Фильтрация и кластеризация ключей прямо в Google таблицах?

Можно сделать прямо в таблицах через Apps Script с подключением OpenAI API.
Пишешь промпт, выделяешь диапазон — и он тебе по строкам фильтрует или группирует ключи.
Типа того:

function clusterKeys() {
  const sheet = SpreadsheetApp.getActiveSheet();
  const range = sheet.getRange("A2:A100");
  const keys = range.getValues().flat();
  const prompt = "Разбей запросы по смыслу и добавь метку кластера к каждому";
  const data = JSON.stringify({
    model: "gpt-4o-mini",
    messages: [{ role: "user", content: prompt + "\n" + keys.join("\n") }]
  });
  const res = UrlFetchApp.fetch("https://api.openai.com/v1/chat/completions", {
    method: "post",
    headers: { "Authorization": "Bearer ВСТАВЬ_СВОЙ_API_KEY", "Content-Type": "application/json" },
    payload: data
  });
  const text = JSON.parse(res.getContentText()).choices[0].message.content.split("\n");
  sheet.getRange(2, 2, text.length, 1).setValues(text.map(t => [t]));
}

Запускаешь — и в соседнем столбце получаешь кластеры.
Можно заменить промпт на фильтрацию, перегенерацию, подписи и т.д.

Если кодить не хочется — через Make или n8n то же самое делается визуально, только чуть дольше по настройке.

спасибо, нарыл сам экстенш gpt для таблиц, поставил, вроде многообещающий, правда пока не совсем понял как например им создавать новые листы в доке. Мне в целом легче покодить, в идеале вообще спредшиты в свой UI как то встроить

Кластеризовать при помощи промтов к LLM?! Мсье знает толк в извращениях.

Для начала бы букварь почитать - что такое кластеризация и как она (математически) делается, ну и до кучи отличия в алгоритмике hard | sort: тут не все специализированные кластеризаторы работают нормально, по канону, а ты решил вообще на это положить еще и толстый LLM

раш аналитикс, серпастат и некоторые еще делают такую кластеризацию онлайн - но платно увы. 

Странно, что тема мимо меня пролетела. ) 

AI с кластеризацией не справляется. Но это не важно. В таблицах это всё тоже геморойно. Самое простое - выгружать выгрузку в КК, там конечно оформлять группы, а затем экспортировать в таблицы. Но если семантика не на заказ, то лучше в КК и работать с ней, включая съём позиций.

Да это и КК делает (и дешевле всего, подключаешь xml или импортируешь файл КА). При том по разово собранному серпу можешь как угодно крутить. Проблема в том, что такая кластеризация убога и вообще не сокращает время на обработку. Разве что в очень конкурентных нишах без очень сильных сайтов. 

забыл спросить про какую ПС идет речь ? а то я про Гугл всегда говорю, а тут подозреваю что про яндекс может идти речь 

Плюсую.

Качественная кластеризация всё равно доводится руками (если вы конечно с этой кластеризацией планируется работать, а не на продажу).

Несмотря на то, что у Кейсо (по объёму функционала) сейчас аналогов практически нет, кластеризация там довольно посредственная.

Впрочем, все автоматические кластеризаторы делают её делают "удовлетворительно" с большой натяжкой.

Уверен, LLM сделает её просто по смыслу, поточно под каждый запрос LLM парсить выдачу не будет, поэтому затея через ИИ такая себе.

На мой взгляд, в кластеризации сейчас самый функциональный инструмент KeyAssort. Разработчики продолжают развиваться программу и по возможностям он уже далеко впереди KeyCollector-а (в вопросе кластеризации). Хотя KC всей душой люблю, поэтому результат кластеризации KeyAssort-ом потом импортирую в KС. 

Хотелось бы спросить, а в чём разница? Если семантика адекватная, кластеры делают по интенту, а не по конкурентам. И выдача в данном контексте не отдают адекватный результат, как минимум в силу конкуренции или хостовых факторов. 

Разница в кластеризации "по смыслу" - это и есть задача семантики и борьбы с шумом. Проблема в том, что ЛЛМ не сделает и близко. Как и ИИ. Именно поэтому семантику и прорабатывают в первую очередь те, кто нацелен на долгосрочный результат. ) Настройки у КК в семантике почти такие же, как в КА. Тут, скорее, вопрос в автоматизации сторонних запросов, но это работа уже со своим ПО. Имею ввиду давать не только жёсткое ядро, но и отдавать сопутствующие запросы под формирование семантического охвата документа. Т.е. есть основной кластер, а к нему повторяющиеся запросы из других, о СЕРПу. 

У КА доразделение неплохо работает, но если ты руками не можешь ставить якорные запросы, то в обоих инструментах получается мусор. )