build: add README, pyproject.toml, package skeletons and smoke test

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>

README.md

@@ -0,0 +1,59 @@
+# Video-Tree-TRM5
+
+> 在层次化视频树上构建可自我进化的搜索 Agent 与可训练递归检索器，实现长视频理解。目标会议：EMNLP 2026。
+
+## 系统概览
+
+本项目是 Video-Tree-TRM4（MVP）的生产级重构，采用 Clean Architecture 分层设计。
+
+### 核心思想：自进化循环对标 PyTorch 训练
+
+| PyTorch | 本项目 | 模块 |
+|---------|--------|------|
+| DataLoader | 出题 question_gen | `app/question_gen/` |
+| model.forward() | 推理 inference | `app/harness/inference.py` + `core/agent/loop.py` |
+| loss.backward() | 诊断 diagnose | `core/evolution/diagnose.py` |
+| optimizer.step() | 进化 evolve | `core/evolution/evolve.py` |
+| nn.Parameter | Skills + Prompts（版本化） | `store/skills/`, `store/prompts/` |
+
+### 三大模块
+
+| 模块 | 目录 | 说明 |
+|------|------|------|
+| 建树 | `app/tree/` | 离线预处理：VLM 生成三层 TreeIndex（L1段落→L2片段→L3帧），支持字幕注入和后增强 |
+| 训练 | `app/harness/` + `core/` | 自进化循环：推理→诊断→进化，含 CE-Gate 统计检验、信息阶梯、mini-batch 调度 |
+| 新题构建 | `app/question_gen/` | 生成 Video-MME 风格训练题，原始 benchmark 作 held-out 泛化评测 |
+
+### 可提取内核
+
+`core/agent/` 和 `core/evolution/` 只依赖 Protocol 接口，可独立提取用于其他项目。
+
+## 快速开始
+
+```bash
+# 1. 创建 Conda 环境
+conda create -n Video-Tree-TRM python=3.11 -y
+conda activate Video-Tree-TRM
+pip install -e ".[dev]"
+
+# 2. 配置环境变量
+cp .env.example .env
+# 编辑 .env 填入 API 密钥
+
+# 3. 验证
+make lint
+make test
+```
+
+## 项目结构
+
+详见 `research-wiki/ARCHITECTURE.md`。
+
+## 文档
+
+| 文档 | 说明 |
+|------|------|
+| `research-wiki/ARCHITECTURE.md` | 系统架构与边界 |
+| `research-wiki/overview.md` | 自进化循环总览 |
+| `CLAUDE.md` | Agent 工作指令 |
+| `reference/docs/architecture.md` | 建树+检索器参考设计 |