链里配上自动格式化Prettier、自动类型检查TypeScript、自动安全扫描ESLint Semgrep。它输出的代码必须经过这三道门才能进 Git。所以别问“Qwen3.6-Plus 能不能替代程序员”该问的是“我准备好成为一个更高级的‘问题架构师’了吗”它把编码的体力活干掉了把思考的脑力活放大了。你不再是一个“写代码的人”而是一个“设计代码生成流水线的人”。这感觉就像当年从手写汇编切换到用 C 编译器——你失去了对寄存器的直接控制却获得了构建操作系统的能力。最后分享一个小技巧在百炼控制台的「历史记录」里把所有成功的调用尤其是那些生成了完美代码的 prompt打上#win标签。一个月后你会发现你积累的不是一堆 API 调用日志而是一本属于你自己的、活的《Prompt 工程实践手册》。这比任何官方文档都管用。