temporal-offset-reasoning

name	temporal_offset_reasoning
description	解决需要基于已知锚点事件进行时间运算（加减法）以定位目标事件的问题。强制执行"锚点定位-数值计算-目标检索"的分步策略。
trigger	查询含"X年前/后"、"exactly N years before/after"等相对时间偏移，或需要区分过去/现在/未来时态
success_rate	0
status	seed
trigger_conditions	{"domain":["general"],"entity_types":["event","entity"],"attribute_types":["date","age","duration"],"coverage_gap_pattern":"temporal_math"}
cost_hint	mid
effectiveness_score	0

时间偏移推理技能

目标

解决包含相对时间偏移量或隐含时间推理的查询问题。此类问题无法通过单次搜索直接找到答案，因为目标事件的时间点依赖于另一个已知事件（锚点）的时间戳加上/减去一个时间差。本技能将复杂的时间推理链分解为可执行的搜索步骤。

适用场景

• 相对时间查询: 问题中包含 "X年前/后"、"Exactly X years before/after" 等字样
• 事件依赖关系: 目标事件定义依赖于另一个更知名的事件（锚点）
• 时态推理: 需要区分"当时的"、"现任/前任"、"过去/现在"等时态信息
• 时间可行性判断: 目标事件可能尚未发生（未来事件），需要先验证时间可行性
• 示例:
  • "What painting was stolen from The Louvre exactly 56 years before the birth date of Serj Tankian?"
  • "Who won the Nobel Prize in Physics 10 years after the discovery of X-rays?"
  • "What league was Ilsinho's team in?"（需要判断 past vs present）

不适用场景

• 问题中直接给出了具体日期（如 "What happened on August 21, 1967?"）
• 时间描述模糊，无法进行精确算术运算（如 "Shortly after World War II"）
• 不涉及时间计算的单跳事实查询

核心原则

1. 锚点优先: 必须先完整解析锚点事件的确切日期，再进行任何后续推理
2. 显式计算: 不要让搜索引擎"理解"相对时间逻辑，Agent 自行完成算术运算
3. 解耦检索: 将"找锚点日期"和"找目标事件"拆分为两个独立搜索
4. 时间可行性验证: 在搜索前先判断目标事件是否已经发生。未来事件不可检索，应立即告知用户或转向历史趋势数据
5. 使用绝对时间: 将相对时间描述（"大萧条期间"）映射到绝对年份范围（1929-1939），再构造查询
6. 粒度对齐: 问题要求"日"就别停在"月"，要求"顺序"就列出全部候选再排序
7. 优先权威时间戳: 政府/组织官网日程、官方新闻稿、PDF 议程、奖项公示页优先于新闻报道

标准执行流程

步骤 0: 时间可行性检查（前置）

• 判断目标事件是否在未来。如果是（如"ACL 2028 论文数"），立即返回"该事件尚未发生"
• 若涉及"当时的/前任的"表述，明确需要查找的是过去状态还是现在状态

步骤 1: 锚点事件识别与提取

• 分析问题，识别 Anchor_Event（锚点事件）、Offset_Value（偏移数值）、Offset_Direction（过去/未来）以及 Target_Context（目标事件背景）

步骤 2: 检索锚点日期

• 查询构造: [Anchor Entity] [Event Type] date
• 必须提取出 YYYY-MM-DD 或至少 YYYY 格式的日期

步骤 3: 执行时间算术

• Target_Date = Anchor_Date + (Offset_Years × Direction_Sign)

步骤 4: 检索目标事件

• 查询构造: [Target Context] [Calculated_Date]
• 此时查询词中不再包含相对时间描述，而是替换为计算出的绝对时间点

步骤 5: 交叉验证

• 用两个独立来源确认同一时间点，避免单源错误

检索策略模板

• 锚点日期: "{Anchor_Entity} {Anchor_Event_Type} date"
• 目标事件: "{Target_Context} {Calculated_Date}"
• 历史时期定位: {period} {event/entity} site:wikipedia.org
• 奖项/作品年份: "YYYY" {award/work} winner
• 精确日期（权威源）: "{event name}" "{YYYY}" date site:domain.gov OR site:domain.edu
• 顺序/排名: "{entity}" "declare/establish/founded" "{YYYY}" 然后按时间排序

示例

问题: "What painting was stolen from The Louvre exactly 56 years before the birth date of activist and songwriter Serj Tankian?"

执行过程:

1. 分解: 锚点=Serj Tankian出生, 偏移=-56年, 目标=从卢浮宫被盗的画

2. 检索锚点: Serj Tankian birth date → 1967-08-21

3. 计算: 1967 - 56 = 1911, 目标日期=1911-08-21

4. 检索目标: Louvre painting stolen August 1911 → Mona Lisa

5. 结论: The painting is the Mona Lisa.

6. 分解问题:

   • 锚点事件: Serj Tankian's birth.
   • 偏移量: 56 years before (-56 years).
   • 目标背景: Painting stolen from The Louvre.

7. 步骤 1 - 检索锚点:

   • Action: search_agent task="What is the exact birth date of activist and songwriter Serj Tankian?"
   • Search Query: Serj Tankian birth date
   • Result: Found evidence that Serj Tankian was born on August 21, 1967.

8. 步骤 2 - 时间计算:

   • Calculation: 1967 - 56 = 1911.
   • Target Date: August 21, 1911.

9. 步骤 3 - 检索目标:

   • Action: search_agent task="What painting was stolen from The Louvre exactly 56 years before the birth date" (Agent now knows the date context).
   • Search Query: Louvre painting stolen August 1911 or Mona Lisa stolen 1911.
   • Result: Found evidence that the Mona Lisa was stolen on August 21, 1911.

10. 结论: The painting is the Mona Lisa.