在日常终端操作中，最令人头疼的就是频繁切换上下文——正敲着命令，突然需要打开AI对话窗口，等待加载、初始化，再粘贴日志。这种体验就像程序运行到一半被中断，流畅感瞬间归零。CodeBuddy的管道输入功能正是为此而生：它允许你把标准输入内容直接传递给AI模型，无需进入交互模式，结果直接返回终端，全程不打断你的命令行工作流。

简单来说，只需使用-p参数告诉CodeBuddy：“这次不要交互，直接从输入内容开始处理。”例如，你想分析一段日志，或者让AI审查某段代码并给出解释，直接通过管道传入即可。以下几个场景覆盖了日常最常见的用法。

基础管道用法：通过cat与CodeBuddy分析错误日志

最直接的用法是在终端中输入：
cat error.log | codebuddy -p "分析这个错误日志，指出根本原因和修复建议"

这条命令会把error.log全文作为上下文传入，模型基于整份日志输出分析结果。但这里有一个常见易错点：务必包含-p参数，否则默认进入交互模式，管道输入会被忽略。

另外，如果日志包含敏感路径或密钥，强烈建议先用sed或grep过滤后再传入。毕竟将公司数据库连接串直接暴露给模型，并不是明智之举。

单次执行带权限的操作：修改文件并跳过确认

想让CodeBuddy直接帮你修改代码并保存？有两种实用方式。

方法一：直接编辑并强制写入
运行：codebuddy -p "把 src/main.js 中所有 console.log 替换为 logger.info，并保存" -y
这里的-y参数意为“直接执行，无需确认”。

方法二：配合管道输入代码片段（更安全）
cat src/main.js | codebuddy -p "只输出修改后的完整代码，不要解释，不要包裹在markdown代码块里" --dangerously-skip-permissions

关键参数是--dangerously-skip-permissions。缺少它，操作通常会被权限系统拦截——卡在“确认修改吗？”的提示上。当然，该参数名称已明确提示风险，它会绕过所有安全检查，因此只建议在本地、可信的项目中使用。

结构化输出：让结果可被后续脚本解析

很多时候，我们不仅需要查看结果，更希望结果能被下游脚本直接使用。这时JSON格式输出是最佳选择。

第一步：使用--output-format json获取标准JSON响应
echo "function add(a,b){return a+b;}" | codebuddy -p "用JSON格式返回：{summary, complexity, security_issues[]}" --output-format json

第二步：利用jq提取特定字段
接上| jq '.summary'，即可获取纯文本摘要。这一用法非常实用，例如接入CI流程，自动对代码变更进行语义检查，然后将结果传递给告警系统或通知机器人。

第三步：如果需要流式响应（比如分析一个大文件），可改用--output-format stream-json，但此时输入也需要用--input-format stream-json对齐，否则格式无法匹配。

进阶组合：多级管道串联分析

当你熟悉基础用法后，可以尝试更高级的组合——用管道将多个工具串联，形成一条自动化分析链：
git diff HEAD~1 -- src/ | codebuddy -p "列出所有新增或修改的函数名，并标注是否涉及数据库操作" | grep "DB|query|insert" | awk '{print $2}'

这条命令实现了从代码变更→语义识别→关键词过滤→函数名提取的完整流程。注意，中间任何一步失败都会终止整个管道，不会静默忽略错误。这种设计更可靠，错误尽早暴露并修复，远比悄无声息地吞掉错误、最终发现输出为空要好得多。

一个小提醒：管道末尾的awk必须用单引号包裹，否则shell会提前将$2解释为变量，导致输出为空——这个坑我亲身踩过多次。