CodeBuddy可快速完成客户分群分析：输入业务目标自动生成KMeans聚类代码、可视化图表及解读报告；支持RALPH循环驱动建模、交互式优化（调参/换算法/加业务约束）；一键导出PDF报告并分享可运行链接。
☞☞☞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☜☜☜
你需要用CodeBuddy快速完成客户分群分析，不是写一堆Python脚本再调试半天，而是输入业务目标，让AI自动生成可运行的聚类代码、可视化图表和分群解读报告。
准备数据与启动分析项目
打开CodeBuddy IDE，点击左上角「New Project」→ 选择「Data Analysis」模板 → 命名项目为“客户分群_2026Q3”。
将CSV格式的客户数据拖入左侧「蓝图档案馆」，文件必须包含至少4列：customer_id、age、annual_spend、purchase_frequency。缺少其中任意一列，后续聚类会因特征缺失直接报错。
双击该CSV文件，右侧AI智慧助手自动弹出预览面板，显示前10行数据及字段类型识别结果。若发现annual_spend被误判为字符串（如含“¥”或逗号），【必须先点击“Fix Type”手动改为number】，否则KMeans算法会因数据类型错误中断执行。
用RALPH循环驱动分群建模
在中间工作台新建一个.py文件，命名为cluster_analysis.py。
按RALPH循环的第一步R（需求）写Prompt：在文件顶部用英文注释明确写出——“Use KMeans to segment customers into 4 groups based on age, annual_spend and purchase_frequency. Scale features before clustering. Output cluster centers, size of each group, and a scatter plot of spend vs frequency colored by cluster.”
选中这段注释→右键→「Generate Code with AI」→等待10秒左右，CodeBuddy自动生成完整可运行代码，含scikit-learn加载、标准化、训练、评估及matplotlib绘图逻辑。
点击右上角「Run」按钮执行。若终端报错ModuleNotFoundError: No module named 'sklearn'，说明本地未安装依赖——此时不要手动pip install，而是点击「Terminal」标签页→输入codebuddy install sklearn pandas matplotlib→回车，系统自动匹配兼容版本并安装。
交互式优化分群结果
方法一：调整聚类数量
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
在已生成的代码中找到n_clusters=4这一行，将其改为n_clusters=5→保存→重新Run。对比两次输出的轮廓系数（silhouette score），数值更高者更优。注意：轮廓系数超过0.7才算良好分群，低于0.25说明分群无意义。
方法二：替换算法
将KMeans替换为DBSCAN，适用于识别异常高价值客户小群体。把from sklearn.cluster import KMeans改成from sklearn.cluster import DBSCAN，把model = KMeans(...)换成model = DBSCAN(eps=0.5, min_samples=5)，其余代码保持不变即可运行。
方法三：加入业务规则约束
在聚类后添加过滤逻辑：例如“只保留annual_spend > 5000且purchase_frequency >= 3的客户参与分群”，在fit之前插入df = df[(df['annual_spend'] > 5000) & (df['purchase_frequency'] >= 3)]。这步能避免低价值客户干扰分群结构，但【删掉原始全量数据备份会导致无法回溯分析】，务必先右键CSV文件→「Duplicate」生成副本再操作。
导出分群结论与交付物
第一步：点击右侧智能交互区的「Export Report」按钮。
第二步：勾选「Cluster Summary Table」「Segment Profile Radar Chart」「Top 3 Characteristics per Segment」三项。
第三步：在弹窗中选择导出格式为PDF → 点击「Generate」→ 文件自动保存至项目根目录下的/export/report_20260806.pdf。
第四步：回到左侧蓝图档案馆，右键cluster_analysis.py → 「Share as Runnable Link」→ 复制链接发给市场同事，对方无需安装任何环境，点开即运行同版分析。
