CodeBuddy可生成带参数校验的Excel去重脚本、可导入的数据清洗函数及YAML配置化分析模板，三者均需严格满足文件校验、空值处理、类型提示、异常防护等硬性要求，缺一不可。
☞☞☞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☜☜☜
用CodeBuddy写一个带参数校验的Excel列去重脚本
你需要处理一批用户数据表，其中“手机号”列存在大量重复和空值，必须保留首次出现的完整行、跳过空值、支持自定义列名和输出路径，且运行前要验证输入文件是否存在、是否为.xlsx格式——这些条件缺一不可，否则脚本会中断或覆盖错误文件。
第一步：在终端中执行 codebuddy -p"写一个Python脚本，接收命令行参数：--input（Excel文件路径）、--column（去重列名，默认'手机号'）、--output（输出路径，默认input同目录下'dedup_output.xlsx'）。要求：1. 检查input文件是否存在且后缀为.xlsx；2. 读取Excel时跳过空值；3. 基于--column列去重，保留首次出现的整行；4. 输出新Excel并打印去重统计（原行数→去重后行数）"
第二步：复制生成的代码到 dedup_cli.py 文件中，注意检查是否包含 argparse 解析逻辑和 os.path.isfile(input_path) and input_path.lower().endswith('.xlsx') 双重校验——【缺少任一校验会导致脚本对.txt或不存在路径静默失败】。
第三步：在终端运行 python dedup_cli.py --input ./data/users.xlsx --column 手机号 --output ./result/clean_users.xlsx。若提示“File not found”，说明路径未用引号包裹且含空格，此时需改为 --input "./data/my users.xlsx"。
让CodeBuddy生成可复用的Pandas数据清洗函数
你正在构建一个数据清洗流水线，需要把“日期”列转为datetime、“金额”列转为数值并填充0、“状态”列标准化为大写——这些操作要封装成独立函数，能被其他脚本import调用，且必须有类型提示和详细docstring。
方法一：在CodeBuddy交互模式中输入：
“写一个Python函数clean_financial_data(df: pd.DataFrame) -> pd.DataFrame，功能：1. '日期'列用pd.to_datetime转换，错误设为NaT；2. '金额'列用pd.to_numeric转float，错误填0；3. '状态'列用str.upper()标准化；4. 返回清洗后的DataFrame。函数要有Google风格docstring，包含Args、Returns、Raises说明。”
方法二：直接用CLI单次执行：codebuddy -p"生成clean_financial_data函数，要求同上，但额外增加：若输入df为空DataFrame，直接返回并打印警告"。这一步操作起来很简单，直接把命令粘贴进终端回车就行。
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
生成后检查函数开头是否有 if df.empty: 分支和 warnings.warn("输入DataFrame为空") ——【没有该分支会导致空数据传入时后续to_datetime报错中断】。
通过YAML指令文件固化常用分析脚本模板
团队每周都要跑同一套销售数据聚合逻辑：按区域分组→求销售额均值与标准差→筛选均值＞50万的区域→导出为CSV。手动改路径和阈值太容易出错，必须用CodeBuddy生成可配置的模板。
① 在项目根目录创建 .codebuddy/commands/sales-aggregate.yaml，写入以下内容：
name: sales-aggregate<br>description: 按区域聚合销售数据并筛选高价值区域<br>prompt: |<br> 写一个Python脚本，读取{{input_file}}，按"区域"列分组，计算"销售额"的mean和std，<br> 筛选mean > {{threshold}} 的区域，结果保存为{{output_file}}。使用pandas，<br> 脚本需接收命令行参数--input、--output、--threshold（默认500000）。
② 在终端执行 codebuddy -c sales-aggregate --input ./data/q2_sales.xlsx --threshold 800000 --output ./report/top_regions.csv。注意YAML中的 {{input_file}} 会被自动替换为实际路径，但变量名必须与CLI参数名严格一致。
③ 若运行时报错“NameError: name 'pd' is not imported”，说明CodeBuddy生成的脚本漏了 import pandas as pd ——这是常见疏漏，需手动补全后再运行。
