CodeBuddy能够将销售数据分析中的几项核心任务一次完成：销售趋势如何变化、周期性是否明显、下个月的大致走势会怎样。上传Excel后，系统会先自动识别时间列和数值列，但日期格式仍需手动确认，同时需要设置索引；点击分析后，平台会自动完成STL分解与Prophet预测，也支持通过自然语言指令调整预测时长，最后还能直接生成可视化图表，并支持导出为Excel。

如果你想用CodeBuddy快速完成销售数据趋势分析、周期识别以及下月销售额预测，而不想手动编写Prophet模型或反复调参——它可以直接读取你上传的Excel中的时间列和数值列，自动执行日期解析、缺失值填充、趋势分解和滚动预测。

上传并识别时间序列数据

将包含日期和业务指标的Excel文件拖入CodeBuddy对话框后，系统会立即扫描表格结构，并高亮可能的时间列（如“日期”“time”“dt”）以及数值列（如“销售额”“访问量”“订单数”）。

如果日期列被识别为文本类型（例如显示“2024/3/15”但字段类型是string），CodeBuddy不会自动完成转换——【必须在指令里明确要求】：“请将‘日期’列统一转为YYYY-MM-DD格式，并设为索引”。否则后续所有时间序列分析与预测流程都可能无法正常运行。

确认字段识别无误后，点击「开始分析」，等待右上角状态变为“已加载时间序列上下文”。

触发时间序列智能分析

你可以直接输入自然语言指令，例如：“分析过去90天销售额的时间序列特征，识别周周期和月趋势，给出未来7天预测值。”

CodeBuddy会自动执行完整流程：检测日期频率→重采样对齐→使用STL分解（趋势+季节+残差）→拟合Prophet基础模型→生成预测结果及置信区间。

它不需要你手动指定freq参数，而是通过pd.infer_freq()自动推断真实采样间隔；如果推断失败（例如数据中间缺失3天后又恢复），系统会主动提示“检测到非连续日期，请确认是否需插值或按实际日历重采样”。

查看与导出分析结果

结果页采用三栏展示：左侧为原始数据折线图与预测曲线，中间为STL分解图（趋势/季节/残差），右侧为数值结果表，包含“预测值”“下界”“上界”三列。

点击图表右上角「导出PNG」可保存可视化分析结果；点击表格右上角「导出Excel」则会生成包含原始数据、预测列和置信区间的完整文件，方便后续复盘与汇报。

如果需要调整销售预测周期，直接输入：“把预测延长到30天”，CodeBuddy会重新拟合模型，并同步刷新全部图表与表格。