意图分类分两层：脚本用词形规则表处理 70–80% 的明确词（含 manufacturer 判 commercial、含 specs 判 engineering、含 what is 判 informational），剩余模糊词交给模型看 SERP 结果类型判断。聚类按"意图 + 主题词根"两个维度机械合并，超过 6 个词的组自动标记待拆分。

AI Skill：关键词聚类与商业/工程/知识意图分类

为什么要把这件事做成 Skill

第 02 篇讲了如何用 AI 做意图分类和聚类，但那是一次性的提示词。每次新增一批词，都要重新组织提示词、重新解释判定标准，输出格式也不稳定。

做成 Skill 之后：

• 判定标准写死在说明书里，每次结果一致
• 明确的词形规则交给脚本，成本降到零且 100% 可靠
• 输出格式固定，可以直接导入注册表

关键的分工原则和审计篇一致：

词形规则明确的词交给脚本，规则覆盖不到的模糊词交给模型看 SERP 判断。

一、词形规则能覆盖多少

实测下来，B2B 工业品关键词有 70–80% 可以用词形规则直接判定。剩下的 20–30% 才需要模型判断。

规则表（按优先级从高到低匹配）

优先级为什么重要：一个词可能匹配多条规则。centrifugal pump manufacturer specifications 同时含 manufacturer（规则1）和 specifications（规则3），按优先级判为 commercial——因为采购意图信号更强。

规则的两个已知例外

例外一：对比词的意图分歧

"centrifugal pump vs gear pump"        → informational（技术对比）
"CP-100 vs CP-200"                     → engineering（同品牌型号选型）
"aquaflow vs [竞品品牌]"                → commercial（供应商对比）

同样是 vs，意图完全不同。脚本无法判断，必须交给模型。

例外二：单纯品类词

"centrifugal pump"          → 意图不明（可能是任何一种）
"industrial pump"           → 意图不明

这类“裸品类词”需要看 SERP 才能判断当前主流意图。

二、Skill 说明书

# Skill：关键词聚类与意图分类

## 何时使用
- 新一批关键词需要分类和聚类
- 竞品词导出后的批处理
- GSC 发现新词需要纳入注册表

## 输入
- 关键词列表（每行一个，纯文本或 CSV）
- 可选：月搜索量数据（用于聚类时判断主词）
- 可选：产品型号列表（提升型号词识别准确率）

## 执行步骤

### Step 1：运行确定性脚本
执行 `scripts/keyword-classify.mjs --input keywords.txt`

脚本输出三部分：
- `classified`：规则明确判定的词（含判定依据）
- `ambiguous`：规则无法判定或匹配多条规则冲突的词
- `clusters`：初步聚类结果（按意图 + 主题词根）

### Step 2：处理 ambiguous 词（你来判断）

对每个模糊词，按以下顺序判断：

**方法一：看词的结构**
- 含品牌名对比 → commercial
- 含自家型号对比 → engineering
- 含品类对比 → informational

**方法二：看 SERP 结果类型（最可靠）**
如果你有搜索结果数据或能访问搜索，检查该词的前 5 个结果：
- 多为公司产品页/报价页 → commercial
- 多为技术规格页/参数表/选型指南 → engineering
- 多为 Wikipedia/博客/教育网站 → informational

**方法三：无法判断时的默认规则**
裸品类词（如 "centrifugal pump"）默认判为 commercial，
归属 Pillar 页——因为 Pillar 页承接品类大词是架构设计的既定安排。

### Step 3：审核聚类结果（你来判断）

脚本的聚类是机械的（按词根匹配），需要人工审核：

**拆分判断**：
- 组内词数 > 6 → 检查是否应拆成两个页面
- 判定标准：组内是否存在两个明显不同的子主题
  例："centrifugal pump chemical" 组里同时有
  "for acid transfer" 和 "for solvent transfer" →
  可以合并（都是化工输送），不拆
  例："centrifugal pump material" 组里同时有
  "SS316 selection" 和 "casting process" →
  应拆（一个是选型，一个是制造工艺）

**合并判断**：
- 组内只有 1 个词 → 检查是否应并入邻近组
- 判定标准：该词是否值得单独一个页面
  月搜索量 < 50 且非高价值商业词 → 建议并入邻近组

### Step 4：为每组分配 page_type 和建议 slug

按意图映射：
- commercial + 品类词 → pillar
- commercial + 型号词 → cluster-sku
- engineering + 型号词 → cluster-sku
- engineering + 场景词 → cluster-app
- informational → cluster-resource

slug 命名规范（第 04 篇）：全小写、连字符、含主词、不含停用词。

### Step 5：输出可导入注册表的 CSV

## 输出格式

第一部分：分类统计

关键词分类报告

输入词数：[N] 脚本判定：[N]（[N]%）　模型判定：[N]（[N]%）

意图分布：

• commercial：[N] 词
• engineering：[N] 词
• informational：[N] 词

聚类结果：[N] 组 → [N] 个建议页面 待拆分组：[N]　待合并组：[N]

第二部分：聚类明细

聚类结果

组 1：/products/centrifugal-pumps/（pillar）

意图：commercial 主词（PKW）：centrifugal pump manufacturer（月搜索量 880） 次级词（SKW）：

• centrifugal pump supplier（320）
• industrial centrifugal pump OEM（140）
• centrifugal pump factory（90） 判定依据：脚本规则 1（含 manufacturer/supplier/OEM/factory）

组 2：/applications/centrifugal-pump-chemical-transfer/（cluster-app）

意图：engineering 主词：centrifugal pump for chemical transfer（210） 次级词：

• chemical transfer pump selection（85）
• corrosion resistant centrifugal pump（60） 判定依据：脚本规则 5（for + 场景词）

第三部分：CSV 导出
```csv
keyword,intent_type,page_slug,page_type,pkw,skw,priority,decided_by
centrifugal pump manufacturer,commercial,/products/centrifugal-pumps/,pillar,centrifugal pump manufacturer,"centrifugal pump supplier;industrial centrifugal pump OEM",5,script
centrifugal pump vs gear pump,informational,/blog/centrifugal-vs-gear-pump/,cluster-resource,centrifugal pump vs gear pump,,2,model

decided_by 字段记录是脚本还是模型判定的——便于后续追溯和 校准规则表。

第四部分：需人工确认项

## 需人工确认（[N] 项）

### 1. "centrifugal pump" （裸品类词，月搜索量 2400）
- 已按默认规则判为 commercial → /products/centrifugal-pumps/
- 建议：搜索该词确认 SERP 主流意图，如多为知识类结果，
  考虑改判 informational 并新建 /blog/centrifugal-pump-explained/

### 2. "pump repair service" （月搜索量 170）
- 判定：commercial，但与现有业务范围不符
- 建议：确认是否提供维修服务。不提供则从词库剔除，
  并加入所有 Commercial 页面的 NKW

禁止行为

• 不要跳过脚本直接用模型分类全部词（成本高且不一致）
• 不要为月搜索量 < 20 的词单独建组（除非是高价值商业词）
• 输出的 CSV 必须包含 decided_by 字段
• 不要自动写入注册表（输出 CSV 供人工审核后导入）

---

## 三、确定性脚本

```javascript
// scripts/keyword-classify.mjs
import fs from 'fs/promises';

// ── 词形规则表（按优先级排序，先匹配的优先） ──
const RULES = [
  {
    priority: 1,
    intent: 'commercial',
    terms: ['manufacturer', 'supplier', 'factory', 'oem', 'odm',
            'wholesale', 'distributor', 'exporter'],
    note: '供应商寻找意图',
  },
  {
    priority: 2,
    intent: 'commercial',
    terms: ['buy', 'price', 'quote', 'cost', 'for sale', 'purchase'],
    note: '采购意图',
  },
  {
    priority: 3,
    intent: 'engineering',
    terms: ['specs', 'specification', 'datasheet', 'data sheet',
            'dimensions', 'drawing', 'technical data', 'catalogue', 'catalog'],
    note: '参数查询',
  },
  {
    priority: 4,
    intent: 'engineering',
    terms: ['flow rate', 'pressure', 'capacity', 'voltage', 'power rating',
            'efficiency', 'head', 'rpm', 'npsh', 'viscosity'],
    note: '具体参数词',
  },
  {
    priority: 5,
    intent: 'engineering',
    patterns: [/\bfor\s+\w+/i, /\bused in\b/i, /\bapplication\b/i,
               /\bsuitable for\b/i],
    note: '场景选型',
  },
  {
    priority: 6,
    intent: 'AMBIGUOUS',   // 对比词意图分歧，交给模型
    terms: ['vs', 'versus', 'compared to', 'comparison',
            'difference between', 'better than'],
    note: '对比词，需模型判断对比对象类型',
  },
  {
    priority: 7,
    intent: 'informational',
    terms: ['what is', 'how does', 'how to', 'why', 'types of',
            'explained', 'guide', 'principle', 'working', 'meaning',
            'introduction', 'basics'],
    note: '知识学习',
  },
];

// 型号词正则（可根据实际型号命名规则调整）
const MODEL_PATTERN = /\b[A-Z]{1,4}[-\s]?\d{2,4}[A-Z]{0,3}\b/;

// 停用词（聚类时忽略）
const STOPWORDS = new Set([
  'the', 'a', 'an', 'for', 'of', 'in', 'on', 'to', 'and', 'or',
  'with', 'best', 'top', 'good', 'china', 'chinese',
]);

function classify(keyword) {
  const kw = keyword.toLowerCase().trim();

  // 型号词优先判 engineering（除非同时含 commercial 词素）
  const hasModel = MODEL_PATTERN.test(keyword);

  for (const rule of RULES) {
    let matched = false;
    let matchedTerm = null;

    if (rule.terms) {
      matchedTerm = rule.terms.find(t => kw.includes(t));
      matched = Boolean(matchedTerm);
    }
    if (!matched && rule.patterns) {
      matched = rule.patterns.some(p => p.test(kw));
      matchedTerm = 'pattern match';
    }

    if (matched) {
      return {
        intent: rule.intent,
        rule: rule.priority,
        matchedTerm,
        note: rule.note,
        hasModel,
      };
    }
  }

  // 无规则匹配：型号词判 engineering，其余标为模糊
  if (hasModel) {
    return {
      intent: 'engineering',
      rule: 8,
      matchedTerm: 'model number',
      note: '型号词',
      hasModel: true,
    };
  }

  return {
    intent: 'AMBIGUOUS',
    rule: null,
    matchedTerm: null,
    note: '无规则匹配，需模型判断（可能是裸品类词）',
    hasModel: false,
  };
}

// ── 聚类：按 意图 + 主题词根 ──
function extractRoot(keyword) {
  // 去停用词，取剩余词的排序组合作为词根
  const tokens = keyword.toLowerCase()
    .replace(/[^a-z0-9\s-]/g, '')
    .split(/[\s-]+/)
    .filter(t => t && !STOPWORDS.has(t));

  // 去掉意图标识词（这些词不构成主题差异）
  const INTENT_TERMS = new Set([
    'manufacturer', 'supplier', 'factory', 'oem', 'wholesale',
    'specs', 'specification', 'datasheet', 'dimensions',
    'what', 'is', 'how', 'does', 'guide', 'explained',
    'buy', 'price', 'quote', 'vs', 'versus',
  ]);

  return tokens.filter(t => !INTENT_TERMS.has(t)).sort().join('-');
}

// ── 主流程 ──
const inputPath = process.argv.includes('--input')
  ? process.argv[process.argv.indexOf('--input') + 1]
  : 'keywords.txt';

const raw = await fs.readFile(inputPath, 'utf8');
const keywords = raw.split('\n')
  .map(l => l.trim())
  .filter(Boolean)
  // 支持 "keyword,volume" 格式
  .map(l => {
    const [kw, vol] = l.split(',');
    return { keyword: kw.trim(), volume: vol ? Number(vol) : null };
  });

const classified = [];
const ambiguous = [];

for (const { keyword, volume } of keywords) {
  const result = classify(keyword);
  const entry = { keyword, volume, ...result, root: extractRoot(keyword) };
  if (result.intent === 'AMBIGUOUS') ambiguous.push(entry);
  else classified.push(entry);
}

// 聚类：按 intent + root 分组
const clusterMap = new Map();
for (const entry of classified) {
  const key = `${entry.intent}|||${entry.root}`;
  if (!clusterMap.has(key)) clusterMap.set(key, []);
  clusterMap.get(key).push(entry);
}

const clusters = [...clusterMap.entries()].map(([key, members]) => {
  const [intent, root] = key.split('|||');
  // 主词：搜索量最高的，无量则取最短的（通常最核心）
  const sorted = [...members].sort((a, b) => {
    if (a.volume != null && b.volume != null) return b.volume - a.volume;
    return a.keyword.length - b.keyword.length;
  });
  return {
    intent,
    root,
    memberCount: members.length,
    pkw: sorted[0].keyword,
    skw: sorted.slice(1).map(m => m.keyword),
    totalVolume: members.reduce((s, m) => s + (m.volume ?? 0), 0),
    needsSplit: members.length > 6,
    needsMerge: members.length === 1,
  };
});

clusters.sort((a, b) => b.totalVolume - a.totalVolume);

console.log(JSON.stringify({
  summary: {
    inputCount: keywords.length,
    scriptDecided: classified.length,
    modelNeeded: ambiguous.length,
    scriptCoverage: ((classified.length / keywords.length) * 100).toFixed(1) + '%',
    intentDistribution: {
      commercial: classified.filter(c => c.intent === 'commercial').length,
      engineering: classified.filter(c => c.intent === 'engineering').length,
      informational: classified.filter(c => c.intent === 'informational').length,
    },
    clusterCount: clusters.length,
    needsSplit: clusters.filter(c => c.needsSplit).length,
    needsMerge: clusters.filter(c => c.needsMerge).length,
  },
  classified,
  ambiguous,   // 交给模型处理
  clusters,
}, null, 2));

四、校准规则表

decided_by 字段的用途在这里体现：跑几轮之后，回看模型判定的词，如果发现某类词反复被模型判为同一意图，就把它加进脚本规则表。

校准流程：

1. 累积 3–5 批词的分类结果
2. 筛选 decided_by=model 的词，按模型判定的 intent 分组
3. 找出组内的共同词素（如反复出现的 "certified"、"approved"）
4. 如果某词素在同一意图下出现 ≥ 5 次 → 加入规则表
5. 重跑历史词库验证新规则不会造成误判

规则表覆盖率从 70% 提升到 85% 以上后，模型调用成本会显著下降。

五、与第 02 篇的关系

第 02 篇解决“从零开始”，本篇解决“持续运营”。首次建注册表用第 02 篇的流程更快，之后的日常增词用这个 Skill。

→ AI Skill：Meta 标签批量生成（基于注册表字段）