Qwen3-Coder-Next 使い方 | 最強のコード生成AIで開発を自動化する手順

# Ollamaのインストール（未導入の場合）
curl -fsSL https://ollama.com/install.sh | sh

# Qwen2.5-Coder 32B（Qwen3の系譜として現在安定して動かせる最大モデル）のプル
# 32Bモデルは量子化版で約19GBのVRAMを消費します
ollama pull qwen2.5-coder:32b

# Python制御用のライブラリをインストール
pip install ollama prompts

import ollama
import os

def analyze_code_with_qwen(file_path):
    # ファイル読み込み。SIer時代、これだけで数時間かかる設計書を読まされた記憶が蘇ります。
    with open(file_path, "r", encoding="utf-8") as f:
        source_code = f.read()

    # システムプロンプトの設定。
    # 「なぜこの指示か」：モデルに「シニアエンジニア」の役割を明示し、余計な解説を省かせるため。
    system_instruction = (
        "あなたはシニアソフトウェアエンジニアです。"
        "提供されたコードの論理的エラー、セキュリティ上の欠陥、パフォーマンスのボトルネックを特定してください。"
        "回答は修正後のコードと、修正理由の箇条書きのみで構成してください。"
    )

    response = ollama.chat(
        model="qwen2.5-coder:32b",
        messages=[
            {"role": "system", "content": system_instruction},
            {"role": "user", "content": f"以下のコードをレビューしてください:\n\n{source_code}"}
        ],
        options={
            "temperature": 0.2,  # コード生成では決定性を高めるために低めに設定
            "num_ctx": 8192      # 文脈を広く取るためにコンテキスト長を確保
        }
    )

    return response['message']['content']

# target.py (あえてダメな例)
import time

data_list = []

def add_data(val):
    global data_list
    time.sleep(0.1)
    data_list.append(val)
    print(f"Added {val}, total: {len(data_list)}")

for i in range(5):
    add_data(i)

# 実行コード
if __name__ == "__main__":
    result = analyze_code_with_qwen("target.py")
    print("--- Qwenの修正案 ---")
    print(result)

--- Qwenの修正案 ---
```python
import logging

class DataManager:
    def __init__(self):
        self.data_list = []
        logging.basicConfig(level=logging.INFO)

    def add_data(self, val):
        self.data_list.append(val)
        logging.info(f"Added {val}, total: {len(self.data_list)}")

if __name__ == "__main__":
    manager = DataManager()
    for i in range(5):
        manager.add_data(i)

グローバル変数の危険性を指摘し、クラス設計に落とし込んできたら成功です。
Qwen3-Coder-Nextの系譜であるこのモデルは、言語仕様の理解が非常に深く、一貫性のある修正を提案します。

## Step 4: 実用レベルにする

実務では単一ファイルの解析で終わることはありません。
プロジェクト全体をスキャンし、特定のディレクトリ内の全ファイルを一括でチェックする「自動監査スクリプト」へと拡張します。
また、APIのタイムアウトやモデルのロード失敗に備えて、リトライ処理を組み込みます。

```python
import glob
from concurrent.futures import ThreadPoolExecutor

def batch_audit(directory_path):
    # .pyファイルのみを対象にスキャン
    files = glob.glob(f"{directory_path}/**/*.py", recursive=True)

    def process_file(path):
        try:
            print(f"解析中: {path}")
            # リトライロジックはここに入れる
            report = analyze_code_with_qwen(path)
            with open(f"{path}.audit.txt", "w") as f:
                f.write(report)
            return f"{path}: 完了"
        except Exception as e:
            return f"{path}: エラー ({str(e)})"

    # 4090を2枚挿しているような環境なら、並列処理も可能だが、
    # VRAM消費が激しいため、まずは逐次処理を推奨
    results = []
    for f in files:
        results.append(process_file(f))

    return results

# 実行例
# audit_results = batch_audit("./my_project")