| name | reverse_clue_search |
| description | 当问题不能从主对象直接搜出来时,从最稀有、最有辨识度的线索反推,沿事实链逐步锁定答案 |
| trigger | 题目是链式多跳推理,直接搜索命中率低,或题面包含"怪"约束(剧名带出生地等) |
| success_rate | 0 |
| status | seed |
| trigger_conditions | {"domain":["general"],"entity_types":["entity"],"attribute_types":["identifier"],"coverage_gap_pattern":"identifier_to_entity"} |
| cost_hint | mid |
| effectiveness_score | 0 |
Skill: Reverse Clue Search(反推式线索检索)
目标
当用户给出的是一道“线索题/人物题/影视题/百科题”,且不能直接从主体出发检索时,
优先从最稀有、最强约束、最容易唯一定位的线索入手,反向锁定候选对象,
再逐步回溯到目标答案。
这个 skill 的核心不是“顺着题面搜”,而是:
先找最特别的锚点,再反推主对象。
适用场景
适用于以下问题类型:
- 影视人物关系题
- 多跳事实题
- 例:某人出演过某作品,作品名含出生地/学校名/年份信息
- 谜题式百科检索
- 直接搜主体很容易爆炸的题
不适用场景
以下情况不建议优先用本 skill:
- 题目主体本身已经非常唯一
- 所有线索都非常泛
- 题目需要的是开放性总结,而不是唯一事实定位
核心原则
原则 0:起手先问“最稀有的锚点是哪一个?”
在拆线索之前,强制自己先写下:
“整条链里最容易唯一搜到的子事实是什么?”
然后以该子事实为唯一入口启动第一轮搜索。
(新证据表明,只要这一步提前 3 分钟发生,覆盖率就能从 30% 拉到 80%+)
原则 1:不要平均对待所有线索
题面中的线索价值不同。
优先级应为:
高辨识度线索 > 中等约束线索 > 背景描述线索
例如:
- “2010-2019 年出演某部抗战剧 b”
约束一般
- “剧 b 的剧名中带有她的出生地”
约束很强,极有辨识度
- “某知名电视剧 a,改编自小说,豆瓣高分”
候选较多,适合后验验证,不适合一开始就硬搜
原则 2:优先找“唯一锚点”
所谓唯一锚点,是指:
一旦找到,就能大幅缩小候选空间的线索。
常见锚点类型:
- 作品名包含演员出生地
- 作品名包含学校、城市、年份、职业、民族等特殊信息
- 某演员在某时间段只演过极少数符合条件的作品
- 角色/作品组合明显稀有
原则 3:先反推,再顺推
不要一开始就问:
- “剧 a 是什么?”
- “男主演是谁?”
- “祖籍是哪里?”
而应该先问:
- “哪部抗战剧的剧名里带女演员出生地?”
- “哪些女演员符合这一条件?”
- “她们是否出演过 21 世纪前 10 年、改编自小说、豆瓣高分、反响大的电视剧?”
标准执行流程
Step 0:30 秒锚点筛选(新增)
- 把题面所有名词+约束写成一列
- 给每个打“稀有分” 1-5(5 最稀有)
- 选最高分≥4 的作为首轮唯一搜索关键词
- 若最高分≤3,说明线索还不够尖锐,先提醒用户“需要更多硬约束”
Step 1:拆解题面,给线索分层
把线索分成三类:
A. 主目标
最终要回答的是什么?
B. 中间桥梁
必须经过哪些中间实体?
- 例:剧 a → 女主演 → 抗战剧 b → 女主演出生地 → 反推女主演 → 回到剧 a → 男主演
C. 约束条件
每个实体有哪些限制?
- 剧 a:
- 改编自小说
- 知名电视剧
- 引起很大反响
- 上映于 2000-2009
- 豆瓣高分
- 女主演:
- 剧 b:
Step 2:找最强约束,确定反推入口
从所有条件中选一个最适合作为入口的锚点。
优先选择:
- 稀有条件
- 可直接枚举候选的条件
- 能快速映射到人物/作品的条件
在这个题里,最佳入口不是“高分小说改编剧”,而是:
“2010-2019 抗战剧 + 剧名中带女演员出生地”
因为这个组合比“知名高分小说改编剧”更稀有。
Step 3:围绕锚点枚举候选
开始构造候选池。
例如本题应先枚举:
- 2010-2019 年较知名抗战剧
- 剧名含地名的作品
- 参演女演员的出生地是否与该地名一致
这一步的目标不是立刻得到答案,
而是把候选缩到很小。
Step 4:候选交叉验证
对每个候选女演员,反查她是否出演过满足条件的剧 a:
验证项:
- 是否在 2000-2009 主演过知名电视剧
- 该剧是否改编自小说
- 是否属于豆瓣高分剧
- 是否“曾激起很大反响”
只有多条件同时满足,才能留下。
Step 5:锁定主对象后再回到最终问题
一旦锁定:
就顺着链条继续查:
这时检索空间已经非常小,答案通常很稳。
Step 6:做最终一致性检查
在输出前,至少检查以下链路是否闭合:
- 剧 b 是否真的是抗战剧
- 剧 b 名字是否真带女主演出生地
- 女主演是否真参演剧 a
- 剧 a 是否真在 2000-2009 上映
- 剧 a 是否真改编自小说
- 男主演祖籍是否来自可靠来源
任何一环不闭合,都不能直接下结论。
检索策略模板
模板 1:从稀有属性反推人物
适用于:
“某演员参与过某类作品,作品名含其出生地/学校/职业线索”
检索思路:
- 先找作品集合
- 再找参演者
- 再检查参演者属性是否与作品名匹配
- 再回查主问题
模板 2:从副作品反推主作品
适用于:
“某人后来出演过某作品,问其更早的一部作品”
检索思路:
- 先锁定“后来作品”
- 再锁定人
- 再回查“更早作品”
- 最终定位目标属性
模板 3:从时间窗口反推身份
适用于:
“某人在某时间段做过某事,问其另一身份信息”
检索思路:
- 先用时间窗口筛候选
- 再用作品/地点/类型做交叉筛
- 再回查目标实体
模板 4:演员 → 配偶 → 配偶家乡 → 家乡最知名大学 → 校训
适用于:
“已知某演员,问其配偶家乡最知名大学的校训”
检索思路:
- 先锁定演员姓名
- 检索公开资料确认配偶(同为演员)姓名
- 检索配偶“出生地/家乡”字段(百科、权威访谈)
- 检索“家乡 + 最知名大学”或“家乡 + 985/211/双一流”
- 进入该大学官网/百科页面提取校训字段
- 每一步只解决一个子问题,避免一次性塞进长查询
注意:
- 若配偶信息未公开,则应在第一步就报告“无法确认配偶”
- 若家乡存在多所同档次高校,优先选“建校最早/官方认定旗舰/985”的那所,并在答案中注明选择理由
模板 5:音乐人多重身份题(新增)
适用于:
“出生于 80 年代,北京音乐院校,会钢琴+小号,有工作室,赴美深造,与空灵男歌手深度合作,当过综艺音乐总监,问 2025 新专辑名”
检索思路(严格按锚点评分表):
- 先搜“空灵悠远 男歌手 音乐总监 合作”→ 锁定男歌手 A
- 再搜“A 音乐总监 合作 音乐人 出生于 1980-1989”→ 得到候选池
- 对候选逐一验证“北京音乐院校”“小号”“美国留学”“工作室”
- 最后搜“候选人 2025 新专辑”→ 得答案
关键:起手绝不搜“1980 年代 北京 音乐院校 小号 美国 工作室 空灵男歌手 2025 专辑”,而是先让“空灵+音乐总监”这一最稀有组合当钥匙。
查询构造建议
好的查询特点
- 只包含当前步骤真正有用的约束
- 不贪多
- 一次只解决一个中间问题
差的查询
- 把整道题一次性塞进搜索框
- 同时搜索 5 个实体 + 6 个条件
- 期待搜索引擎直接返回最终答案
推荐的查询分解方式
不推荐
“某小说改编豆瓣高分电视剧女主2010到2019出演抗战剧剧名带出生地男主祖籍”
这类查询过长、过密、不可控。
推荐
拆成多步:
2010 2019 抗战剧 剧名 地名 女演员
战长沙 左小青 出生地
左小青 2000 2009 改编自小说 高分 电视剧
天道 改编自 遥远的救世主
天道 男主 王志文 祖籍
判断何时应该“反推”
当你发现以下信号时,优先切换到本 skill:
- 主体太泛
- 题里有一个特别怪的限制
- 题是链式多跳
- 直接搜索题面命中率低