Clustering Methodology (Grade A)经过安全测试的 data-ai 技能，适用于 Claude AI。A级。当情报聚类代理需要对情报卡进行主题聚类、检测新主题时应使用此技能，且

— (0)

审阅者 Daniel Nikulshyn·更新 2026年7月

概览

该技能旨在为情报聚类代理提供在将情报卡聚类到主题、检测新主题以及确定卡片‑主题分配方面的指导。算法读取卡片内容，结合字段匹配、关键词匹配和实体匹配，为潜在主题分配置信度得分。代理随后可根据这些置信度得分做出决策。当一定数量的卡片既不匹配任何现有主题又具备相似特征时，会视为新主题。技能输出包含已聚类卡片、边缘案例、未聚类卡片以及建议的新主题的 JSON 对象，并附带各自的置信度得分和原因。同时提供质量检查，确保所有卡片均已分配到聚类、置信度得分计算正确且新主题拥有足够支撑。该技能针对 Threat‑Landscape、Emerging‑Tech、Vendor‑Intelligence 等不同领域提供具体指导，并能够处理多主题分配以及卡片主题与任何现有定义均不匹配的边缘情况。

主要功能

领域匹配用于主题分配
关键词和实体抽取用于卡片‑主题匹配
置信度评分用于分配决策
基于未聚类卡片的新主题检测
处理边缘案例和多主题分配

价格

模型: Free
分类: 育言活动
评分: 暂无评价

使用场景

威胁态势分析

将关于威胁行为体、攻击类型和行业目标的情报卡聚类为如勒索软件威胁或APT活动等主题。

新兴技术监测

把关于新技术的卡片（如 AI 安全、云安全或零信任架构）归类到相应的主题中。

优点 & 缺点

优点

提升情报卡主题聚类的准确性
通过未聚类卡片及其特征检测新主题
为每个卡片‑主题分配提供详细的置信度评分

缺点

需要对主题定义和匹配规则进行细致调校
可能在卡片内容模糊或复杂时表现欠佳
依赖卡片中元数据和核心事实的质量

评测

登录以留下评测。

暂无评测。来当第一个吧!

问答

What limitations should I be aware of?

The method requires well-defined theme rules and high-quality metadata; it may struggle with ambiguous or complex card content and needs careful tuning to avoid misclassification.

Asked by Ines Fernandes · May 20, 2026

What happens to cards that don’t fit any theme?

Such cards are listed as unclustered, and edge cases are reported. They may prompt the creation of new themes or indicate a need to refine existing theme definitions.

Asked by Ravi Chandrasekaran · Mar 8, 2026

Can the skill detect entirely new themes?

Yes, if a sufficient number of cards fail to match existing themes and share similar features, the algorithm suggests new themes with associated confidence scores and reasons.

Asked by Umar Farooq · Mar 6, 2026

How does the Clustering Methodology (Grade A) determine card-theme assignments?

It analyzes each card’s content using field matching, keyword matching, and entity extraction to calculate confidence scores for potential themes. The highest-scoring theme is assigned unless the score falls below a threshold.

Asked by Elias Hedström · Jan 31, 2026