Qwen 3.7-FlashをOpenRouterで使い100万トークン解析を自動化する方法

# 仮想環境を作成して有効化（推奨）
python -m venv venv
source venv/bin/activate  # Windowsの場合は venv\Scripts\activate

# 必要なライブラリのインストール
pip install openai python-dotenv

# .env ファイルの内容
OPENROUTER_API_KEY=sk-or-v1-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx

import os
from openai import OpenAI
from dotenv import load_dotenv

# .envから環境変数を読み込む
load_dotenv()

# APIキーの取得確認
api_key = os.getenv("OPENROUTER_API_KEY")
if not api_key:
    raise ValueError("OPENROUTER_API_KEYが設定されていません。.envファイルを確認してください。")

# OpenRouter用のクライアント初期化
# base_urlを指定することで、openaiライブラリをOpenRouter向けに切り替える
client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key=api_key,
)

# 使用するモデル名（先行公開時の識別子に合わせる）
# Qwen3.7-Flashが一般公開された際は identifier が変わる可能性があるため変数化
MODEL_NAME = "qwen/qwen-3.7-flash"

def test_connection():
    try:
        response = client.chat.completions.create(
            model=MODEL_NAME,
            messages=[
                {"role": "system", "content": "あなたは優秀なエンジニアです。"},
                {"role": "user", "content": "Qwen 3.7-Flashの最大の特徴を1行で教えて。"}
            ],
            # OpenRouter特有のヘッダー（任意だが、ランキング等に寄与する）
            extra_headers={
                "HTTP-Referer": "https://github.com/your-repo",
                "X-Title": "Qwen 3.7 Test Script",
            }
        )
        print("Response:", response.choices[0].message.content)
    except Exception as e:
        print(f"エラーが発生しました: {e}")

test_connection()

Response: Qwen 3.7-Flashの最大の特徴は、100万トークンの広大なコンテキスト窓を極めて低いコストと高い推論速度で実現している点です。

import glob

def analyze_project_code(directory_path):
    """
    指定されたディレクトリ内の全Pythonファイルを読み込み、Qwen 3.7に解析させる
    """
    # 1. ファイルの収集
    file_contents = []
    # 再帰的に全pyファイルを取得
    files = glob.glob(f"{directory_path}/**/*.py", recursive=True)

    if not files:
        print("解析対象のファイルが見つかりませんでした。")
        return

    print(f"{len(files)} 個のファイルを読み込み中...")

    for file_path in files:
        try:
            with open(file_path, "r", encoding="utf-8") as f:
                content = f.read()
                # ファイル名と内容を構造化して結合
                file_contents.append(f"--- File: {file_path} ---\n{content}\n")
        except Exception as e:
            print(f"読み込み失敗: {file_path} - {e}")

    # 全内容を一つの巨大な文字列にする
    full_context = "\n".join(file_contents)

    # 2. Qwen 3.7-Flashに解析を依頼
    print("Qwen 3.7-Flashへ送信中（大容量のため数秒かかる場合があります）...")

    prompt = f"""
    以下のソースコード群をすべて読み込み、プロジェクト全体の設計上の問題点、
    およびセキュリティリスクがある箇所を具体的に指摘してください。
    回答は日本語で、ファイル名を明示して行ってください。

    {full_context}
    """

    try:
        response = client.chat.completions.create(
            model=MODEL_NAME,
            messages=[
                {"role": "system", "content": "あなたはシニアソフトウェアエンジニア兼セキュリティ監査員です。"},
                {"role": "user", "content": prompt}
            ],
            # 長文回答を期待するためmax_tokensを調整
            max_tokens=4000,
            temperature=0.2 # 安定した解析結果を得るために低めに設定
        )

        # 3. 結果の保存
        analysis_result = response.choices[0].message.content
        with open("analysis_report.md", "w", encoding="utf-8") as out:
            out.write(analysis_result)

        print("解析が完了しました。analysis_report.md を確認してください。")

    except Exception as e:
        print(f"APIリクエスト中にエラーが発生しました: {e}")

# カレントディレクトリを解析対象にして実行
if __name__ == "__main__":
    analyze_project_code("./src") # 解析したいディレクトリを指定