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
normalizedevidence[]	array	✅	已标准化证据条目，每条应含 sourceurl、title、snippet、publishdate（可选）
canonicaltime_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,
stalethresholdmonths: 6,
undated_handling: downrank,
crosswindowrule: background,
requireprecisedate: false
}

参数	默认值	说明
conservatismlevel	high	保守程度：high（不轻易标记为current）/ standard / lenient
stalethreshold_months

视场景 | stale 阈值月数，默认由场景决定 | | undatedhandling | downrank | 无日期证据处理：downrank / flagonly / drop | | crosswindowrule | background | 跨时间窗证据规则：background / stale | | requireprecisedate | 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. 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

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 canonicaltimeframe │
│ 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 freshnessprofile 检测到时间分布异常时，自动生成 compensationqueries 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 | | backgroundratio = 0 且 goalmode = 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

rawevidenceitems
│
▼
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。