用途：把物品分配到封闭但大到无法放进提示词的标签表（产品分类、类目层级、标签词表、路由表等）。做法是先让便宜模型凭常识写一个合理标签，再用嵌入器把该标签吸附到真实词表上，模型从不接触完整标签集。
主要能力：提供命令行脚本建立索引与吸附。示例：python3 scripts/snap.py build --vocab categories.txt --out .snap-index.pkl 建立索引，默认后端为 tfidf（仅需 sklearn）。再自行批量写出标签后执行 python3 scripts/snap.py snap --index .snap-index.pkl --labels written.txt --k 3 得到 JSON 形式的 top-k 合法标签。--min-score 0.35 可返回 null，长文本加 --items items.txt --union。可用 --backend minilm 切换嵌入后端。
使用方式与要点：先判断边界，若整个词表能放进提示词，就不要用本技能，直接下发标签表要受约束选择。写标签时锚定“语域”而非“新颖”，提示中给出 6–8 个真实标签示例，要求写成该词表会采用的措辞，不要创意或营销式表达；每批 40 条，不要逐条调用。解析模型编号回复要按索引而非顺序 zip。物品与标签语域相近时写标签再吸附；物品是长文档时额外用 --union 同时融合直接嵌入。
限制：资料提供了准确率与成本的对比数据，但具体收费、价格、平台支持情况暂未提供。写标签环节不要用小模型替代；若无 API，可只用编码器，bge-small、gte-small 等为可选。上线前务必跑无模型对照并人工抽查，低相似度结果不能当作分类。