技能介绍

解决的问题

智能客服系统里，用户问法高度分散：同一诉求可能用不同措辞、口语化表达或错别字提出。运营和产品通常需要回答：哪些问题是真实高频？不同用户群更关心什么？怎样把“猜你想问”做成可按标签分组的预计算结果，而不是只按字符串匹配？customer-insight-analyzer 面向这类聊天记录分析，目标是把非结构化的客服问答转成可展示、可排序、可按人群推荐的推荐数据。

技能如何工作

该技能以 CSV 或 JSON 聊天记录为输入，重点使用语义向量而不是关键词精确匹配。核心步骤包括：

数据解析：读取输入文件，整理为可计算的问答记录；
中文分词：使用 jieba 做词级切分，为词云和停用词处理提供基础；
语义向量化：默认使用 all-MiniLM-L6-v2 模型，资料标注约 80MB、可纯 CPU 本地运行；
聚类分析：使用 HDBSCAN 做密度聚类，并自动确定簇数；
结果生成：输出词云数据、高频问题 Top K，以及按用户标签分组预计算的“猜你想问”清单。

从工程角度看，它更适合做离线批量分析：对一批聊天记录生成 analysis_result.json 之类的结构化结果，再交给前端渲染词云或推荐位。若默认中文语义模型效果不佳，可按资料在 config.yaml 中替换模型，具体替换目标以实际环境支持的模型为准。

适用边界与注意点

该技能假设输入数据是客服聊天记录，且字段结构符合资料中的输入格式要求；
首次运行需要下载模型，因此运行环境需要能访问 HuggingFace 或 ModelScope；
它是本地 CPU 方案，不依赖 GPU，但数据量较大时耗时仍会增长，资料给出的参考约 3,500 条 10 秒、25,000 条 60 秒、100,000 条 5 分钟；
“千人千面”推荐依赖输入中的用户标签，标签缺失或粒度不足会影响分组效果。