Video-Tree-TRM5/store/skills/v1/counting-problem.md

name, description, task_type

name	description	task_type
counting-problem	计数类问题——需要统计视频中特定事物出现的次数或数量	Counting Problem

适用场景

问题要求统计某类事物的数量，选项通常为具体数字。 例: "How many goals does X score?" "How many times does Y appear?"

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: 全局定位

用 search_similar 搜索被计数实体的名称，同时用 view_node 获取所有 L1 节点列表以了解视频的全局结构。

Step 2: 系统遍历

对每个可能包含目标实体的 L1 段落执行系统化下钻流程。

Step 3: 汇总确认

在回答前，在 reflect 的 instances 字段中逐一列出所有发现的实例及其来源节点。

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,
    "l1_coverage": "已遍历 X/Y 个 L1 段落",
    "instances": ["实例1@L3_xxx", "实例2@L3_yyy"]
  },
  "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": "view_node",
    "args": {"node_id": "L1_000", "question": "当前关注的具体问题"}
  }
}

自检信号

如果 l1_coverage 尚未达到 100% 就准备提交答案，停下来——必须遍历完所有 L1 段落。

常见陷阱

1. L2 节点数 ≠ 实例数: 一个 L2 节点可能包含 0 个或多个被计数实例。必须深入 L3 逐一确认。
2. 模糊数量词不可信: L1/L2 摘要中的"multiple""several""a few"不能替代精确计数。