用途：把定性研究原始数据（访谈笔记、观察数据、问卷回复等）整理为带主题、聚类和洞察陈述的亲和图，用于 UX 研究中的数据综合。若用户提供文件，应先读取。
主要能力：从原始数据中提取单条观察、引语和笔记；自下而上聚类，不预设分类；为每个聚类命名描述性主题标签；构建层级，通常归纳出 3-5 个顶层主题；为每个主题撰写说明“所以呢”的洞察陈述；识别频次、强度与主题间关联；按对设计决策的影响排序。最终以结构化层级呈现亲和图，附洞察陈述与支撑证据。
跨访谈抽样原则：在所有参与者间均匀索引；处理多份访谈记录时，先完整处理每一份再聚类，避免过度代表早期或最新输入；把每位参与者视为同等信号来源；分组前为每条观察标注参与者 ID（P1、P2、P3…）；聚类后检查每位参与者是否至少出现一次，若有缺失需返回补充；仅出现在一次访谈中的模式应标记为单一来源，而非丢弃。这用于避免 LLM 常见失败模式：仅凭前一两份记录构建主题，再让其余材料事后套用。
使用方式：调用时以 $ARGUMENTS 传入研究主题或数据；如有文件先读取，再按上述步骤执行。
适用场景：UX 研究、用户访谈综合、定性数据归纳。
限制：资料未提供具体平台、收费、价格或效果信息；输出质量取决于输入数据的完整性与参与者覆盖度。