用途：亲和图把大量零散条目（用户研究笔记、访谈引语、工单、问卷开放题、复盘便签、工作坊产出）自下而上按相似性聚类，直到浮现出少量主题，再为每个主题命名，使名称本身成为结构。核心是延迟的、自下而上的归类：不把条目塞进预设桶，而让类别从条目中浮现，从而外化比较、抵抗既有框架，并把大量条目压缩为少数主题且保持可追溯。产出是聚类主题图，不是讨论。
适用：条目已有、任务是把几十到几百条做综合；正确结构事先未知、应由数据浮现；需要可追溯性，每个主题能指回支撑它的具体条目。
不适用：条目只有十几条或更少；需要自上而下的逻辑结构（如MECE子问题、假设树，应改用议题树技能）；需要生成新想法（应先用头脑写作等构思技能生成条目）；类别已固定且权威（合规分类、既定分类法）；或只当作仪式，随便分几桶贴自信标签而无追溯。
用法：先一句话框定综合目的并汇集所有条目为离散可比单元；先聚类后命名，按相似性自下而上放置，让簇形成、拆分、合并；簇稳定后依据其内容给每个主题起简短描述性名称；保持每条可追溯，未聚类的条目放入显式的离群/暂存区，不得静默丢弃；标注各主题相对规模或强度，说明地图揭示了什么，薄弱或边界簇标为暂定；按 references/TEMPLATE.md 输出主题图与一段“主题及其含义”摘要。
限制：该技能只把散乱条目组织为可命名、可追溯的主题，不承诺主题更客观、更准确或更无偏见；“按相似性分组”仍是主观判断。证据为从业者层级（KJ法，川喜田二郎1967），缺乏强对照证据，且尚未针对AI增强使用做验证。详见 evidence/dossier.md，示例见 references/EXAMPLE.md。