用途：对给定数据集执行聚类分析，识别数据中的自然分组与结构。当用户要求“run clustering”、进行聚类分析，或在数据上运行 K-means、DBSCAN、层次聚类时触发。
主要能力：分析请求以确定数据集、指定算法和需求；生成使用 scikit-learn 等机器学习库的 Python 代码，包含数据加载、预处理、算法执行与结果可视化；执行代码完成聚类；输出簇分配、性能指标（如轮廓系数、Davies-Bouldin 指数）和可视化（如带簇标签的散点图）。
使用方式：在触发条件满足时调用该技能，提供必要上下文与参数（数据集、算法、要求），然后查看生成输出并按需修改。示例包括：对 customer_data.csv 运行 K-means 进行客户分群；对 network_traffic.txt 执行 DBSCAN 识别异常流量。
适用场景：识别数据集中的不同组别、理解数据结构、客户细分、异常检测等。
最佳实践与限制：应用聚类前应进行数据预处理（缩放、归一化）；根据数据特征选择算法，K-means 适合球形簇，DBSCAN 适合非球形簇与异常检测；需调参（K-means 的簇数、DBSCAN 的 epsilon 与 min_samples）。前提是具备相应文件访问权限并安装所需依赖。错误处理涵盖无效输入提示更正、缺少依赖列出所需组件、权限错误给出修复建议。该技能可与数据加载技能集成以获取数据，也可与可视化技能结合。具体收费、价格、平台及更详细使用步骤暂未提供。