Video-Tree-TRM5/store/skills/v1/temporal-reasoning.md at 441a0aa6c31515be6994be82f57e95a6cd702f1f

Files

T

iomgaa e7be42570d 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>

2026-07-09 12:12:47 -04:00

2.7 KiB

Raw Blame History

name, description, task_type

name	description	task_type
temporal-reasoning	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	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）：

{
  "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

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。
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。

2.7 KiB Raw Blame History Unescape Escape