codebuddy通过nlp功能实现关键词提取、情感分析和投诉识别：支持一键提取加权关键词，提供单句/批量情感极性判断，加载专用模型识别投诉意图与实体，并支持语义聚类分析。
☞☞☞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☜☜☜
你想用CodeBuddy快速从一堆会议纪要、用户反馈或客服对话里提取关键词、判断情绪倾向、识别投诉主题，而不是手动翻几十页文档逐条标注——这正是NLP功能在CodeBuddy中落地的核心场景。
一键提取文本核心关键词
打开CodeBuddy，新建一个空白工作区，把待分析的纯文本（如CSV中的“反馈内容”列、Word里的会议记录段落）粘贴进编辑器左侧区域。
在底部命令栏输入 【/nlp extract keywords】，回车后等待3～5秒，右侧会自动生成加权排序的关键词列表，含TF-IDF得分和出现频次。
注意：若文本含大量口语化缩写（如“u”“thx”“plz”），需先执行 【/nlp normalize】 再提取，否则“thanks”和“thx”会被视为两个独立词，拉低统计可信度。
批量判断情感极性与强度
方法一：单句细粒度分析
选中某一行文本 → 右键 → 选择“NLP → Analyze Sentiment”，弹窗显示“正面/中性/负面”标签 + 强度值（0.0～1.0）。强度值低于0.3时，系统自动标注为“弱信号”，建议人工复核。
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：整块文本聚合分析
全选多段文本 → 输入指令 【/nlp sentiment batch --threshold=0.6】 → 系统返回三类统计柱状图及每类样本的原始句子抽样。阈值设为0.6意味着只将置信度≥60%的结果纳入统计，避免噪声干扰决策。
识别投诉类文本中的实体与关系
第一步：加载预训练模型
在命令栏输入 【/nlp load model complaint-v2】，该模型专为中文服务场景微调，能识别“退款”“发货延迟”“客服态度差”等17类投诉意图，以及“商品ID”“订单号”“联系时间”等8类关键实体。
第二步：标注并导出结构化数据
粘贴投诉文本 → 执行 【/nlp annotate --output=json】 → 自动生成带位置索引的JSON，字段包含：intent（投诉类型）、entities（实体列表）、confidence（模型置信度）。导出文件可直接导入Excel或BI工具做根因分析。
第三步：关联相似投诉聚类
将多个JSON文件拖入CodeBuddy项目目录 → 运行 【/nlp cluster --method=bert-similarity】 → 系统自动按语义相似度分组，每组生成摘要标题（如“物流时效类-京东快递未按时揽收”），点击标题即可展开全部原始记录。
