高频短语统计

要解决什么问题

日志、工单备注或调研摘录里，同一说法会以不同片段重复出现。肉眼扫一遍很难稳定列出「出现最多的短语」，也不方便把结果交给下游脚本做对比或归档。你需要一种可复现的方式：给定一份文本（或结构化数据里的文本字段），按频次排序并只保留前 N 条。

技能如何工作

本技能在 skill 目录内准备输入（例如 input.txt、data.json），通过命令行调用 main.py，用 --input 指定数据源、--top-k 控制保留条数、--output 指定结果文件路径。

典型流程：

• 放好输入文件后执行：python main.py --input <路径> --top-k 20 --output top.json
• 同时在 stdout 打印摘要，并写出 JSON/TXT 结果文件
• 若参数报错，先运行带 --help 的命令核对参数名与必填项，再修正重跑
• 打开输出文件核对字段与行数是否符合预期，并记录本次命令与输出路径以便复现

能力边界写得很明确：只处理当前命令指定的输入，不做额外的隐式抓取或后台任务；全程非交互，适合放进脚本或 CI 里批量跑。

适用边界与注意点

• 短语切分与归一化规则取决于 main.py 的实现，换语料或编码（如 UTF-8 乱码）可能改变排名，对比实验时应固定同一输入文件。
• --top-k 只限制输出条数，不会自动过滤停用词；若需要语义层面的「关键词」，要在输入侧先做清洗。
• 验证时可执行：python main.py --input <路径> --top-k 20 --output top.json --help，确认当前环境下的参数说明与示例一致。