技能介绍

解决什么问题

当你有一批本地 JSON、CSV 或 JSONL 记录，比如任务列表、个人数据集、业务导出文件，想快速看出哪些主题反复出现、哪些字段值经常同时出现，以及哪些条目偏离常态时，pattern-miner 提供本地化的统计分析入口。它不连接外部 API，也不把文件上传到云端，适合对数据可见性和隐私敏感的工程师使用。

如何工作

技能围绕显式提供的结构化文件做分析，核心能力包括：

模式识别：从对象字段、文本主题或取值分布中提取反复出现的 pattern。
关联发现：找出经常共同出现的字段、标签或取值，并给出 support-like 指标。
异常检测：标记偏离常见分布或规则的不寻常条目。
本地报告：结果包含置信度、支持度、异常标记，并可导出为 JSON 或 CSV。

关键输入格式为 JSON 对象数组、带表头的 CSV 和每行一个对象的 JSONL；配置通常放在 ~/.pattern-miner/config.json，分析脚本为 scripts/analyze.py。运行时依赖 Python 3.8+ 以及 numpy、scikit-learn、pandas，用于承载模式统计与异常判断。

适用边界

它只读取你明确指定的文件，不访问系统日志、shell history 或 OpenClaw session data。数据本身需要具备一定结构，纯自由文本、二进制文件或无模式可提取的杂表不适合直接分析。适合做个人记录、任务清单、本地业务导出的探索性分析，不适合作为生产级数据仓库、实时流处理或复杂建模平台。