CodeBuddy数据分析卡顿的根源在于上下文索引范围过广、云端模型不匹配本地环境、指令模糊及大文件全量加载；需排除非代码路径、切换本地轻量模型、关闭跨文件分析、提交结构化指令并启用流式模式。
☞☞☞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☜☜☜
CodeBuddy在处理数据分析类任务（如Pandas清洗、SQL查询优化、Excel去重脚本生成）时响应慢、卡顿、等待时间过长，直接影响你写完“df.dropna()”后是否能立刻看到补全建议或生成完整脚本。这不是模型能力问题，而是上下文加载、模型调度与本地资源分配未针对数据密集型场景做适配。
限制数据分析上下文索引范围
默认情况下，CodeBuddy会扫描整个工作区——包括jupyter_notebooks/、data/raw/、venv/等目录，光是解析10GB的CSV样本集就可能触发内存溢出或索引超时。必须主动排除非代码资产路径。
打开VS Code命令面板（Ctrl+Shift+P / Cmd+Shift+P）→ 输入并选择「Preferences: Open Settings (JSON)」。
在settings.json中添加以下字段，覆盖原有codebuddy.context.excludePatterns配置：
"codebuddy.context.excludePatterns": ["**/data/**", "**/notebooks/**", "**/venv/**", "**/env/**", "**/*.csv", "**/*.xlsx", "**/*.parquet", "**/logs/**"]
【此配置必须保存后重启插件服务（右键状态栏CodeBuddy图标 → Reload Extension），否则仍会尝试加载CSV内容】
切换至本地轻量模型并禁用跨文件分析
数据分析脚本常依赖pandas、numpy、matplotlib等库的特定版本签名，云端模型无法准确匹配本地环境类型定义，导致补全反复失败或返回过时API。本地模型可直接读取你的site-packages语义。
第一步：进入 CodeBuddy 设置 → 「模型与性能」页 → 将「补全模型部署位置」设为「本地运行(CPU加速)」。
第二步：点击「下载并部署轻量模型」→ 等待约1.2GB模型文件完成加载（首次需5–10分钟）。
第三步：进入「高级功能」子页 → 关闭「启用跨文件变量追踪」和「函数引用预测」两项。
关闭后，单次补全计算负载下降40%，对含30+列的DataFrame操作（如df.groupby().agg()）不再出现1秒以上延迟。
精简输入指令与结构化上下文
向CodeBuddy提交“帮我清洗这个Excel”这种模糊请求，它会尝试加载整个文件并推理业务逻辑，极易超token限。真正高效的做法是把意图、约束、示例三者打包成最小有效单元。
方法一：CLI直输结构化指令
在终端执行：codebuddy code "基于data/input.xlsx中'phone'列去重，保留首次出现行，导出为cleaned.xlsx，忽略空值"
方法二：VS Code内嵌结构化注释
在.py文件中光标处输入：
#@codebuddy: pandas-clean
# input: data/input.xlsx | column: phone | dedup: first | output: cleaned.xlsx
按下Ctrl+Enter触发补全，CodeBuddy将跳过文件内容解析，直接调用预编译的数据清洗模板。
强制启用流式分析模式（超大文件专属）
当处理超过50MB的CSV或Parquet文件时，传统全量加载会导致IDE冻结。流式模式让CodeBuddy只读取前1000行样本构建类型推断，不占用额外内存。
打开命令面板 → 输入「CodeBuddy: Toggle Streaming Mode」→ 回车启用。
启用后，状态栏显示「STREAMING ON」，此时对data/large_orders.parquet的列类型提示、缺失值统计建议将基于采样结果即时返回，耗时稳定在320ms内。
注意：流式模式下不支持全文正则匹配或行间逻辑推导，仅适用于基础结构分析。
