要让CodeBuddy精准生成CI/CD脚本，必须明确平台（如GitLab CI或Jenkins）、触发条件（如main分支推送）、基础设施（如TCR仓库）、分阶段行为（build/test/deploy）、工具链绑定（如SonarQube）、环境隔离逻辑，并强制安全验证（secrets校验、带SHA的镜像tag、set -e失败终止）。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要用自然语言让CodeBuddy精准生成CI/CD流水线脚本，必须避开模糊描述、跳过平台特性和安全细节——比如只说“自动部署”会漏掉凭据注入和镜像仓库权限校验，生成的脚本在Jenkins或GitLab上直接报错。
明确声明CI/CD平台与触发上下文
第一步：在提示词开头就锁定目标平台，例如写“为GitLab CI生成流水线”或“生成适用于Jenkins Pipeline DSL的Groovy脚本”。【不写明平台会导致CodeBuddy默认调用通用MCP Server，可能生成.gitlab-ci.yml语法却混入Jenkins特有的agent声明】
第二步：说明触发条件，如“仅在main分支推送时执行”或“PR合并到develop分支后触发”。GitLab依赖only规则，Jenkins依赖branch specifier，缺了这句，生成的脚本不会自动运行。
第三步：指出是否需适配现有基础设施。例如加上“使用已配置的Harbor私有仓库”或“对接腾讯云TCR，registry地址为ccr.ccs.tencentyun.com”，否则CodeBuddy会默认用Docker Hub，推送阶段必然失败。
分阶段声明构建-测试-部署行为
方法一：按标准CI/CD阶段逐项描述
直接写清每个阶段要做的事：“build阶段用mvn clean package”“test阶段执行JUnit5测试套件并生成surefire-report”“deploy阶段构建Docker镜像、打tag为$CI_COMMIT_TAG、推送到TCR、再通过kubectl apply -f部署到tke-prod命名空间”。
CodeBuddy Code CLI 的安装、配置与使用指南。CodeBuddy Code 是腾讯推出的 AI 驱动 CLI 编程助手，支持自然语言驱动开发。 - 必备触发词：CodeBuddy, codebuddy, AI CLI, Tencent AI coding, @tencent-ai/codebuddy-code, terminal AI assistant - 适用场景：安装 CodeBuddy CLI、配置 CodeBuddy、使用 CodeBuddy 命令、排查 CodeBuddy 问题
方法二：用自然语言绑定工具链
例如：“用SonarQube扫描代码质量，扫描结果上传至https://sonar.example.com，凭据ID为sonar-token”。CodeBuddy会自动识别SonarScanner工具、注入serverUrl和credentialsId字段，避免手动填错URL路径或混淆token类型。
方法三：指定环境隔离逻辑
写“dev环境部署到K8s dev命名空间，prod环境部署到prod命名空间，通过CI_COMMIT_TAG是否存在来判断环境”。这样生成的脚本会自动加入if判断和变量分支，而不是硬编码namespace。
强制注入安全与验证要素
在提示词末尾追加一句：“校验所有secrets引用完整性，缺失时高亮提示位置”。CodeBuddy执行预检时会扫描.gitlab-ci.yml中的$CI_REGISTRY_PASSWORD或Jenkinsfile里的credentialsId，发现未定义的凭据ID就标红输出具体行号。
加上“Docker镜像tag必须包含git commit short SHA和CI_PIPELINE_ID”。否则生成的镜像tag会是latest，导致回滚困难、版本不可追溯。
写明“所有sh命令需带set -e，任何步骤失败立即终止流水线”。这会让CodeBuddy在生成的shell块开头自动插入set -e，防止构建失败后继续执行部署，把坏包推到生产环境。
