---
name: temporal-reasoning
description: 时间推理类问题——需要确定事件顺序、时间关系或时间线排列
task_type: Temporal Reasoning
---

## 适用场景

问题涉及事件的时间顺序、先后关系或时间线排列。
例: "In which order are the following events introduced?" "What happened first?" "As depicted in the video, what happened when X?"

## 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: 事件定位

对每个待定位的事件分别执行 search_similar。

### Step 2: 时间线构建

按 L1 顺序阅读，构建显式时间线。

### Step 3: 冲突消解

对时间戳间距较小的事件对，必须下钻到 L3 用精确时间戳确认顺序。

## 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,
    "timeline": {"事件A": "L3_xxx@120s", "事件B": "L2_yyy@200s"},
    "events_located": "已定位 X/Y 个目标事件",
    "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

如果你只通过 L1 摘要判断事件先后而没有用 L3 时间戳确认，考虑是否需要更精确的验证。

## 常见陷阱

1. **同质内容排序最难**: 多个相似子主题的排序必须用 L3 级精确时间戳区分，L1/L2 摘要的分辨率不够。
2. **天数计数错误**: 不要把 L1 分段边界当成天数边界。L1 的分段是按时长而非按日期划分的。