feat(store): skills/v1 初始集 — TRM4 精简 + TRM5 card 字段注入

Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
This commit is contained in:
2026-07-09 12:12:47 -04:00
parent bb6dad7005
commit e7be42570d
13 changed files with 1107 additions and 0 deletions
+86
View File
@@ -0,0 +1,86 @@
---
name: action-reasoning
description: 动作推理类问题——需要推理动作的原因、方式、影响或因果关系
task_type: Action Reasoning
---
## 适用场景
问题要求推理视频中行为的原因(Why)、方式(How)、影响(What happened)或选择比较(Which)。
例: "Why did X do Y?" "What tool had the least impact?" "Which event happened because of Z?"
## 视频树字段索引
| 层级 | 字段 | 适用场景 |
|------|------|---------|
| L1 | scene_summary | 整体概况 |
| L1 | key_entities | 查找人物/物体 |
| L1 | main_actions | 主要动作 |
| L1 | temporal_flow | 时间线概览 |
| L1 | topic_keywords | 主题定位 |
| L2 | event_description | 事件因果 |
| L2 | entities / actions | 实体和动作细节 |
| L2 | state_changes | 状态转变 |
| L2 | spatial_relations | 空间关系变化 |
| L3 | frame_summary | 精确视觉证据 |
| L3 | visible_entities | 具体物体确认 |
| L3 | ongoing_actions | 正在发生的动作 |
| L3 | spatial_layout | 精确空间位置 |
| L3 | visual_attributes | 光照、色调、机位 |
| L2/L3 | subtitle | 字幕转写(L1 无此字段) |
| 全层 | visible_text | 画面文字(OCR |
## 搜索步骤
### Step 1: 全景扫描
始终以 read L1 开始,不要跳过全景阶段直接搜索。
### Step 2: 因果定位
根据问题类型选择不同的搜索方式。
### Step 3: 证据验证
在给出答案前,确保选中的选项有直接的视频证据支持。
## 输出格式
每轮在 content 中输出以下 JSON(第一轮可省略 reflect):
```json
{
"reflect": {
"question_asks": "用自己的话改写题目,保留所有限定条件(时间点、行为范围、因果方向)",
"learned": "这条信息揭示了什么",
"options": {
"A": "对此选项已知什么、来自哪个节点",
"B": "...", "C": "...", "D": "..."
},
"confidence": 0.5,
"best_candidate": "B",
"answer_ready": false,
"causal_level": "直接触发 / 间接原因 / 根本原因",
"evidence_type": "direct_quote / visual_description / inference",
"l1_coverage": "已覆盖 X/Y 个 L1 节点"
},
"plan": {
"goal": "本轮要获取什么信息",
"tool": "选择哪个工具",
"reason": "为什么这个工具和参数能达成目标"
},
"action": {
"tool": "search_similar",
"args": {"query": "关键词", "question": "当前关注的具体问题"}
}
}
```
## 自检信号
如果你引用了字幕原文来支持某个选项,但你的解读改变了原文的主语或因果方向,逐词重读原文,检查 who does what to whom 是否与你的解读一致。
## 常见陷阱
1. **因果层级陷阱**: Why 问题中常有多个因果层级的选项。Agent 倾向于选"根本原因",但题目通常问的是"直接触发原因"。
2. **外部知识陷阱**: 用常识替代视频证据是危险的。所有判断必须有视频中的直接证据支持。