必须先创建codebuddy.md声明分析范围并执行codebuddy analyze --depth 3扫描，否则无法生成含模块边界与数据流路径的可验证知识图谱；需审查module responsibilities、data flow paths和high-risk coupling三处后提交knowledge/目录。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要让CodeBuddy自动构建可检索、可验证的系统知识资产，必须先完成项目范围声明与深度扫描，否则生成的图谱将缺失模块边界和数据流路径等关键语义。
创建codebuddy.md声明分析范围
在项目根目录新建一个纯文本文件，命名为codebuddy.md。该文件是CodeBuddy识别分析边界的唯一入口，不创建则后续命令无法定位目标代码。
用任意编辑器打开该文件，在第一行写入analyze: src/ backend/ config/（根据你实际代码结构调整路径，多个路径用空格分隔）。【路径必须真实存在且为相对路径，不能包含通配符或正则表达式】
保存文件，关闭编辑器。这一步不可跳过，CodeBuddy不会默认扫描整个仓库。
执行全量代码扫描与依赖提取
打开终端，cd进入项目根目录，确保当前路径下存在刚才创建的codebuddy.md文件。
CodeBuddy Code CLI 的安装、配置与使用指南。CodeBuddy Code 是腾讯推出的 AI 驱动 CLI 编程助手，支持自然语言驱动开发。 - 必备触发词：CodeBuddy, codebuddy, AI CLI, Tencent AI coding, @tencent-ai/codebuddy-code, terminal AI assistant - 适用场景：安装 CodeBuddy CLI、配置 CodeBuddy、使用 CodeBuddy 命令、排查 CodeBuddy 问题
运行命令：codebuddy analyze --depth 3。该参数控制AST解析递归深度，3是推荐值——过低会漏掉跨模块调用，过高则显著拖慢分析速度且不提升图谱质量。
等待命令执行完成，终端输出类似✅ Knowledge graph saved to knowledge/knowledge-graph.md即表示成功。
审查并提交知识图谱文件
打开生成的knowledge/knowledge-graph.md文件，重点检查三处：① “Module Responsibilities”章节是否准确描述了各子模块核心职责；② “Data Flow Paths”中是否存在断裂或未标注方向的箭头；③ “High-Risk Coupling”列表里的类名是否确属强依赖、难解耦的遗留组件。
若发现某模块职责描述为空，说明codebuddy.md中未包含其源码路径，需补全后重新运行codebuddy analyze。
确认无误后，将knowledge/目录整体加入git暂存区：git add knowledge/ → git commit -m "chore: add system knowledge graph" → git push。
