话题匹配——内容自动归类

解决内容归档的「决策瘫痪」

随着笔记和灵感积累，内容归类往往变成一种负担。面对一个包含复杂概念或跨领域视角的段落，我们很难瞬间决定它该放进 机器学习 还是 认知科学 目录。手动分类费时，而简单的关键词匹配又容易把讨论「AI 伦理」的文章误塞进 编程 文件夹。这种「决策瘫痪」会导致知识库越整理越乱。

erdong-topic-match 技能旨在把分类决策外包给 AI，通过结构化分析解决归档犹豫。

四维分析引擎

该技能摒弃了单一维度的关键词检索，采用多维联合分析。当你输入文本和（可选的）领域列表时，它会执行以下检查：

• 核心问题：这段话在解决什么问题？问题的本质属于哪个范畴？
• 方法工具：使用了哪些具体的框架、数学模型或工具？
• 输出受众：这段内容主要写给谁看？该群体通常关注什么？
• 相邻关系：基于语义密度，它与哪个现有领域的知识最接近？

最终输出不仅包含 主选领域 和 次选领域，还会附带 置信度 评分和 建议归档路径。

诚实的边界处理

• 拒绝强行归类：当内容跨越多个领域（如「用排队论优化开发团队任务」），技能会标记为跨域，建议归档在主域并在副域添加引用，而不是硬塞进单一文件夹。
• 兜底机制：如果置信度差异极小（<10%），或内容过短（<50字），技能会诚实标注「旗鼓相当」或「信息不足」，拒绝猜测。
• 支持动态扩展：若内容完全超出预设范围，它会建议新建领域而非附会。

适用场景与限制

这是纯思维分析工具，灵感源自灵台知识管理系统，适合在任何对话流中直接使用。它只建议，不操作——不会帮你创建文件夹或移动文件。此外，由于大模型的非确定性，同一个输入在不同对话上下文中可能给出不同分类。若需严格的一致性，建议在开始时固定领域定义。