CodeBuddy Notebook支持VS Code中内联运行Jupyter笔记本，实现写代码、执行、可视化和调试一体化；支持快捷指令/explain、/fix、/tests辅助开发；绘图需加%matplotlib inline魔法命令才能正确显示。
☞☞☞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☜☜☜
想在VS Code里边写代码边看图表、边跑模型边调参数，又不想反复切窗口、手动复制粘贴结果？CodeBuddy Notebook提供原生支持Jupyter内核的交互式开发环境，直接在编辑器里完成“写→跑→看→改”闭环。
创建并运行第一个CodeBuddy Notebook
打开VS Code → 新建文件 → 按 Ctrl+Shift+P（Windows）或 Cmd+Shift+P（macOS）→ 输入「Notebook: Create New Notebook」→ 回车 → 选择「Python」内核 → 文件自动保存为 【.ipynb】 后缀。
第一行单元格输入 print("Hello from CodeBuddy!") → 点击右侧▶️按钮或按 Shift+Enter → 输出立即显示在单元格下方。
注意：若提示「未找到Python解释器」，请先通过 VS Code 命令面板执行「Python: Select Interpreter」，选中已安装的 Python 环境；否则后续所有单元格都无法执行。
用CodeBuddy快捷指令加速分析流程
在任意代码单元格中选中一段逻辑，比如数据清洗代码块，然后在对话面板输入：
方法一：/explain → 回车 → 自动生成该段代码逐行作用说明，含变量流向和潜在边界条件提醒。
方法二：/fix → 回车 → 若当前代码报错，助手会定位错误行、给出修复建议，并附带可一键插入的修正代码片段。
方法三：/tests → 回车 → 自动生成覆盖主路径与异常分支的 pytest 单元测试用例，直接粘贴到新单元格即可运行验证。
嵌入动态图表与实时数据刷新
第一步：在单元格中导入 Matplotlib 和 Pandas：import matplotlib.pyplot as plt、import pandas as pd。
第二步：加载本地CSV数据：df = pd.read_csv("sales.csv") → 运行后检查 df.head() 是否正常输出。
第三步：绘图前必须加 magic 命令：%matplotlib inline → 这一步漏掉会导致图表不显示，只输出 <Figure size ...> 文本。
第四步：执行绘图语句：df["revenue"].plot(kind="line"); plt.show() → 图表将内联渲染在单元格正下方。
第五步：修改数据源或参数后，无需重启内核，直接重新运行该单元格即可刷新图表——这比导出再导入快得多。
