kimi用户长文档处理真实需求需通过脱敏搜索日志清洗聚类识别，经语义去重或python筛出高频意图，映射为单文件精读提炼、多源异构材料整合、口语转结构化结论、带角色约束输出四类核心场景。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
要用纳米AI搜索精准提炼Kimi用户在长文档处理上的真实需求，不能直接问“Kimi怎么总结PDF”，必须还原用户在实际操作中卡住、反复修改、截图求助时的原始语言和行为信号，否则纳米AI会调取通用文档处理知识库，而非Kimi专属场景。
第一步：从Kimi后台导出脱敏搜索日志
登录Kimi后台数据平台→进入「用户行为」模块→选择近7天「搜索日志」表→导出CSV格式原始记录（含字段：user_id、query、timestamp、session_id、ref_url）。
注意：必须勾选「脱敏开关」再导出，否则导出文件含真实手机号/邮箱，【一旦导出未脱敏数据，将触发公司级安全审计】。
一键设置，在 OpenClaw 和 Claude Code CLI 中使用 Kimi K2.5 (Kimi Code) 作为编程模型。Kimi Code 兼容 Anthropic Messages API——替换……
第二步：清洗聚类搜索词并识别高频意图
方法一：用纳米AI搜索的「语义去重」功能
打开纳米AI搜索网页版→点击右上角「高级模式」→粘贴100条原始query→勾选「启用意图归一化」→点击「智能聚类」→等待3秒后自动合并“kimi怎么总结pdf”“pdf总结工具推荐”“上传文档自动提炼重点”为同一簇，标记为【文档总结】。
方法二：本地Python快速筛（适合无权限调用API时）
下载安装jieba和sklearn库→运行脚本读取CSV→对每条query做停用词过滤+关键词提取（TF-IDF+余弦相似度阈值设为0.68）→输出top5簇名及代表query。这一步跳过标点标准化会漏掉“PDF总结?”，务必先统一把问号、顿号、空格全替换成英文空格。
第三步：映射到长文档处理四类核心需求
① 找到聚类结果中占比超12%的簇，如「PDF自动提炼」「Word大纲生成」「网页内容转摘要」；
② 对该簇内每条query人工标注其背后的真实动作：是想“把会议录音转文字再总结”？还是“从领导发的Excel里抽关键指标”？或是“把三份竞品PRD合并成一份对比摘要”？
③ 将动作抽象为四类核心场景：
- 单文件精读提炼
- 多源异构材料整合
- 口语转结构化结论
- 带角色约束的输出（如“以产品经理视角总结技术方案”）。
