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>

store/skills/v1/action-recognition.md

@@ -0,0 +1,88 @@
+---
+name: action-recognition
+description: 动作识别类问题——需要识别视频中发生了什么动作或行为
+task_type: Action Recognition
+---
+
+## 适用场景
+
+问题要求识别视频中发生的动作、行为或技能。
+例: "What happens when X?" "What are the magic tricks about?" "Which skill is NOT performed?"
+
+## 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: L1 全局扫描
+
+以 read L1 开始建立全局动作图谱。
+
+### Step 2: 分拆式搜索
+
+必须对每个选项单独搜索验证，不要将多个选项拼成一个查询。
+
+### Step 3: 时间感知验证
+
+如果问题包含时间限定词，必须特别小心。
+
+### Step 4: 多源证据交叉
+
+不要只依赖单一信息源下结论。
+
+## 输出格式
+
+每轮在 content 中输出以下 JSON（第一轮可省略 reflect）：
+
+```json
+{
+  "reflect": {
+    "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,
+    "is_negation_question": false,
+    "branches_explored": "已探索 X/Y 个 L1 分支"
+  },
+  "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
+
+如果你用同一个查询搜索了多个选项的证据，回到 Step 2，对每个选项使用独立的、有区分性的关键词分别搜索。
+
+## 常见陷阱
+
+1. **字幕语义歧义**: 游戏解说、体育评论中的专业术语容易被误解。对模糊的字幕证据，查看相邻 L3 的视觉描述进行交叉验证。
+2. **"以上全部"选项**: 当选项 D 是"All of the above"时，必须为 A/B/C 三个选项都找到存在证据。