🎯 О чём этот конспект: Подробное руководство по установке и глубокой настройке Quen-Code — бесплатной альтернативы платным AI-редакторам. Разбирается работа с моделью Qwen 2.5 Coder (2000 запросов в день), подключение MCP-серверов, создание кастомных навыков (Skills) и генерация технической документации (PRD) для автоматической сборки проектов.
👤 Кому будет полезно: Вайбкодерам, разработчикам и энтузиастам, которые хотят создавать IT-продукты с помощью AI-агентов без затрат на подписки типа Cursor или Windsurf.
✨ Что получите: Готовую рабочую среду с настроенным терминалом, подключенными инструментами визуализации (shadcn/ui) и пошаговый алгоритм создания SaaS-проекта (на примере приложения пиццерии) с нуля.
1. Установка и базовая настройка среды
Контекст: Quen-Code — это CLI-инструмент (интерфейс командной строки), который превращает ваш терминал в мощного AI-помощника. Для его работы критически важно наличие свежей версии Node.js. Основное преимущество — доступ к мощной модели Qwen 2.5 Coder с лимитом 2000 бесплатных запросов в сутки, что значительно превышает бесплатные лимиты конкурентов.
Выгода: Полностью бесплатный доступ к топовой open-source модели для кодинга без необходимости оплаты зарубежных сервисов.
Как применить:
- Шаг 1: Установка Node.js — Официальный сайт — Скачайте и установите последнюю версию (LTS или Current). Даже если Node.js уже есть, обновитесь до актуальной.
- Шаг 2: Установка Quen-Code — [Терминал] — Выполните команду установки (для macOS/Linux добавьте
sudoв начале):
npm install -g @quen/code- Шаг 3: Авторизация — Введите команду
quenв терминале. Откроется браузер для подтверждения аккаунта (нужно войти через GitHub или Google на сайте Quen). - Шаг 4: Локализация интерфейса — Внутри интерфейса Quen введите
/settings. Выберите тему (например, Dracula) и установите язык UI на Русский. НажмитеCtrl+Sдля сохранения иCtrl+Cдля выхода, затем перезапуститеquen.
Результат: Готовый к работе терминальный AI-агент с русскоязычным интерфейсом.
2. Подключение MCP-серверов (Model Context Protocol)
Контекст: MCP — это стандарт, позволяющий нейросети подключаться к внешним инструментам: файловой системе, GitHub, браузеру или библиотекам компонентов. В видео рассматривается подключение shadcn/ui через MCP, что позволяет нейросети не просто писать код, а использовать готовые визуальные компоненты профессионального уровня.
Выгода: AI получает «глаза» и дополнительные «руки», что на порядок повышает качество верстки и функционала.
Как применить:
- Шаг 1: Создание структуры — В корне вашего проекта создайте папку
.quenи внутри неё файлsettings.json. - Шаг 2: Конфигурация MCP — Вставьте в
settings.jsonследующий код для подключения сервера shadcn: - Шаг 3: Проверка — Перезапустите Quen и введите команду:
/mcp listРезультат: В списке должен появиться shadcn с доступными инструментами. Теперь AI может самостоятельно устанавливать и настраивать UI-компоненты.
3. Использование Skills (Навыков) для специализации AI
Контекст: Skills — это структурированные инструкции (промпты) в формате Markdown, которые объясняют нейросети, как именно работать с конкретным стеком (React, Next.js, Python). Это позволяет избежать «галлюцинаций» и заставляет AI следовать лучшим практикам разработки.
Выгода: Повышение точности кода и соблюдение архитектурных стандартов проекта.
Как применить:
- Шаг 1: Создание папки навыков — Внутри
.quenсоздайте папкуskills. - Шаг 2: Добавление навыка — Создайте подпапку (например,
react-expert) и поместите туда файлskill.md. - Шаг 3: Наполнение — Можно использовать готовые навыки с MCP Market. Пример структуры файла
skill.md:
# React Expert Skill
---
## Description
Инструкции по созданию высокопроизводительных компонентов на React.
---
## Instructions
1. Используй только функциональные компоненты.
2. Обязательно типизируй пропсы через TypeScript.
3. Используй Tailwind CSS для стилизации.Результат: AI-агент начинает действовать как узкопрофильный эксперт в выбранной технологии.
4. Создание Спеки (PRD) и Roadmap разработки
Контекст: Чтобы AI не совершал ошибок, ему нужно скормить два файла: project.md (что мы строим) и steps.md (в каком порядке). Автор рекомендует использовать ChatGPT или Claude для генерации этих файлов: просто наговорите голосом описание проекта и попросите оформить в Markdown.
Выгода: Проект собирается итерациями, что минимизирует ошибки в логике и архитектуре.
Как применить:
- Шаг 1: Генерация Project MD — Опишите функционал (экраны, логика, стек) и попросите AI создать файл
project.md. - Шаг 2: Генерация Steps MD — Попросите AI разбить реализацию на 10-15 мелких шагов и сохранить в
steps.md. - Шаг 3: Запуск сборки — В Quen-Code введите промпт:
Создай проект, используя документацию проекта и MCP.
Файлы: project.md и steps.md. Иди строго по шагам.Результат: AI начнет последовательно выполнять задачи: от инициализации репозитория до финальной верстки страниц.
Quen-Code: ответы на частые вопросы
В: Что делать, если команда quen не распознается после установки?
О: Убедитесь, что путь к npm-пакетам добавлен в системную переменную PATH. Также попробуйте перезагрузить терминал или использовать команду npx @quen/code.
В: Можно ли использовать Quen-Code для существующих проектов?
О: Да. Перейдите в папку проекта через cd, запустите quen и выполните команду /init. AI проанализирует структуру файлов и будет готов к работе.
В: Как увеличить лимит в 2000 запросов?
О: Лимит привязан к аккаунту. Вы можете выйти из текущего аккаунта и авторизоваться под новым, чтобы обнулить счетчик запросов.
В: Зачем нужен файл settings.json внутри папки .quen?
О: Это локальные настройки конкретного проекта. Там прописываются MCP-сервера и специфические параметры поведения AI, которые будут приоритетнее глобальных настроек.
В: Обязательно ли использовать английский язык в документации?
О: Желательно. Хотя интерфейс может быть на русском, технические задания (project.md) лучше писать на английском — модель Qwen 2.5 Coder точнее следует инструкциям на английском языке.
Конспект создан на основе видео «Настройка Quen-Code для вайб-кодинга» канала Костя. Все права на оригинальный материал принадлежат авторам. Источник: https://youtu.be/kgldtyFKCnU