用途：该技能用于调查 AI 可观测性聚类，理解 AI/LLM 流量中的使用模式、对比不同聚类行为，并下钻到单个聚类。适用于分析“有哪些 LLM 使用类型”“哪个聚类最贵或最慢”“某聚类里是什么”“哪些聚类错误多”“跨运行聚类如何变化”等问题。
主要能力：PostHog 按嵌入相似度对 LLM traces、单个 generation 或 evaluation 事件聚类，由 Temporal 工作流定期或按需运行，产出 $ai_trace_clusters、$ai_generation_clusters、$ai_evaluation_clusters 事件。每个聚类事件含 $ai_clustering_run_id、$ai_clustering_level（trace/generation/evaluation）、$ai_window_start/$ai_window_end、$ai_total_items_analyzed、$ai_clusters（JSON 数组）、$ai_clustering_params。聚类对象含 cluster_id、size、title、description、traces 映射、centroid_x、centroid_y；cluster_id 为 -1 表示噪声/离群聚类；traces 项含 distance_to_centroid、rank（0 最接近质心）、x/y 坐标等。每个团队最多 10 个聚类作业，含 name、analysis_level、event_filters、enabled；同名层级的默认作业会被自动创建并在自定义作业出现后禁用。
使用方式：使用 posthog:llma-clustering-job-list 与 posthog:llma-clustering-job-get 查看作业配置；用 posthog:execute-sql 查询聚类运行、计算指标；用 posthog:query-llm-traces-list 查找聚类内 traces，用 posthog:query-llm-trace 查看单个 trace。流程为先列出最近聚类运行，再按指定 run_id 加载聚类，然后按层级计算成本/延迟/token/错误指标（trace 级按 $ai_trace_id，generation 级按 uuid，evaluation 级先看 clusters 的 metrics 字段再按 uuid 取行），最后下钻代表性 traces（按 rank 排序，取最接近质心的前 3-5 条）。
限制与注意：查询聚类事件必须用其自身发出时间作时间范围，不能用 $ai_window_start/$ai_window_end 过滤，否则零行。$ai_clusters 可能极大，超限会自动持久化到文件，可用 scripts/ 中的 print_clusters.py 生成可读摘要。消息内容位于 posthog.ai_events，不在 events.properties 中；ai_events 保留窗口更短，旧聚类可能只有元数据而无消息内容。聚类标题与描述为 AI 生成摘要，需通过 trace 核实。UI 链接：https://app.posthog.com/ai-observability/clusters，运行页与聚类详情页可附加 url_encoded_run_id 与 cluster_id。