概述
最近由于工作需要的关系，使用了腾讯的CodeBuddy(CB)，感觉还不错，也觉得有很多值得分享的内容，遂有本文。
先来列举一下笔者选择和推荐CB的理由：
- (真)简单易用
基本上就是安装后简单的使用微信认证后就可以开始工作了。不需要特别其他的配置，如账号、支付、API KEY、平行世界网络、插件等等，对于初学者和懒人是非常友好的。而且对于中文的支持也比较好。
- 能力尚可，效率较高
笔者使用的体验是，系统的响应速度，模型能力都还不错，这对于频繁和重量化的使用是非常重要的。比如笔者原来使用的VsCode with copilot，虽然也很不错，但由于你懂得的限制，效率实在是比较低。
- 成本优化
笔者的环境，安装后就可以使用了，不需要购买Token配额，好像它也有一定的免费额度。当然肯定也有付费的能提供更好能力和服务的版本，而且没有支付条件的限制，对于中国用户是非常方便的。
- 功能完善
支持Craft、Chat、Build等多种工作方式。其他热门相关技术的MCP、Skills等等都有比较完善的支持，其生态系统中也提供了多种工具和模型可以选择。
- 鲁棒性
这是笔者在使用过程中体会出来的。这个系统的健壮性比较好，很少出现由于集成和网络造成的系统卡死。即便遇到问题，它也会自行尝试查找并实施解决方案，而且在大多数情况下都能顺利解决。这和笔者在以前使用的其他系统(Claude Code， Antigravity, Copilot....)有很大改进。当然笔者也理解这可能不是技术本身的问题。
安装和配置
CB的官方网站是：
腾讯云代码助手 CodeBuddy - AI 时代的智能编程伙伴
它有很多相关产品，我们这里可以先尝试最基础和简单易用的IDE工具。它基本上就是一个VSCode的内置AI配置的扩展版本，所以安装和使用的方式和标准的VSCode也没有太大的区别。
笔者使用Windows系统，选择的也是国内的中文版本。网站提供的连接可以直接下载一个Windows平台的IDE安装程序，直接执行就可以完成安装过程。
安装后的可执行文件程序名为： CodeBuddy CN。
安装完成后，软件会提示进行认证，这时可以简单的使用微信扫码认证即可。
用例
为了评估CB，笔者设计并测试了一些简单的使用案例，大多都和日常具体工作相关，下面列举出来如何操作和使用，读者也可以根据这些内容，结合自己的工作进行尝试和改进。
开场白
CB软件启动运行后，就进入了开发者非常熟悉的VsCode IDE窗口。一般情况下会直接启动一个带有CodeBuddy面板的窗口(右侧)，其实在这个时候，就可以开始工作了。和普通的AI Chat软件类似：
比如，我们可以提一个经典的哲学问题，来确认一下CB是否可以正常工作。
你谁啊？
我是 AI 编程助手，由 Auto 驱动，专门帮助你完成编程任务。
我可以帮你：
编写和修改代码
调试问题
搜索和理解代码库
部署项目
解决技术问题
有什么我可以帮你的吗?
这当然也是所有AI Chat最常规的场景，但作为更强大的AI工具，和以前的系统的最大的不同在于它可以在一个“环境”中展开工作来完成更复杂和有效的工作，这是我们就可以使用一个项目文件夹来创建和承载这个工作环境。这和普通代码编程工作中的项目基本上相同的概念。
这个操作，可以在菜单中的文件-打开文件夹，然后选择一个工作文件夹就可以实现，然后这个文件夹，就可以作为CB当前工作的上下文环境了。
CB对于skills的支持比较好，这也是其相比于早先的Chat工作模式有很多改进和优化的方面，所以下面我们的主要工作方式就是：
- 先创建一个关于任务的Skill
- 然后基于这个Skill来完成相关任务
- 由于Skill是可以复用的，所以后续可以通过调整Skill和加入参数化的提示词调用Skill来完成类似的任务
笔者理解的Skill，就是一个标准化的Prompt(提示词)，它可以将AI会话标准化完善化，从而提高AI处理的质量和准确性，而且可以支持更好的任务自动化。
下面笔者结合自己的应用情况，例举一些实际的应用场景。
网络检索分析
这个任务基本上就是替代网络搜索，但加入了更加专业和全面的内容分析。
- Skill定义
请帮我写一个中文的skills文件，可以按照关键词或者标题搜索网络并访问页面，解读页面中文章的内容，生成解读和要点报告
可以看到，提出要求后，CodeBuddy开始工作，而且它也会简单的提示其工作思路和内容。工作完成后，它将在当前工作空间中，生成一个标准的skill定义文件夹，里面包括了skill定义和如何使用的相关信息。 甚至我们都不用自己给这些skill命名，CB会根据任务内容自己找一个合适的名字(本例中是: web-search)。而且这些都是自动生成的。作为用户，我们可以暂时不用关心里面的具体内容。
Skill定义好之后，我们就可以用更简单的方式来使用它了，只需要简单的提到它就可以。
- Skill使用
我们继续在CB面板中，发出指令：
要搜索的文章是： 《教育部: 将有序推进中考改革.....》,请使用文章分析skills处理
- 交付结果
如果认真观察CB的工作流程，我们可以发现，在一连串操作之后，CB最终会交付一个工作成果，并进行简单的总结，这确实是要比自己去搜索，然后阅读理解更方便了!
这里笔者主要展示工作原理和过程。但还是觉得需要提示，在实际的工作中，要特别注意AI系统的幻觉问题，需要认真核查交付内容，并不断改进Skill内容来优化过程和结果。比如可以在提示中，强调需要参考多个信息来源，在交付结果中提供并验证原始链接等等。这就不是本文重点要讨论的问题了。
文档处理
我们再来看一个文档处理的用例。任务的内容是让AI去阅读一个杂志，然后提取内容目录和用户关心的问题。
在这个任务中，笔者甚至没有明确的定义这一任务的Skill，而是直接使用了指令：
- Skill应用
请阅读 docstore文件夹中的 上帝为什么造四川杂志，提取文章目录和摘要，并提取其中提到的人物和简介，生成报告格式为md
认真观察CB执行这一任务的过程，我们会发现，它会尝试很多不同的方法来完成这一任务。包括安装了很多Python相关的工具，甚至编写了简单的Python代码和Shell指令等等。
最后确实也生成了一个看起来非常专业和完善的解读报告：
在真实工作环境中，如果需要固化这一工作流程，应当定义和优化相关的Skill。
系统运维
上面的两个示例，还是主要在知识管理方面的工作，下面来探讨一下其在技术场景中的使用。
笔者有一些远程的Linux主机，希望有一个工具方便对其进行状态查询和分析，并且能够将这一工作自动化。原理这些工作，都是非常专业的，需要通过工具和编写脚本来完成。现在我们可以将自己想象成为一个“不懂技术细节”的运维人员，也需要完成类似的任务。
笔者的操作如下：
- Skill定义
请帮我写一个中文skill文件，可以使用ssh 连接远程linux服务器，并获取主机的主要配置信息和运行状态
- Skill应用
请使用远程主机skills，查询配置信息和运行状态， 主机是 yanjh@1921.68.10.201，密码是：xxx
这个过程其实并不顺利，它在处理远程系统的连接过程中，遇到了一些麻烦。因为它需要编写一些python代码来完成这些任务，由于默认执行环境的差异，这些代码无法正常运行(Windows vs Linux)。这对于经验比较丰富的运维人员而言，会经常遇到，解决起来也不是太复杂。但比较神奇的是CB和其后面的模型平台，可以通过这些错误信息，自行分析这些问题并查找处理方案，稍微反复了一下，后来还是解决了。
- 交付结果
SSH连接的问题处理完成之后，后面的操作是比较顺利的，也生成了比较令人满意的报告。
数据和信息提取
这个任务更高级一点，也更加实用。
笔者公司的运营团队，经常会需要获取一些生产经营的数据。传统方式是请求技术团队开发系统相关的报表功能，或者手动查询提取数据。因为这需要对于数据库结构和SQL语言的编写有相当深入的了解。这样就造成很多工作量和对开发过程的影响。
现在我们可以尝试使用AI来优化这些工作。笔者的实践过程如下。
- Skill定义
再帮我写一个连接postgres数据库，进行简单数据提取和分析的skill
为了方便管理和使用，笔者还编写了一个指令文件(task.md)，来简化指令过程。
- task.md
注意只使用查询模式，不能修改数据！！！！！
请使用下列设置和数据库访问skill,统计一下食堂视频接入的点位，和地区分布
数据库地址是： 192.168.10.120
数据库用户名： postgres
数据库密码： somepassword
数据库名称： diningroom
- Skill应用
就更简单了：
请执行task.md中的任务
- 结果交付
交付的结果，其实也是比较令人满意的。
在过程中，可以看到，笔者为了验证和测试这一流程，其实故意没有提供更细节的信息，比如数据库结构如何定义，数据库表和字段的意义等相关信息。但模型还是依靠其强大的分析和理解能力，根据能够获取的信息，像一个真正的数据库专家一样，找到了自己需要的信息。从而验证了笔者的想法。就是可以通过AI，来优化运营工作的过程，为技术团队减负。
程序编写
其实，由于技术架构和原理的关系，现有的LLM模型，最擅长的领域，其实就是编程了。
笔者这里也不举经典的贪吃蛇作为示例了，其实那有押题之嫌。
下面笔者以一个简单的实际工作场景和需求为例，简单说明其操作过程。这个过程其实没有一定之规，主要是通过和CB交互来实现的。
- 提示信息
请帮我编写一个bun ts 程序，可以访问指定的网络页面，截取完整屏幕内容到图片，并将其页面内容保存到文本文件中，最后对文本文件的内容进行翻译
使用的技术如下：
- bun作为执行环境
- js作为编程语言
- puppeteer作为浏览器自动化工具
- 尽量少用依赖
- 指令信息
执行，使用这个地址 news.baidu.com/
- 交付
交付结果如下：
程序确实顺利的编写并且正常运行了。网页也能够正常访问、截屏和内容获取。但由于系统集成的问题，这个代码无法正常访问翻译API(代码中的设置)。但好像它还是想办法利用LLM模型自身的能力执行了翻译的过程。
程序已完全按照要求实现了：
✓ Bun 执行环境
✓ TypeScript/JavaScript
✓ Puppeteer 浏览器自动化
✓ 网页截图（完整页面）
✓ 内容提取并保存文本
✓ 文本翻译（支持中英互译）
✓ 最少依赖（仅 puppeteer）
您可以使用 bun run index.ts <URL> 来抓取和翻译任何网页！
但笔者查询其生成的代码后发现，虽然确实能够运行。但其实代码并不算简洁清晰，稍显繁复，而且有的地方的注释也不够清晰直观，影响后续人工的理解和优化。因为现阶段，大多数负责任的开发者，还是希望能够相对理解系统的工作原理和流程，而不是完全将其寄托在AI之上。
一些感想
在探索了上述使用场景和案例过后，笔者对于CodeBuddy包括AI有了一些相关的感受和感想，这里和读者分享一下：
- 现在的AI平台已经足够强大，来深入到广大知识工作者的日常工作，可以大幅度提高效率，减轻负担
- 但AI能力的发挥，和用户的理解和认知也有很大关系，配合的越好，能力和发挥越好
- 由于原理和材料的限制，对于事实性要求比较高的场景，还是要注意检查和验证
- 对于AI技术，既不用迷信，也不要轻视，要主动实践，提升自己，多考虑如何和现实和具体工作的结合
- 知行合一，实践出真知！！
小结
本文探讨了笔者应用腾讯CodeBuddyAI工具软件应用到日常工作内容的相关探索。讨论了其在网络内容搜索分析，本地文件处理，IT系统运维，运营数据提取分析，代码编写等多个场景中的实践，应当对读者的工作有所启发的帮助。
