想从Kimi用户的真实搜索行为中，精准提炼出“PDF与长文档总结”这类高频需求，单靠猜测远远不够，必须扎实完成三个关键步骤。否则，你获取的信息大概率是自媒体编造的泛化技巧，与真实用户行为相去甚远。

第一步：导出脱敏后的原始搜索日志

具体操作是：登录Kimi后台数据平台，进入「用户行为」模块，选择近7天的「搜索日志」表，勾选「脱敏开关」，然后导出CSV格式记录。这里要特别提醒：一旦导出未脱敏数据，会触发公司级安全审计，后果非常严重。

导出文件必须包含以下字段：user_id、query、timestamp、session_id、ref_url。缺少任何一个字段，后续的聚类分析都会漏掉关键的行为链条。

第二步：用纳米AI搜索做语义去重与聚类

这里有两种方法，按需选择。

方法一：网页端智能聚类

打开纳米AI搜索网页版，点击右上角的「高级模式」，粘贴100条原始query，勾选「启用意图归一化」，然后点击「智能聚类」。这一步会自动将“kimi怎么总结pdf”“pdf总结工具推荐”“上传文档自动提炼重点”这类相似的query合并到同一簇，并标记为【文档总结】。注意：如果不勾选「意图归一化」，纳米AI会把“PDF太大卡住”和“PDF总结不准”当成两个独立需求，但实际上它们都指向解析失败后的重试动作。

方法二：本地Python脚本快速筛（无API权限时）

安装jieba和sklearn库，运行脚本读取CSV，对每条query做停用词过滤和关键词提取，TF-IDF加余弦相似度阈值设为0.68，最后输出top5簇名及代表query。这里有个关键细节：务必先统一将问号、顿号、空格全部替换为英文空格。跳过这步，会遗漏“PDF总结?”这类带标点的真实搜索词。

第三步：人工标注高频簇并映射到PDF/长文场景

① 找出聚类结果中占比超过12%的簇，例如“PDF自动提炼”“Word大纲生成”“网页内容转摘要”；

② 对簇内每条query人工标注其背后的真实动作——是想“把200页风控报告压缩成3页汇报稿”，还是“从领导发的扫描件PDF里提取付款条款”，或者是“将5份会议纪要合并成一份待办追踪清单”；

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（例如“以审计视角提取合同违约风险点”）。

注意：如果某条query只写了“总结一下这篇文章”，没有提及PDF、Word、页数、扫描件、上传等任何文件载体或长度暗示，那就不要纳入“PDF与长文总结场景”——这属于网页内容总结，不是本次要提炼的目标。