84 lines
2.4 KiB
Markdown
84 lines
2.4 KiB
Markdown
---
|
||
name: information-synopsis
|
||
description: 信息概要类问题——需要理解视频整体主题和核心内容
|
||
task_type: Information Synopsis
|
||
---
|
||
|
||
## 适用场景
|
||
|
||
问题要求概括视频的主题、主要内容或核心观点。
|
||
例: "What is the video primarily about?" "What is the main topic discussed?"
|
||
|
||
## 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 全览
|
||
|
||
顺序读取所有 L1 节点的 scene_summary 和 topic_keywords。
|
||
|
||
### Step 2: 选项对照
|
||
|
||
将每个选项与所有 L1 摘要逐一对照。
|
||
|
||
### Step 3: 按需下钻
|
||
|
||
如果 L1 摘要已经能明确区分选项，可以直接回答。
|
||
|
||
## 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,
|
||
"l1_coverage": "已阅读 X/Y 个 L1 节点",
|
||
"abstraction_level": "整体 / 部分 / 细节"
|
||
},
|
||
"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
|
||
|
||
如果你只读了 L1_000 就认为了解了视频主题，停下来——必须读取所有 L1 节点才能做出可靠判断。
|
||
|
||
## 常见陷阱
|
||
|
||
1. **概括粒度偏差**: 当选项中同时有"大主题"和"具体子主题"时，选择与视频主要篇幅最匹配的那个。
|