# hierarchical-taxonomy-clustering

Скилл hierarchical-taxonomy-clustering для Claude Code объединяет похожие категории из разных источников в многоуровневую таксономию. Анализирует товары по общей структуре категорий.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 1 установка · ★ 1933 у репозитория
- Автор: benchflow-ai
- Лицензия: Apache-2.0 · policy=mirror · лицензия открытая, файл — в исходнике
- Исходник: https://github.com/benchflow-ai/skillsbench/tree/HEAD/tasks-extra/taxonomy-tree-merge/environment/skills/hierarchical-taxonomy-clustering/SKILL.md
- Обновлён: 2026-10-24
- Проверка безопасности: автоматическая, 2026-11-16 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/hierarchical-taxonomy-clustering

## Что делает

Скилл обрабатывает пути категорий из нескольких источников: чистит и нормализует названия, объединяет данные, затем группирует пути по сходству. В результате DataFrame получает уровни единой таксономии, а экспорт создаёт CSV со всеми записями и отдельный файл со структурой категорий.

Работа разделена на четыре шага: подготовка данных, генерация взвешенных эмбеддингов, рекурсивная кластеризация и экспорт. Для расчёта нужны Python-пакеты `pandas`, `numpy`, `scipy`, `sentence-transformers`, `nltk` и `tqdm`; также скрипт загружает наборы `wordnet` и `omw-1.4` через NLTK. Без этих наборов лемматизация не будет настроена как в инструкции.

Запустить весь процесс можно через `scripts/pipeline.py`. Для названий категорий применяются частотность слов и лемматизация; уровни кластеризуются с косинусным расстоянием. В README приведены ориентиры по числу кластеров, а не жёсткие требования к размеру таксономии.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add benchflow-ai/skillsbench --skill hierarchical-taxonomy-clustering -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/hierarchical-taxonomy-clustering/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/hierarchical-taxonomy-clustering/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add benchflow-ai/skillsbench --skill hierarchical-taxonomy-clustering -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/hierarchical-taxonomy-clustering/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add benchflow-ai/skillsbench --skill hierarchical-taxonomy-clustering -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/hierarchical-taxonomy-clustering/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install benchflow-ai/skillsbench tasks-extra/taxonomy-tree-merge/environment/skills/hierarchical-taxonomy-clustering
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/hierarchical-taxonomy-clustering/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add benchflow-ai/skillsbench --skill hierarchical-taxonomy-clustering -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/benchflow-ai/skillsbench --path tasks-extra/taxonomy-tree-merge/environment/skills/hierarchical-taxonomy-clustering
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/hierarchical-taxonomy-clustering/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add benchflow-ai/skillsbench --skill hierarchical-taxonomy-clustering -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/benchflow-ai/skillsbench/tree/HEAD/tasks-extra/taxonomy-tree-merge/environment/skills/hierarchical-taxonomy-clustering/SKILL.md

## Когда брать
- объединить похожие пути категорий из разных источников
- свести названия категорий к общей многоуровневой структуре
- подготовить CSV с назначенными категориями и деревом таксономии
- сопоставить товары по категориям для анализа показателей

## Примеры запросов агенту
- Объедини пути категорий из нескольких источников в общую таксономию.
- Подготовь данные и запусти полный процесс через `scripts/pipeline.py`.
- Сгруппируй категории по уровням и экспортируй итоговые CSV-файлы.

## Похожие
- [taxonomy](https://affpapa.org/nevibecode/skills/taxonomy.md) — скилл · 65800 установок
- [redis-clustering](https://affpapa.org/nevibecode/skills/redis-clustering.md) — скилл · 2100 установок
- [tag-taxonomy](https://affpapa.org/nevibecode/skills/tag-taxonomy.md) — скилл · 3200 установок
- [keyword-clustering](https://affpapa.org/nevibecode/skills/keyword-clustering.md) — скилл · 7500 установок
- [keyword-research-and-clustering](https://affpapa.org/nevibecode/skills/keyword-research-and-clustering.md) — скилл · 261 установка
- [linkfox-multimodal-product-similarity](https://affpapa.org/nevibecode/skills/linkfox-multimodal-product-similarity.md) — скилл · 400 установок

Из того же набора: [benchflow-ai/skillsbench](https://affpapa.org/nevibecode/by/benchflow-ai/skillsbench.md) — 22 карточки

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
