qwen-native-agents

Name: qwen-native-agents
Author: vakovalskii

37stars4forks

How to install qwen-native-agents?

vakovalskii/qwen-native-agents

$git clone https://github.com/vakovalskii/qwen-native-agents

Installs into the current project.

Summary

Гайд и навык для того, чтобы строить и промптить агентов под модели семейства Qwen3.x на их родном диалекте — так, как это делает сама Alibaba.

Files · 1

View on GitHub

README.md

1	# qwen-native-agents
2
3	Гайд и навык для того, чтобы строить и промптить агентов под модели семейства Qwen3.x на их родном диалекте — так, как это делает сама Alibaba.
4
5	> Скачай папку, дай её своему агенту (Claude Code, Cursor, любой LLM-обвязке) — и он начнёт собирать Qwen-агентов правильно: с нужным форматом tool-calling, тегами, thinking-режимом и системным промптом, под которые модель обучалась.
6
7	---
8
9	## Главный тезис
10
11	Qwen3.x обучались в связке с фреймворками Alibaba ([qwen-code](https://github.com/QwenLM/qwen-code) и [Qwen-Agent](https://github.com/QwenLM/Qwen-Agent)). Форматы вызова инструментов, thinking-режим, структура системного промпта — не абстрактные «best practices», а конкретные конвенции, зашитые в веса во время обучения.
12
13	Исследование Андрея Иванова (NLP-инженер R&D red_mad_robot) показало это эмпирически: если инвертировать директивы оригинального системного промпта Qwen Code, Qwen3.6-35b-a3b держится за свои привычки сильнее, чем контрольная модель (gpt-oss-120b):
14
15	\| Директива (перевёрнута) \| Реакция контроля \| Реакция Qwen3.6 \|
16	\|---\|---\|---\|
17	\| Длина ответа \| ×4 сильнее \| слабая \|
18	\| Комментарии в коде \| ×26 больше \| не изменилась \|
19	\| Markdown-разметка \| ×1.7 меньше \| не изменилась \|
20
21	Вывод для практики: не переучивай модель — говори на её родном диалекте. Чем ближе твой агент к конвенциям qwen-code / Qwen-Agent, тем предсказуемее и надёжнее ведёт себя Qwen. Этот репозиторий — извлечённый из исходников «родной диалект» плюс правила, как ему следовать.
22
23	---
24
25	## Как пользоваться
26
27	Человеку: читай [`SKILL.md`](./SKILL.md) как краткую памятку, а [`references/`](./references/) — как справочник по каждой теме.
28
29	Агенту (Claude Code и совместимые): файл [`SKILL.md`](./SKILL.md) имеет frontmatter и подхватывается как навык. Положи папку в `~/.claude/skills/` (или укажи путь) — агент загрузит её, когда задача касается построения/промптинга Qwen-агента.
30
31	Любой другой LLM-обвязке: скорми `SKILL.md` + нужный файл из `references/` как контекст.
32
33	---
34
35	## Что внутри
36
37	\| Файл \| О чём \|
38	\|---\|---\|
39	\| [`SKILL.md`](./SKILL.md) \| Ядро: когда применять, 10 правил, чек-лист \|
40	\| [`references/01-system-prompt.md`](./references/01-system-prompt.md) \| Как писать системный промпт: структура, тон, «привычки» \|
41	\| [`references/02-tools.md`](./references/02-tools.md) \| Нейминг инструментов, описания, JSON-schema параметров \|
42	\| [`references/03-tool-calling.md`](./references/03-tool-calling.md) \| Форматы function-calling (NOUS, ✿, coder-XML, vl-JSON), chat template, стоп-слова \|
43	\| [`references/04-thinking.md`](./references/04-thinking.md) \| Thinking-режим: `<think>`, `reasoning_content`, `enable_thinking` по бэкендам \|
44	\| [`references/05-tags-and-markup.md`](./references/05-tags-and-markup.md) \| Теги внутри промптов: `<example>`, `<tools>`, `<tool_response>`, `<system-reminder>`, компрессия \|
45	\| [`references/06-habits-and-antipatterns.md`](./references/06-habits-and-antipatterns.md) \| Тезис исследования: за что модель держится и что НЕ навязывать \|
46	\| [`examples/`](./examples/) \| Готовые образцы: системный промпт, определение тула, минимальный агент \|
47
48	---
49
50	## Бенчмарк
51
52	Воспроизведение swing-теста на API [neuraldeep.ru](https://neuraldeep.ru): 6 директив × 5 задач × 2 условия (baseline/inverted) × 3 модели — 180 запросов, 0 ошибок. Меряется финальный `content`, thinking выключен. Код и сырые данные — в [`benchmark/`](./benchmark/), полный отчёт с оговорками — [`benchmark/REPORT.md`](./benchmark/REPORT.md).
53
54	`swing = \|mean(inverted) − mean(baseline)\|` — насколько модель меняет поведение при инверсии директивы. Больше swing → слушает системный промпт; меньше → держится за трейн-привычку.
55
56	### Средние значения метрики (baseline → inverted)
57
58	\| Директива \| Метрика \| qwen3.6-35b-a3b \| gpt-oss-120b \| gemma-4-31b \|
59	\|---\|---\|---\|---\|---\|
60	\| length \| слов \| 10 → 1116 \| 18 → 1041 \| 8 → 556 \|
61	\| comments \| комм.строк \| 1 → 10 \| 0 → 22 \| 0 → 23 \|
62	\| markdown \| md-маркеров \| 89 → 1 \| 87 → 12 \| 77 → 0 \|
63	\| run_tests \| дол

People who liked this also viewed

6 picks

Type

qwen-native-agents

37stars4forks

View on GitHub

How to install qwen-native-agents?

vakovalskii/qwen-native-agents

$git clone https://github.com/vakovalskii/qwen-native-agents

Installs into the current project.

Summary

Files · 1

View on GitHub

README.md

1	# qwen-native-agents
2
3	Гайд и навык для того, чтобы строить и промптить агентов под модели семейства Qwen3.x на их родном диалекте — так, как это делает сама Alibaba.
4
5	> Скачай папку, дай её своему агенту (Claude Code, Cursor, любой LLM-обвязке) — и он начнёт собирать Qwen-агентов правильно: с нужным форматом tool-calling, тегами, thinking-режимом и системным промптом, под которые модель обучалась.
6
7	---
8
9	## Главный тезис
10
11	Qwen3.x обучались в связке с фреймворками Alibaba ([qwen-code](https://github.com/QwenLM/qwen-code) и [Qwen-Agent](https://github.com/QwenLM/Qwen-Agent)). Форматы вызова инструментов, thinking-режим, структура системного промпта — не абстрактные «best practices», а конкретные конвенции, зашитые в веса во время обучения.
12
13	Исследование Андрея Иванова (NLP-инженер R&D red_mad_robot) показало это эмпирически: если инвертировать директивы оригинального системного промпта Qwen Code, Qwen3.6-35b-a3b держится за свои привычки сильнее, чем контрольная модель (gpt-oss-120b):
14
15	\| Директива (перевёрнута) \| Реакция контроля \| Реакция Qwen3.6 \|
16	\|---\|---\|---\|
17	\| Длина ответа \| ×4 сильнее \| слабая \|
18	\| Комментарии в коде \| ×26 больше \| не изменилась \|
19	\| Markdown-разметка \| ×1.7 меньше \| не изменилась \|
20
21	Вывод для практики: не переучивай модель — говори на её родном диалекте. Чем ближе твой агент к конвенциям qwen-code / Qwen-Agent, тем предсказуемее и надёжнее ведёт себя Qwen. Этот репозиторий — извлечённый из исходников «родной диалект» плюс правила, как ему следовать.
22
23	---
24
25	## Как пользоваться
26
27	Человеку: читай [`SKILL.md`](./SKILL.md) как краткую памятку, а [`references/`](./references/) — как справочник по каждой теме.
28
29	Агенту (Claude Code и совместимые): файл [`SKILL.md`](./SKILL.md) имеет frontmatter и подхватывается как навык. Положи папку в `~/.claude/skills/` (или укажи путь) — агент загрузит её, когда задача касается построения/промптинга Qwen-агента.
30
31	Любой другой LLM-обвязке: скорми `SKILL.md` + нужный файл из `references/` как контекст.
32
33	---
34
35	## Что внутри
36
37	\| Файл \| О чём \|
38	\|---\|---\|
39	\| [`SKILL.md`](./SKILL.md) \| Ядро: когда применять, 10 правил, чек-лист \|
40	\| [`references/01-system-prompt.md`](./references/01-system-prompt.md) \| Как писать системный промпт: структура, тон, «привычки» \|
41	\| [`references/02-tools.md`](./references/02-tools.md) \| Нейминг инструментов, описания, JSON-schema параметров \|
42	\| [`references/03-tool-calling.md`](./references/03-tool-calling.md) \| Форматы function-calling (NOUS, ✿, coder-XML, vl-JSON), chat template, стоп-слова \|
43	\| [`references/04-thinking.md`](./references/04-thinking.md) \| Thinking-режим: `<think>`, `reasoning_content`, `enable_thinking` по бэкендам \|
44	\| [`references/05-tags-and-markup.md`](./references/05-tags-and-markup.md) \| Теги внутри промптов: `<example>`, `<tools>`, `<tool_response>`, `<system-reminder>`, компрессия \|
45	\| [`references/06-habits-and-antipatterns.md`](./references/06-habits-and-antipatterns.md) \| Тезис исследования: за что модель держится и что НЕ навязывать \|
46	\| [`examples/`](./examples/) \| Готовые образцы: системный промпт, определение тула, минимальный агент \|
47
48	---
49
50	## Бенчмарк
51
52	Воспроизведение swing-теста на API [neuraldeep.ru](https://neuraldeep.ru): 6 директив × 5 задач × 2 условия (baseline/inverted) × 3 модели — 180 запросов, 0 ошибок. Меряется финальный `content`, thinking выключен. Код и сырые данные — в [`benchmark/`](./benchmark/), полный отчёт с оговорками — [`benchmark/REPORT.md`](./benchmark/REPORT.md).
53
54	`swing = \|mean(inverted) − mean(baseline)\|` — насколько модель меняет поведение при инверсии директивы. Больше swing → слушает системный промпт; меньше → держится за трейн-привычку.
55
56	### Средние значения метрики (baseline → inverted)
57
58	\| Директива \| Метрика \| qwen3.6-35b-a3b \| gpt-oss-120b \| gemma-4-31b \|
59	\|---\|---\|---\|---\|---\|
60	\| length \| слов \| 10 → 1116 \| 18 → 1041 \| 8 → 556 \|
61	\| comments \| комм.строк \| 1 → 10 \| 0 → 22 \| 0 → 23 \|
62	\| markdown \| md-маркеров \| 89 → 1 \| 87 → 12 \| 77 → 0 \|
63	\| run_tests \| дол

People who liked this also viewed

6 picks

Type