Query Planner — 查询规划技能

核心职责

将任意复杂任务拆解为 4 类标准查询，交付给下游搜索/分析模块消费。

边界（绝对禁止）：

• - ❌ 不执行搜索
• ❌ 不判断真假
• ❌ 不输出结论或建议
• ❌ 不发明第 5 类 query 分类
• ❌ 不遗漏 counter_queries

唯一产出：结构化查询计划。

输入规格（最小集）

输出规格（固定结构）

json
{
task_id: QP-,
primary_subject: ...,
time_frame: ...或null,
goal_mode: ...,
target_variable: ...或null,
identity_queries: [...],
event_queries: [...],
action_queries: [...],
counter_queries: [...]
}

每条 query 为字符串，可直接作为搜索关键词使用。

4 类查询生成规则

1. identity_queries — 谁/什么

定义主对象的身份、背景、属性、分类。

• - 核心问题：主对象是什么？它的关键属性和定位是什么？
• 模板：{subject} 是什么, {subject} 背景 历史, {subject} 核心特征 属性
• 数量：2–5 条
• 约束：围绕主对象生成，不发散到无关实体

2. event_queries — 发生了什么

定义与主对象相关的关键事件、时间线、数据点、因果关系。

• - 核心问题：发生了什么？什么时候？有什么数据和趋势？
• 模板：{subject} {timeframe} 重大事件 里程碑, {subject} {timeframe} 数据 统计 趋势, {subject} {timeframe} 因果关系 影响
• 数量：3–8 条
• 约束：有 timeframe 则必须绑定；有 target_variable 则必须纳入至少 1 条

3. action_queries — 做了什么/该做什么

定义决策、政策、干预措施、战略动作。

• - 核心问题：相关方采取了什么行动？有哪些政策和策略？
• 模板：{subject} 政策 战略 决策, {subject} 干预措施 行动计划, {subject} 行业对标 竞争对手策略
• 数量：2–6 条
• 约束：有 target_variable 则纳入至少 1 条测量维度

4. counter_queries — 反面证据

质疑主线叙事，寻找冲突数据、替代解释、被忽略的视角。

• - 核心问题：有没有反面证据？主流观点可能错在哪里？有没有被忽略的因素？
• 模板：{subject} 反面证据 批评 争议, {subject} 替代解释 不同观点, {subject} 失败案例 负面数据, {subject} 数据造假 质疑
• 数量：2–5 条，绝对不为空
• 约束：即使主任务是正面评估，也必须生成反面查询

强制规则

1. 1. counterqueries 零容忍：输出中 counterqueries 数组长度必须 ≥ 2。违反即视为输出失败。
2. 分类锁定：只有 identity / event / action / counter 四类。禁止自定义新分类。
3. 主对象聚焦：默认所有 query 围绕 primarysubject 生成。只有 actionqueries 可合理扩展到相关方。
4. 时间绑定：若 canonicaltimeframe 非 null，eventqueries 和 actionqueries 中 ≥ 50% 的 query 必须包含时间关键词。
5. 变量渗透：若 targetvariable 非 null，它必须出现在 eventqueries 和 action_queries 中（至少各 1 条）。
6. query 可搜索性：每条 query 必须是可直接复制到搜索引擎的关键词短语，非自然语言长句。
7. 去重：同一输出内不允许语义重复的 query。

执行流程

输入解析 → 提取 primarysubject/timeframe/target_variable
→ 按 4 类规则分别生成 query
→ 检查强制约束（counter≥2, 分类锁定, 时间绑定, 变量渗透）
→ 输出 JSON

参考文档

• - 查询模式详细规则与模板：references/query-patterns.md
• 完整输入输出用例：references/examples.md