后续建议

Qwen Code 可以预测你接下来想输入的内容，并在输入区域中以占位符文本的形式显示。该功能通过一次 LLM 调用分析对话上下文，生成自然的下一步操作建议。

该功能在 CLI 中端到端工作。在 WebUI 中，相关的钩子和 UI 基础设施已经就绪，但宿主应用需要触发建议生成并连接后续状态，才能使建议显示出来。

工作原理

Qwen Code 完成响应后，经过短暂的延迟（约 300ms），一条建议会以淡化的占位符文本出现在输入区域。例如，修复一个 bug 后，你可能会看到：

> run the tests

建议的生成过程是：将对话历史发送给模型，由模型预测你可能自然输入的下一个内容。如果响应中包含明确的提示（例如 Tip: type post comments to publish findings），则会自动提取建议的操作。

接受建议

按下 Enter 会将建议填入输入框而非提交，因此接受一个建议的斜杠命令（例如 /clear）不会自动执行——你需要再按一次 Enter 来提交。

建议出现时机

当满足以下所有条件时，会生成建议：

• 模型已完成响应（不在流式输出过程中）
• 对话中至少进行了 2 轮模型交互
• 最近一次响应没有错误
• 没有待处理的确认对话框（例如 shell 确认、权限确认）
• 审批模式未设置为 plan
• 该功能已启用（默认开启——将 ui.enableFollowupSuggestions 设为 false 可关闭）

在非交互模式（例如 headless/SDK 模式）下不会出现建议。

建议在以下情况会自动取消：

• 你开始输入
• 新一轮模型交互开始
• 建议被接受

快速模型

默认情况下，建议使用与主对话相同的模型。为了获得更低的延迟，可以配置一个专用的快速模型：

通过命令

/model --fast qwen3-coder-flash

或者使用 /model --fast（不带模型名称）打开选择对话框。

通过 settings.json

{
  "fastModel": "qwen3-coder-flash"
}

快速模型用于提示建议和推测执行。当未配置时，将回退使用主对话模型。

成本说明： 快速模型能降低延迟，但并不总能降低成本。建议生成会复用对话的前缀缓存（通过 ui.enableCacheSharing，默认开启）——但前缀缓存是按模型独立的。将 fastModel 指向另一个模型会切换到独立的缓存，因此整个对话历史将在快速模型上按未缓存的输入重新计费。在长对话中，默认方案（主模型+共享缓存）可能比快速模型更便宜，因为大部分历史按折扣后的缓存费率计费。当延迟比单次开销更重要时，再设置 fastModel。

对于所有后台任务（建议生成和推测），思考和推理模式会自动禁用，无论主模型的思考配置如何。这样可以避免在这些不需要推理的任务上浪费 token。

配置

以下设置可以在 settings.json 中配置：

示例

{
  "fastModel": "qwen3-coder-flash",
  "ui": {
    "enableFollowupSuggestions": true,
    "enableCacheSharing": true
  }
}

监控

建议模型的用量会在 /stats 输出中显示，包括快速模型在建议生成中消耗的 token。

快速模型也会在 /about 输出的“Fast Model”字段中显示。

建议质量

建议会经过质量过滤，确保其有用性：

• 长度必须在 2-12 个单词（中文：2-30 个字符）之间，总字符不超过 100
• 不能是评价性内容（“看起来不错”、“谢谢”）
• 不能使用 AI 口吻（“让我来……”、“我将会……”）
• 不能包含多个句子或带有格式（markdown、换行）
• 不能是元评论（“没有建议”、“沉默”）
• 不能是错误消息或带前缀的标签（“建议：……”）
• 单个单词的建议只允许用于常见命令（yes, commit, push 等）
• 斜杠命令（例如 /commit）始终允许作为单个单词的建议