Video-Tree-TRM5/store/skills/v1/attribute-perception.md

name, description, task_type

name	description	task_type
attribute-perception	属性感知类问题——需要识别或推理人物/对象的态度、情感、身份等抽象属性	Attribute Perception

适用场景

问题要求理解人物态度、情感、动机、身份或对象的抽象属性。 例: "What evidence indicates that X?" "What can be said about Y's attitude?" "Which statement is incorrect?"

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: 精准关键词搜索

用问题中的核心属性词和实体名称构造搜索查询，直接定位包含目标实体的节点。

Step 2: 字幕深读

定位到相关节点后，仔细阅读字幕原文。

Step 3: 相邻节点检查

当 top-1 搜索结果不足以做出判断时，检查相邻的 L3 节点。

输出格式

每轮在 content 中输出以下 JSON（第一轮可省略 reflect）：

{
  "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,
    "evidence_directness": "explicit / implicit / metaphorical",
    "competing_options": "当前证据可能支持的其他选项: [B, C]"
  },
  "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"}
  }
}

当 evidence_directness 为 metaphorical 时，必须寻找第二条独立证据再提交。

自检信号

如果你抓住第一个看似相关的文本线索就推断属性结论，停下来——检查你找到的线索是字面含义还是隐喻，语境是否支持你的解读。

常见陷阱

1. 浅层线索锚定: 看到隐喻就推断能力评价，但实际语境可能在讲其他事情。抓住第一个看似相关的线索就下结论是最常见的错误模式。
2. 隐喻/间接表达: 视频中常用比喻或间接描述来表达属性。当证据来自隐喻时，必须标记为 metaphorical 并主动寻找第二条佐证。