需先上传合规csv数据源（含user_id、event_time、event_type三列），再通过模板、自定义规则或rfm三种方式构建标签体系，最后全量运行并导出带标签的结构化excel结果。
☞☞☞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☜☜☜
你需要从零开始用CodeBuddy对一批用户行为数据生成可落地的用户画像报告，而不是只跑出一堆图表就结束——这要求你准确配置数据源、选择匹配业务目标的分析维度、导出带标签分群结果的结构化输出。
准备原始用户数据并上传到CodeBuddy
打开CodeBuddy控制台，点击左侧导航栏【数据源】→【新建数据源】→选择【CSV文件上传】。
确保你的CSV文件第一行为字段名，且至少包含user_id、event_time（ISO 8601格式，如2024-03-15T09:23:41Z）、event_type三列；其他列如device_type、page_url、duration_ms可选但不强制。
【必须删除空行和表头前的注释行】，否则上传后系统会将首行识别为数据而非字段名，导致后续所有分析维度错位。
上传成功后，点击该数据源右侧【预览】，确认时间列能被自动识别为“时间类型”，user_id列为“字符串”——若未识别，需手动在字段设置中修改类型。
定义用户分群逻辑与标签体系
进入【画像构建】→【新建画像任务】，选择刚上传的数据源。
方法一：使用内置模板快速启动
点击【选择模板】→选“电商活跃度+消费潜力双维模型”，系统自动加载：近7日启动次数≥3次为“高频活跃”，近30日支付成功订单数≥2且客单价＞150元标记为“高价值用户”。
注意：模板仅提供基础逻辑，真实业务中需替换“支付成功订单数”为你数据中的实际事件名（如event_type=“order_paid”）。
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
方法二：自定义规则表达式
在【标签规则】区域点击【+新增标签】→输入标签名“深夜浏览者”→在表达式框输入：count(event_type == "view_product" and hour(event_time) >= 22 and hour(event_time) 2 →保存。
方法三：基于RFM衍生分群
勾选【启用RFM计算】→设置R为最近一次行为距今天数（单位：天），F为近90天行为总次数，M为近90天事件中含“pay”或“checkout”的次数之和→点击【生成RFM分箱】→选择“四分位数法”，系统自动将每个维度分为高/低两档，组合出8类人群（如“高R高F高M”即“忠诚高价值用户”）。
运行画像任务并导出结构化结果
第一步：检查任务配置页底部的【执行范围】是否为“全量用户”——若误选“抽样1000人”，导出结果无法代表整体分布，且不可回溯重跑历史快照。
第二步：点击【立即运行】，状态变为“运行中”后不要关闭页面；大型数据集（＞50万行）通常需2～8分钟，期间可查看实时日志判断卡点（如某字段类型解析失败会在此处报错）。
第三步：状态变更为“已完成”后，点击【查看结果】→切换到【用户列表】页，顶部筛选器选择“导出全部”，格式选【Excel（含标签列）】→点击【导出】。
导出文件包含原始字段+所有打标列（如is_high_value、rfm_segment、is_night_brower），每行对应一个user_id，无重复、无汇总，可直接导入CRM或BI工具做下一步运营动作。
