CodeBuddy CLI可一键生成并执行电商销售数据分析脚本：8秒内完成按月销售额趋势统计、热销商品TOP10排行、用户复购率计算，自动适配本地pandas版本，并输出结构化分析报告与Excel文件。

如果你想快速从电商销售CSV文件中提取关键经营指标，例如月度销售额趋势、热销商品TOP10、用户复购率，就不必再手动编写几十行pandas代码并反复调试报错。

准备销售数据文件并启动CodeBuddy CLI

将你的sales_data_2026.csv文件放到当前工作目录中，确保文件至少包含date、product_id、amount、user_id四列。这一步必须完成，【文件名必须带年份且为.csv后缀，否则CLI会报“未识别数据源”】。

在终端执行：codebuddy 启动工具。首次运行时会自动检测Python环境，并提示配置API密钥——使用OpenAI试用密钥即可，通常30秒内就能完成验证。

生成分析脚本：一行指令出完整可运行代码

直接输入自然语言指令：

codebuddy generate "读取sales_data_2026.csv，先按月份汇总总销售额并绘制折线图；再统计各个product_id的销售次数，筛出前10名；同时计算每个user_id出现次数≥2的占比，作为复购率；最后将全部结果打印输出，并保存为report_2026.xlsx"

CodeBuddy CLI会在8秒内生成一份完整的Python分析脚本，自动处理日期解析、空值过滤、中文列名兼容等细节。它不会默认你使用的是pandas 2.2，而是会根据本地环境动态适配对应的pandas版本语法。

生成的脚本末尾自带if __name__ == "__main__":入口，双击即可运行，无需你再手动补充main函数。

执行分析并查看结果

脚本生成后，CLI会自动执行：python analysis_output.py。

运行完成后，控制台会立即输出三部分结果：① 2026年1–7月销售额明细列表（含环比变化）；② TOP10商品ID及对应销量；③ 复购率数值（例如：37.2%）。与此同时，还会生成一个report_2026.xlsx文件，内含3个Sheet页，格式也已提前处理完成——金额列采用千分位显示，日期列会被自动识别为时间类型。

如果发现某个月份的数据异常偏低，可以直接在终端输入：codebuddy debug "2026年5月销售额只有1.2万，比4月跌了60%，检查是否漏读了促销订单表"，它会自动比对原始CSV与中间DataFrame，并定位到date列中混入了"2026/05/xx"和"2026-05-xx"两种日期格式。