从零到上线:用 Qwen3-Coder 和 MCP 打造儿童学习助手

本文涉及的产品
多模态交互后付费免费试用,全链路、全Agent
简介: 本教程介绍如何利用Qwen3-Coder模型与VS Code插件打造儿童学习助手,涵盖AI编程、代码优化与网页部署,助你掌握真实场景开发技巧。

640 (1).jpg

本篇是《Qwen3-Coder 挑战赛》系列教程的第二期:借助 Qwen3-Coder 模型强大的代码生成与任务代理能力,结合 MCP 部署方案 与 VS Code 插件工具链(通义灵码),从零开始打造一款专为儿童设计的学习助手。


希望本教程能带你深入掌握 Qwen3-Coder 在真实应用场景中的开发实践。

一.快速上手:在VS Code中使用通义灵码插件

通义灵码是 Qwen3-Coder 的官方 IDE 插件,现已支持 VS Code,帮助开发者在编码过程中实现实时智能补全、注释生成、错误修复等功能,具体操作如下:

1、安装插件打开 VS Code,点击左侧边栏的【扩展】图标,在搜索框中输入 Limgma 找到 Limgma-Alibaba Cloud AI Coding Assistar 官方插件后点击【安装】。


640.jpg


2、登录账号安装完成后,左侧活动栏将出现“通义灵码”图标。点击该图标,按照提示登录您的阿里云账号,完成身份验证即可启用全部功能。


640 (1).jpg


3、打开项目目录:点击顶部菜单栏【文件】→【打开文件夹】,选择或新建一个本地项目文件夹,开始您的 AI 编程之旅。


640 (2).jpg

二.实战开发:构建儿童学习助手

我们的目标是:构造一个轻量级的儿童学习助手,它需要具备以下功能:


  • 番茄钟计时(25分钟学习 + 5分钟休息)
  • 语音鼓励提醒
  • 成就徽章激励系统
  • 简洁友好的前端界面

我们开始输入首轮提示词,如下:

我想帮孩子做个简单的学习计时器:
背景需求:
- 孩子容易分心,做作业拖拉
- 希望引入类似“番茄工作法”的机制,但要极度简化,适合低龄儿童
- 需要有正向激励机制,比如完成任务可获得“小星星”
- 累计星星可兑换现实奖励(如玩具、游戏时间等,由家长设定)
- 我不懂编程,需要提供完整、可直接使用的代码和操作说明
功能要求:
- 可设定学习时长(默认 25 分钟,可选 5/10/15/25/30 分钟)
- 大字体倒计时显示,清晰可见
- 点击“领取星星”按钮可获得一颗“小星星”
- 显示当前累计星星数量
界面与体验要求:
- 卡通风格:界面色彩明亮,字体圆润可爱,符合孩子审美。
- 按钮大而醒目,孩子能轻松点击
- 无需联网,纯本地运行(HTML + CSS + JS 单文件)
- 操作极简:孩子自己能独立使用(开始 → 等待 → 完成 → 领星星)
技术要求:
- 使用 HTML、CSS、JavaScript 单文件实现
- 不依赖任何外部库或服务器
请提供一个开箱即用的解决方案,包含全部代码和使用指南。 

640 (3).jpg


点击“生成代码”,Qwen3-Coder 会自动输出包含 HTML、CSS、JavaScript 的完整前端页面和逻辑脚本。


通过首轮提示词互动,我们得到了一个基础版的学习助手页面,支持倒计时和星星累计功能,效果如下:


640.png


但......在测试过程中,我们发现了几个需要改进的地方。为了更精准地引导 AI 优化代码,我们使用结构化提示词进行迭代:

1、添加一个小星星兑换奖励设置功能
  (1)可以添加、修改、删除奖励
  (2)可以设置每条奖励的小星星个数
2、 在每条奖励后添加兑换按钮,点击兑换按钮后,扣除当前对应奖励的小星星数

3、计时结束,提示在屏幕中间进行提示,并且有庆祝烟花特效

4、防止孩子点击重置和领取星星
  (1)开始学习后,重置按钮隐藏
  (2)在学习中,点击领取小星星,不能领取小星星,需要进行提示,只有学习时间归零才可以领取

帮我使用结构化提示词优化一下这段需求


接下来,在通义灵码插件的左下角,点击【模式切换】,选择 “智能问答” 模式。


💡 为什么要切换?


智能体”模式适合一次性输出完整代码;而“智能问答”模式更适合多轮交互式优化,能理解上下文、记忆历史修改,并持续迭代代码。


切换完成后,我们将上述结构化提示词粘贴进去,点击发送,下面我们来看下优化后的效果:

核心功能需求
1. 奖励管理系统
功能模块:奖励商店
子功能:
  - 奖励条目管理:
    * 添加新奖励:用户可自定义奖励名称和所需星星数
    * 修改现有奖励:可编辑奖励名称和星星数
    * 删除奖励条目:可移除不需要的奖励
  - 奖励兑换机制:
    * 每条奖励后添加"兑换"按钮
    * 点击兑换按钮时验证星星数量
    * 星星足够时扣除相应星星数并显示兑换成功提示
    * 星星不足时显示提示信息
2. 计时结束提醒优化
功能模块:完成提醒
触发条件:倒计时归零
视觉效果:
  - 屏幕中央显示完成提示信息
  - 添加庆祝烟花特效动画
  - 提示音效(可选)
交互行为:
  - 自动显示"领取星星"按钮
  - 可点击"领取星星"收集奖励
3. 防误操作机制  
功能模块:操作权限控制
规则定义:
   - 学习进行中状态:
     * 隐藏"重置"按钮,防止意外中断学习
     * 禁用"领取星星"功能
     * 点击"领取星星"时显示提示:"学习时间还未结束哦!"
   - 学习准备状态:
     * 显示"重置"按钮
     * "领取星星"按钮处于待激活状态
   - 学习完成状态:
     * 显示"重置"按钮
     * 激活"领取星星"功能


当我们确认 AI 已经完全理解需求后,就可以切回【智能体】模式——它会基于我们刚刚在“智能问答”中明确的需求,一次性生成完整、可运行的 HTML 文件。

生成完成后,点击【接受】,将代码保存为 index.html ,双击打开就能看到全新的升级版学习助手!


640 (4).jpg

补充:使用 Live Server 实时预览前端页面

如果你的应用包含 HTML 页面(如学习助手的交互界面),推荐安装 VS Code 插件 Live Server,实现一键预览与实时刷新。


640 (5).jpg


安装完成后,鼠标右键点击 html 文件,在弹出菜单中选择“Open with Live Server”,就会自动在浏览器打开这个页面。


640 (6).jpg

三.一键上线:把你的作品分享给全世界

前面我们用 Qwen3-Coder 和通义灵码,在本地开发并优化出了一款儿童学习助手。但它现在只存在于我的电脑里,接下来,我想要把这个 HTML 文件,变成一个任何人都能通过链接访问的网页。

只需要 MCPedgeone-pages,简单点几下,就能搞定!


🚀 什么是 edgeone-pages?

edgeone-pages 就是专门为静态网页部署而生的 MCP 插件。

静态网页:就是像我们这个学习助手一样,由 HTML、CSS、JS 文件组成,不需要复杂后台数据库的网页。

作用:把你本地的 index.html 文件,一键发布到一个全球可访问的服务器上,并生成一个专属的、好记的链接。

第一步:添加 edgeone-pages MCP 插件


回到你的 通义灵码 VS Code 插件界面。点击左下角的【模式切换】,确保你处于 “智能体”模式(只有这个模式才能调用 MCP)。


点击页面中的人物图标 → 选择【个人设置】→ 进入【MCP 服务】。


640 (7).jpg


点击【添加 MCP】,在搜索框里输入 edgeone-pages ,然后按回车键进行搜索。


640 (8).jpg


💡 提示:这个插件来自“魔搭(ModelScope)MCP 广场”,是官方认证的可靠插件。


找到 edgeone-pages 后,点击【安装】。安装成功后,你可以在【我的服务】里看到它。


第二步:让 AI 帮你部署


现在,MCP 插件已经装好了,你只需要通义灵码的聊天框里,输入这样一条指令:使用 edgeone-pages-mcp-server,把这个页面部署上线。 AI 会收到指令,调用 edgeone-pages 插件,自动完成文件上传、服务器配置等一系列操作。


第三步:获取你的专属链接


几秒钟后,AI 就会回复你,附带一个公网访问链接,就像这样:


🌐 部署成功!你的学习助手已上线:https://mcp.edgeone.site/share/xxx


喜!你的作品现在正式上线了!

相关文章
|
21天前
|
人工智能 缓存 自然语言处理
从 Prompt 到 Context:基于 1400+ 论文的 Context Engineering 系统综述
本文探讨了Prompt Engineering的发展趋势及其扩展——Context Engineering的重要性。随着大语言模型(LLM)的发展,构建合适的上下文(context)成为影响模型性能的关键因素。Context Engineering不仅包括传统的提示词工程,还涵盖了上下文的构建、管理与优化,被视为LLM时代的新软件工程范式。文章结合最新研究成果与行业实践,系统解析了Context Engineering的概念、分类、挑战及其在LLM应用中的核心作用,帮助开发者更好地理解和应用这一新兴技术。
217 26
从 Prompt 到 Context:基于 1400+ 论文的 Context Engineering 系统综述
人工智能 安全 IDE
319 31
|
1月前
|
机器学习/深度学习 人工智能 算法
AI 基础知识从 0.6 到 0.7—— 彻底拆解深度神经网络训练的五大核心步骤
本文以一个经典的PyTorch手写数字识别代码示例为引子,深入剖析了简洁代码背后隐藏的深度神经网络(DNN)训练全过程。
492 56
|
14天前
|
存储 并行计算 调度
迈向可编程观测:在GPU Kernel中构建类eBPF风格的性能探针
本文旨在梳理作者学习路径,带领读者共同探索 GPU Kernel 性能分析从宏观到微观的技术演进。
244 24
迈向可编程观测:在GPU Kernel中构建类eBPF风格的性能探针
|
21天前
|
人工智能 自然语言处理 文字识别
RAG效果不佳?先别急着微调模型,这几个关键节点才是优化重点
本文深入探讨了RAG(Retrieval Augmented Generation)技术的实现细节与优化策略,指出在AI应用开发中,RAG常被视为黑盒导致问题定位困难。文章从文档分块(Chunking)、索引增强(语义增强与反向HyDE)、编码(Embedding)、混合检索(Hybrid Search)到重排序(Re-Ranking)等关键环节进行了详细解析,强调需结合具体场景对各模块进行调优,以提升召回率与精确率的平衡,并倡导从快速使用走向深度优化的实践路径。
486 31
RAG效果不佳?先别急着微调模型,这几个关键节点才是优化重点
|
14天前
|
SQL 存储 分布式计算
【万字长文,建议收藏】《高性能ODPS SQL章法》——用古人智慧驾驭大数据战场
本文旨在帮助非专业数据研发但是有高频ODPS使用需求的同学们(如数分、算法、产品等)能够快速上手ODPS查询优化,实现高性能查数看数,避免日常工作中因SQL任务卡壳、失败等情况造成的工作产出delay甚至集群资源稳定性问题。
409 30
【万字长文,建议收藏】《高性能ODPS SQL章法》——用古人智慧驾驭大数据战场
|
17天前
|
人工智能 运维 安全
机器学习/深度学习 人工智能 中间件
303 29
|
27天前
|
存储 人工智能 前端开发
从需求到研发全自动:如何基于Multi-Agent架构打造AI前端工程师
本文深入阐述了蚂蚁消金前端团队打造的Multi-Agent智能体平台——“天工万象”的技术实践与核心思考。
512 20
从需求到研发全自动:如何基于Multi-Agent架构打造AI前端工程师