本文由 莫潇羽@源码七号站（www.fuyuan7.com）撰写，转载请注明出处。
快速摘要
如果你只有两分钟，看这里：
CodeBuddy 是腾讯推出的 AI 编程工具矩阵，涵盖 IDE 插件、独立 IDE 和 CLI 命令行三种形态，可以理解为腾讯版的 AI 编程全家桶。 其中 CodeBuddy Code（CLI 版）于 2025 年 9 月正式发布，在命令行里实现自然语言驱动的全流程开发，支持多模型切换（包括混元、DeepSeek 等国内模型）。
在 CLI 工具背后，还有一套叫做 Agent Skills（技能包） 的新型工程范式。它不是 Prompt，不是 MCP，而是介于两者之间的"标准化 SOP 工具包"：把提示词、脚本、知识库三合一，通过渐进式三层加载机制（L1 元数据→L2 核心指令→L3 资源文件）大幅降低 Token 消耗、提升复杂任务的执行质量。
本文核心内容：
- CodeBuddy 三种形态对比及安装上手
- CLI 核心命令逐一拆解（-p 无头模式、-r 会话恢复、/model 模型切换、yolo 权限模式……）
- Memory 记忆与规则（Rules）配置方法
- Agent Skills 底层原理与三层加载机制详解
- 从零搭建一个企业级技能包（以会议纪要自动同步为例）
- Skills 在 CodeBuddy / Trae / 扣子中的跨平台使用
- MCP 服务配置与自定义开发
想看完整拆解，往下翻。
一、CodeBuddy 到底是什么，跟其他 AI 编程工具有何不同
市面上 AI 编程工具越来越多，开发者容易被各种新名词搞乱。我自己折腾了一段时间，把 CodeBuddy 放在整个 AI 编程工具的大背景里看，它最大的特点是三形态合一：
- CodeBuddy 插件：装在 VS Code 或 JetBrains 里的补全助手，主打日常编码提速，Craft 模式可生成多文件项目，是国内首批支持 MCP 的代码助手之一。
- CodeBuddy IDE：独立的桌面 IDE，集成了从产品设计到部署的全流程，强调"无需一行代码，自然语言对话即可开发应用"，国际版整合了多个主流大模型，国内版支持腾讯混元、DeepSeek 等。
- CodeBuddy Code（CLI）：2025 年 9 月发布的命令行工具，面向习惯终端作业的专业开发者，逻辑跟 Claude Code 非常接近，但对国内开发环境更友好，支持国内模型，安装不需要额外操作。
三者共用额度，可以按场景自由切换。
┌─────────────────────────────────────────────────────────┐
│ CodeBuddy 三形态对比 │
├───────────────┬─────────────┬────────────┬──────────────┤
│ │ 插件形态 │ IDE 形态 │ CLI 形态 │
├───────────────┼─────────────┼────────────┼──────────────┤
│ 适用人群 │ 专业开发者 │ 非技术背景 │ 专业/高级开发│
│ 安装方式 │ 插件市场 │ 独立安装包 │ npm 一行命令 │
│ 核心场景 │ 补全/Craft │ 自然语言建 │ 终端+管道+CI │
│ 模型支持 │ 混元/DS等 │ 国内外均有 │ 国内外均有 │
│ MCP 支持 │ ✅ │ ✅ │ ✅ │
└───────────────┴─────────────┴────────────┴──────────────┘根据腾讯公开的数据，腾讯内部已有超过 90% 的工程师在用 CodeBuddy，编码时间平均缩短 40% 以上，AI 生成代码占比超过一半。这个数据不管怎么看，说明它在真实的大规模工程场景里经过了验证。
值得一提的是，这套工具在能力设计上对齐了当前主流 AI 编程工具的通用范式，比如自定义 Agents、Skills 技能包、MCP 集成等——这些都是眼下 AI 编程工具的标配方向，不是某一家独有的。这意味着学会了 CodeBuddy 的核心用法，迁移到其他工具的成本很低；同样，如果你之前用过其他 AI CLI 工具，上手 CodeBuddy 也不会有太大障碍。
对于个人开发者来说，CLI 形态是学习成本最低、上限最高的入口。接下来我会重点拆解这块。
二、安装与快速上手
2.1 前置依赖：Node.js
CodeBuddy Code 基于 npm 分发，所以第一步是装 Node.js。去官网下 LTS 版本，Windows 记得勾选"Add to PATH"，装完验证一下：
node -v
npm -v两个命令都有输出，说明环境 OK。
2.2 安装 CodeBuddy Code
npm install -g @tencent-ai/codebuddy-code国内网络下 npm 有时候慢，可以先切到腾讯源加速：
npm config set registry https://mirrors.cloud.tencent.com/npm/装完之后执行下面的命令验证：
codebuddy --version
# 或者简写
cbc --version看到版本号就说明安装成功了。CodeBuddy Code 有个简写叫 cbc，跟 codebuddy 效果完全一样，打起来省事。
2.3 登录授权
首次运行 codebuddy 会弹出浏览器做登录授权，支持腾讯云账号登录。国际版可以用 Google/GitHub 账号。登录成功后终端会显示一个类似下面的交互界面：
╔══════════════════════════════════════╗
║ CodeBuddy Code CLI ║
║ AI-powered terminal development ║
╚══════════════════════════════════════╝
> 进到这个界面，就可以开始用了。最直接的用法就是自然语言提需求，比如"帮我分析一下当前目录的项目结构"，它会自动扫描文件、分析后给出回答。
三、CLI 核心命令全拆解
这是 CodeBuddy Code 的精华所在。我把用得到的命令按场景归类，逐一讲清楚。
3.1 两种交互模式
交互模式（默认）：直接运行 codebuddy，进入类似聊天的对话界面，支持多轮问答，AI 会记住上下文。
无头模式（-p 参数）：适合单次任务或与 Shell 脚本配合，结果直接输出到终端，不需要人参与交互。
# 无头模式：让 AI 分析当前目录
codebuddy -p "请分析当前项目结构，列出主要模块" --dangerously-skip-permissions
# 结合管道：抓取 git 日志交给 AI 分析
git log --oneline -20 | codebuddy -p "分析这些提交，找出可能引入 bug 的变更" --dangerously-skip-permissions--dangerously-skip-permissions 这个参数后面会专门解释，现在只需要知道：加上它，AI 可以自动执行命令，不需要每次手动确认。
这两种模式的区别，简单说就是：交互模式适合探索性工作（"我还不确定要做什么，边聊边想"），无头模式适合明确任务（"我知道要干嘛，给我结果就行"）。
3.2 会话管理：-r 和 -c
# 恢复上次会话
codebuddy -r
# 列出历史会话，选择恢复
cbc -r这个功能特别实用。比如你同时在跑两个项目，一个写前端一个写后端，分别开了两个 codebuddy 会话。第二天回来想继续某个任务，用 -r 能看到会话列表，选一个恢复，上下文全在。
# 连接到 IDE（自动检测当前 IDE 并关联）
codebuddy --ide这个命令会让 CLI 和 CodeBuddy IDE 建立连接，方便在终端和图形界面之间切换。
3.3 模型切换：/model
在交互模式下，输入 /model 可以看到可用模型列表并切换：
/model会显示类似这样的列表（国内版）：
|
模型名称 |
速度倍率 |
适用场景 |
|
腾讯混元（默认） |
1x |
日常开发、代码补全 |
|
DeepSeek-V3 |
0.8x |
长代码生成、复杂逻辑 |
|
DeepSeek-V3.1 |
1.2x |
需要更快响应时 |
速度倍率越高，Token 消耗越大，但出结果越快。我的习惯是平时用默认模型，处理复杂架构设计时切到能力更强的版本。
也可以在启动时直接指定模型：
codebuddy --model deepseek-v3 -p "帮我设计一个微服务架构"
# 设置回退模型：主模型超载时自动降级
codebuddy --model deepseek-v3 --fallback-model hunyuan -p "复杂任务"3.4 权限控制：从标准模式到 yolo 模式
这是很多人踩坑的地方，要单独说清楚。
默认权限模式：每当 AI 要执行一个"有副作用"的操作（创建文件、运行命令、删除内容……），都会弹出确认提示，需要用户选 yes/no。安全，但效率低。
yolo 模式（--dangerously-skip-permissions）：跳过所有权限验证，AI 想执行什么就执行什么，无需确认。效率极高，但风险也大——AI 搞错了你也不会被提醒，有可能误删文件。
# 启用 yolo 模式
codebuddy -p "帮我重构这个文件" --dangerously-skip-permissions
# 或者在交互模式下通过 Shift+Tab 循环切换权限模式我自己的做法是：在沙盒环境（Docker 容器、虚拟机）里用 yolo 模式跑复杂任务，本地生产代码库一律用标准模式。这样既不损失效率，也不会付出代价。
还有一种细粒度控制，通过 --allowedTools 参数指定允许执行哪些工具类型：
# 只允许读取和编辑，不允许执行命令
codebuddy --allowedTools "Read Edit" -p "分析代码质量"3.5 输出格式控制
# JSON 格式输出，方便程序处理
codebuddy -p "分析这个函数的性能" --output-format json | jq '.response'
# 流式输出（打字机效果），适合生成长内容
codebuddy -p "帮我写一个完整的技术方案文档" --output-format stream-json3.6 调试与诊断
# 开启 debug 模式，查看详细日志
codebuddy --debug -p "测试某个功能"
# 详细输出模式
codebuddy --verbose -p "需要更多信息的任务"3.7 常用快捷键汇总
在交互模式里，下面这些快捷键会经常用到：
↑ / ↓ 查看历史命令
Tab 自动补全命令
Ctrl+C 退出当前会话
Shift+Tab 循环切换权限模式（标准 → 自动接受 → 计划 → yolo）
/clear 清空当前对话上下文
/cost 查看当前会话 Token 消耗
/memory 管理记忆文件（后面详讲）
\help 列出所有斜杠命令3.8 结合 Linux 命令的高效玩法
CLI 模式最有价值的地方，是能把 AI 能力和已有的 Shell 命令无缝接管。这是图形化 IDE 做不到的。
场景一：分析线上错误日志
以前分析日志，要人工 tail -f 盯着看，效率很低。现在可以这样：
# 抓取最近 100 行错误日志，交给 AI 分析
tail -n 100 /var/log/app/error.log | codebuddy -p "分析这些错误日志，找出最频繁的错误类型，给出可能的根因" --dangerously-skip-permissionsAI 会帮你扫描日志、归类错误、推断可能的原因，通常几秒钟能给出一个结构化的分析报告，比人工翻日志快得多。
场景二：分析 Git 提交历史
# 分析过去两周的提交，找出可能引入性能问题的变更
git log --since="2 weeks ago" --oneline --stat | codebuddy -p "分析这些 git 提交，哪些变更可能引入
