Freshness 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

json

{
  "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

json

{
  "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

1. 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
2. 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
3. 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
4. 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

text

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

json

{
  "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

• 新鲜度判定规则 — 5 级分类详细定义与判定标准
• 时间窗场景示例 — 不同场景的典型时间窗与边界案例
• 判定用例集 — 3 个完整用例演示

与 evidence-cleaner 的协作

text

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。