用途：在用户指定或 AI 自主发现的分群策略下，拆分客群训练子模型，自动探索最优分群方案。前提是已完成基线建模（xgb-modeling）。
主要能力：支持三种分群策略——规则分群（用户指定规则，如有业务先验）、聚类分群（K-Means 等无监督发现数据内在结构）、决策树分群（有监督寻找最优分割点）。以 Try→Measure→Keep/Discard→Repeat 方式自主探索，汇总策略可选 route 或 stacking，优化指标可选 auc/ks。输出实时进度、最终报告（最优方案、各策略对比、子模型指标、vs 基线提升、PSI 稳定性分析）。
使用方式：通过 scripts/run_segment.py 执行。自主探索示例：python scripts/run_segment.py --data_path ./data.parquet --target y_label --mode auto --max_rounds 5 --output_dir ./outputs/seg。规则分群用 --mode manual --segment_rules '{"年轻": "age < 30", ...}'；聚类分群用 --n_clusters；决策树分群用 --tree_depth 与 --tree_features。常用参数还包括 --segment_col、--min_segment_ratio（默认 0.05）、--merge_strategy（默认 route）、--metric（默认 ks）、--significance（默认 2.0）、--time_col（默认 busi_dt）、--train_filter、--val_filter、--config。
适用场景：需要客群拆分训练、按组分别建模、探索最优分群策略时。
限制与注意：分群数建议 2-5 群，过多易过拟合；每群建议大于总样本 5%；需关注 OOT 分群比例稳定性（PSI<0.1）；决策树分群规则更易解释；可先分群再对各群做特征探索。资料未提供收费、平台支持范围等信息。