
CodeBuddy 迎来一次重要升级,覆盖 5 大典型场景:

基于这套能力,我做了一个「股票智能筛选器」Demo,帮助普通用户快速拥有自己的选股 AI。
在 VS Code 插件市场搜索并安装 CodeBuddy → 弹出界面扫码登录 → 登录成功后,左侧即为与 CodeBuddy 的对话窗口(与 Cursor、Trae 等对话式助手类似,用法一致:对话驱动开发)。

yfinance 是一个从 Yahoo Finance 拉取金融数据的 Python 库,适合量化研究与可视化:

小贴士:免费接口可能触发限流(HTTP 429),可考虑分批请求、缓存或换用付费/自建数据源降低失败率。
对话输入示例(可复制):
使用 Streamlit,帮我构建一个“股票智能筛选器”。我会提供一份美股股票代码清单,使用 yfinance 获取数据,筛选条件:
1)市值 > 20 亿美元;
2)过去 250 天涨跌幅 > 0;
3)当前股价 ≥ 10 美元。
请输出可运行的 app.py,并给出本地运行步骤。几秒钟即可得到初版代码 → 点击 Apply/采纳 → 自动对现有工程做最小变更。若遇到报错(如 429 Too Many Requests),把错误信息直接发给 CodeBuddy,让它给出重试/节流/缓存等修复方案并自动改码。
短时间内可完成一个美股智能筛选器:输入股票清单 → 自动拉取数据 → 判断是否满足条件 → 实时表格展示结果。

常用指标参考:

示例对话:
在筛选器中加入 MACD 指标,并给出“买入/卖出”提示逻辑;
然后绘制 MACD 指标图(主图价格 + 副图 MACD、Signal、Histogram),支持交互缩放。CodeBuddy 会补充数据计算与可视化代码,生成更直观的技术面分析。
如何把 Streamlit 项目分享出去? CodeBuddy 会列出多种路径:


streamlit run app.py --server.port=80;
推荐:先用 Streamlit 官方平台,部署最省事、分享最方便。
本次实践展示了 CodeBuddy 在快速原型场景中的价值: 从安装、对话式生成代码、自动修复,到指标接入与可视化,大部分工作通过对话协作完成,极大降低了量化工具的入门门槛。
展望(可继续交给 CodeBuddy 实现):
在“智能开发”的新范式下,你只需一个想法与几句 Prompt,就能搭起自己的投资辅助系统;CodeBuddy 将是你最得力的 AI 编程伙伴。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。
原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。
如有侵权,请联系 cloudcommunity@tencent.com 删除。