Install
openclaw skills install freshness-judgeFreshness Judge
LLM通用证据新鲜度判断技能。根据时间窗和证据时间信息，判断每条证据属于current/background/stale/undated/malformed哪一类。在搜索结果标准化之后、需要区分当前证据与背景证据时使用。触发条件：现实问题/新闻/政策/市场分析、需要降低"把旧材料当新材料"风险、时间敏感型任务。
Freshness Judge — 证据新鲜度判断技能
核心职责
根据时间窗（time window）和证据中的时间信息，为每条证据打上精确的时间语义标签。
做什么：
- 提取证据中的时间信息（发布日期、事件时间、数据时间范围等）
- 将每条证据分类到 5 个新鲜度等级之一
- 生成整体新鲜度画像（freshness profile），供下游流程使用
不做什么：
- ❌ 不改写证据内容
- ❌ 不做搜索或补充信息
- ❌ 不生成最终判断或结论
- ❌ 不做证据清洗（交给 evidence-cleaner）
- ❌ 不移除任何证据（即使标记为 stale，仍保留在分类结果中）
最小输入
| 字段 | 类型 | 必需 | 说明 |
|---|---|---|---|
normalized_evidence[] | array | ✅ | 已标准化证据条目，每条应含 source_url、title、snippet、publish_date（可选） |
canonical_time_frame | object | ✅ | {start, end, granularity} 本次任务的标准时间框架 |
freshness_policy | object | ❌ | 覆盖默认行为的策略参数（见下文） |
freshness_policy 参数
{
"conservatism_level": "high",
"stale_threshold_months": 6,
"undated_handling": "downrank",
"cross_window_rule": "background",
"require_precise_date": false
}
| 参数 | 默认值 | 说明 |
|---|---|---|
conservatism_level | "high" | 保守程度：high（不轻易标记为current）/ standard / lenient |
stale_threshold_months | 视场景 | stale 阈值月数，默认由场景决定 |
undated_handling | "downrank" | 无日期证据处理：downrank / flag_only / drop |
cross_window_rule | "background" | 跨时间窗证据规则：background / stale |
require_precise_date | false | 是否要求精确日期（否则接受月份/年份级精度） |
输出格式
{
"current_evidence": [],
"background_evidence": [],
"stale_evidence": [],
"undated_evidence": [],
"malformed_evidence": [],
"freshness_profile": {
"total_evidence": 20,
"current_ratio": 0.35,
"background_ratio": 0.30,
"stale_ratio": 0.15,
"undated_ratio": 0.15,
"malformed_ratio": 0.05,
"time_coverage": {
"earliest": "2022-03-15",
"latest": "2024-05-15",
"median_date": "2024-01-20"
},
"overall_assessment": "证据库时间覆盖良好，35%为当前有效证据，15%为无日期证据需谨慎使用",
"risk_flags": [
"15%证据无时间标注，可能引入旧材料误判风险"
],
"compensation_queries": [
{
"query": "AI芯片 2025年Q3 Q4 市场格局变化",
"rationale": "补充2025年H2背景数据，平衡时间分布偏差",
"target_period": "2025-07 至 2025-12",
"priority": "recommended"
}
]
}
}
5 级分类体系
| 等级 | 标签 | 含义 | 下游处理建议 |
|---|---|---|---|
| 1 | current | 在 canonical time frame 内，可直接使用 | 优先使用，作为主证据 |
| 2 | background | 时间框架外，但有参考价值 | 辅助证据，需标注"背景信息" |
| 3 | stale | 明显过时、已被推翻或替代 | 谨慎使用或忽略，需标注"已过时" |
| 4 | undated | 缺乏时间信息，无法判断 | 建议降权，避免当作 current 使用 |
| 5 | malformed | 时间格式损坏或自相矛盾 | 建议忽略，需人工审查 |
核心原则：保守原则
- 不默认当 current：在保守模式下，只有明确落在时间窗内的证据才标记为 current
- 时间不足标记 undated：无法从证据中提取时间信息时，不猜测，标记为 undated
- 格式损坏标记 malformed：时间信息存在但自相矛盾或格式无法解析时，标记为 malformed
- 宁可错标 background，不可错标 current：对时间边界模糊的证据，降级处理
判定流程
证据进入新鲜度判断
│
▼
┌─────────────────────────┐
│ 提取时间信息 │
│ publish_date? │
│ snippet中的日期? │
│ 事件隐含时间? │
└────┬──────┬──────┬──────┘
│ │ │
有时间 无时间 时间矛盾
│ │ │
▼ ▼ ▼
继续 [UNDATED] [MALFORMED]
│
▼
┌─────────────────────────┐
│ 比对 canonical_time_frame │
│ evidence_date vs window │
└────┬──────┬──────┬──────┘
│ │ │
在窗内 窗外近期 窗外久远
│ │ │
▼ ▼ ▼
[CURRENT] [BACKGROUND] 判断是否被推翻
│
┌────┴────┐
│ │
未推翻 已推翻/替代
│ │
▼ ▼
[BACKGROUND] [STALE]
时间偏差自动补偿
当 freshness_profile 检测到时间分布异常时，自动生成 compensation_queries 供编排器决定是否触发补搜。
触发条件
| 条件 | 补偿级别 | 说明 |
|---|---|---|
current_ratio > 0.8 且时间跨度 < 时间窗50% | recommended | 证据过度集中在近期，建议补充历史背景 |
| 某维度证据全部为 stale/undated | required | 关键维度无新鲜证据，必须补充 |
background_ratio = 0 且 goal_mode = strategic | recommended | 战略分析缺乏背景深度 |
undated_ratio > 0.3 | required | 大量无日期证据，必须尝试补充日期信息 |
补偿查询格式
{
"compensation_queries": [
{
"query": "string — 补充搜索查询",
"rationale": "string — 为什么需要这条补充",
"target_period": "string — 目标补充时间段",
"priority": "required | recommended | optional"
}
]
}
与编排器的协作
required级补偿：编排器应自动触发回溯到 query-planner 追加查询recommended级补偿：编排器可根据预算决定是否补搜optional级补偿：仅在预算充裕时执行
参考文档
与 evidence-cleaner 的协作
raw_evidence_items
│
▼
evidence-cleaner (清洗)
│
▼
normalized_evidence ──→ freshness-judge (本技能)
│
▼
timestamped_evidence (带新鲜度标签)
建议执行顺序：先执行 evidence-cleaner 完成去噪去重，再执行 freshness-judge 判断新鲜度。避免在噪声证据上浪费时间判定。