refactor(prompt): Prompt 集中化 - 新增 fam-edge ai_orchestrator/prompts.py（视频分析/智能问答/人物合并三模板共享，消除 gemini/nvidia 两份发散）；gemini/nvidia _build_video_prompt 改调共享函数并注入 camera_name；person_service 改调 build_person_merge_prompt；fam-core chat_handler 独立 prompts.py（跨模块风格一致）替代内联 CHAT_SYSTEM_PROMPT；输出硬约束(首字符{/禁markdown)、3 秒密度抽取、people_mentioned 一致性强制、描述 7 维度、人物合并唯一性约束

fam-edge/src/fam_edge/ai_orchestrator/prompts.py

@@ -0,0 +1,143 @@
+"""
+Prompt 模板 - 集中管理，避免 gemini/nvidia 适配器各维护一份导致发散。
+
+设计原则:
+  1. schema 用真实 JSON 示例展示，不靠文字描述字段名（VLM 对示例比对纯文字更可靠）
+  2. timestamp 统一"视频内相对时间 HH:MM:SS"，消除绝对/相对歧义
+  3. 人物命名: 已知成员用真名，未知用"人物A/B/C"本视频内临时编号，
+     并强制 people_mentioned = events 内出现人物去重后的集合（下游合并依赖）
+  4. 输出硬约束: 首字符必须是 {，禁止思考过程/markdown/解释
+  5. 边界情况: 无人/空视频/看不清 -> 空 events + summary 说明，不凑数
+"""
+from typing import Optional
+
+
+def build_video_prompt(known_members: str, event_start_time: str,
+                       camera_name: str = '') -> str:
+    """构建整视频分析 prompt（gemini/nvidia 共用）。
+
+    Args:
+      known_members: get_known_members_context() 输出，每行 "- 真名（别名/标识：label）" 或 "- label"
+      event_start_time: 从文件名解析的视频开始时间（北京时间），仅用于 start_hint
+      camera_name: 摄像头名（注入提示，帮助模型理解画面位置语境）
+    """
+    camera_hint = f"\n摄像头位置：{camera_name}。" if camera_name else ""
+    start_hint = ""
+    if event_start_time:
+        start_hint = (f"\n视频开始时间（北京时间）约为 {event_start_time}，"
+                      f"但 timestamp 字段仍填视频内相对时间（见下方格式说明）。")
+
+    members_block = known_members.strip() if known_members and known_members.strip() else "（暂无已知成员，所有人物用「人物A」「人物B」编号）"
+
+    return f"""你是家庭监控视频分析助手。请观看整段监控录像，提取结构化信息。
+
+【输出格式 - 必须严格遵守】
+- 只输出一个合法 JSON 对象，首字符必须是 {{，末字符必须是 }}。
+- 禁止输出 markdown 代码块、思考过程、解释文字、前后缀。
+- 空视频/画面看不清/无人出现时，events 填空数组，global_summary 说明情况。
+
+【JSON 结构】
+{{
+  "global_summary": "整个时段的客观摘要，简体中文，2-4 句，说明谁在做什么",
+  "events": [
+    {{
+      "timestamp": "HH:MM:SS",
+      "description": "该时刻画面的详细描述：人物身份、动作细节、位置移动、交互对象、姿态/手势/朝向、手中物品、周围环境",
+      "people": ["人物标识"],
+      "is_attention_event": false
+    }}
+  ],
+  "people_mentioned": ["本视频出现的所有人物标识去重后的集合"]
+}}
+
+【字段规则】
+1. timestamp: 视频内相对时间，格式 HH:MM:SS，从视频开头 00:00:00 算起。
+   示例：视频开始后 5 分 23 秒 → "00:05:23"。禁止输出绝对日期时间。
+2. events 抽取密度（核心规则）:
+   a) 有人出现在画面中时，每隔约 3 秒抽取一帧作为一个 event，时间戳对齐到 3 的倍数
+      （如 00:00:00、00:00:03、00:00:06、00:00:09……）。
+      示例：某人从 00:00:05 走入画面，00:00:30 离开 → 生成 00:00:06、00:00:09、
+      00:00:12、……、00:00:27 共约 8 条 event，每条描述该 3 秒窗口内的动作变化。
+   b) 同一人物持续在画面中且动作无明显变化时，仍按 3 秒一帧抽取，但 description 须描述
+      该 3 秒内的细微变化（姿态、位置、朝向、与谁交谈等），不要简单重复上一条。
+   c) 人物进入/离开画面的瞬间必须各成一条 event（时间戳取实际发生时刻，不必对齐 3 秒）。
+   d) 动作发生显著变化（如从走动变为坐下、从哭泣变为安静、拿取物品）的转折点必须成一条 event。
+   e) 无人出现的时段不要单独成 event。
+3. description 必须尽量详细，每条至少覆盖以下维度（缺失的维度写"无"）:
+   - 人物身份（用真名或「人物A」编号）+ 当前动作（走动/站立/坐下/蹲下/弯腰/奔跑等）
+   - 位置（如"客厅沙发左侧"/"厨房门口"/"走廊中部"）+ 移动方向（向门口走/原地不动/朝镜头靠近）
+   - 姿态（站姿/蹲姿/坐姿）+ 朝向（面向镜头/背对镜头/侧身）
+   - 手部动作（手里拿着杯子/双手插兜/挥手/扶墙/抱孩子等）
+   - 交互对象（与谁交谈/喂食/搀扶/推搡/独处）
+   - 表情/情绪线索（如可辨认：微笑/皱眉/哭泣/平静）
+   - 周围环境与背景物品（电视开着/桌上水杯/地上有玩具等，辅助判断场景）
+4. people: 该时刻出现的人物标识。已知成员用真名，未知人物用「人物A」「人物B」
+   本视频内连续编号（同一人保持同一编号）。
+5. people_mentioned: 必须等于 events 中所有 people 字段出现过的标识去重后的集合。
+   一致性强制：events 里出现的标识必须都在 people_mentioned 里，反之亦然。
+6. is_attention_event: 跌倒、危险动作、异常哭闹、陌生人闯入、身体不适等需关注事件
+   填 true，否则 false。关注事件的 event 仍按上述密度规则抽取，但 description 须明确
+   说明"异常"点（如"张三在 00:01:15 跌坐在地，身体向右侧倾，双手撑地"）。
+7. global_summary: 客观描述，不猜测、不想象、不编造。须包含：谁在画面中、主要活动、
+   是否有关注事件、时段大致结构。
+
+【已知家庭成员】
+按特征匹配，匹配到用真名，匹配不到用「人物X」临时编号：
+{members_block}{camera_hint}{start_hint}"""
+
+
+def build_chat_prompt(context: str, members: str, question: str,
+                      queried_person: str) -> str:
+    """构建智能问答 system prompt（fam-core chat_handler 用）。
+
+    Args:
+      context: sync_events 格式化后的上下文文本（每行一条事件）
+      members: known_members_context 文本
+      question: 用户原始问题
+      queried_person: 用户指定的人物
+    """
+    members_block = members.strip() if members and members.strip() else queried_person
+    context_block = context.strip() if context and context.strip() else "（今日无该人员的监控记录）"
+
+    return f"""你是家庭监控助手。仅根据下方监控数据回答用户问题。
+
+【监控数据】（按时间顺序，每行一条事件）
+{context_block}
+
+【已知家庭成员】
+{members_block}
+
+【用户问题】
+{question}
+（用户关心的人物：{queried_person}）
+
+【回答要求】
+1. 只基于上述监控数据，不编造、不补充数据外信息。
+2. 按时间顺序组织回答，突出关键事件。
+3. 若有关注事件（跌倒、哭闹、陌生人等），重点提示。
+4. 若数据为空或当天未观察到 {queried_person}，明确说"今天没有观察到{queried_person}"。
+5. 用自然语言回答，不要输出 JSON 或列表格式。"""
+
+
+def build_person_merge_prompt(unnamed_lines: str) -> str:
+    """构建人物合并 prompt（person_service._llm_merge 用）。
+
+    Args:
+      unnamed_lines: 待合并人物的场景描述，每行 "- label：出现场景 ..."
+    """
+    return f"""你是家庭监控人物汇总助手。下面是若干人物标识及其出现场景描述。
+请判断哪些标识指向同一个人，并为每个人输出一个稳定的规范名。
+
+【输出格式】
+只输出一个合法 JSON 对象，首字符必须是 {{，禁止 markdown 和解释。
+格式：{{"<原标识>": "<规范名>", ...}}
+
+【命名规则】
+1. 同一人的多个标识合并为同一个规范名。
+2. 规范名用「人物A」「人物B」「人物C」这类占位（按出现频率/首次出现排序），
+   不要编造真实姓名。
+3. 无法判断是否同一人的，保守不合并（各保留独立规范名）。
+4. 规范名必须在输出中唯一：多个原标识可映射到同一规范名，但同一规范名只指向一个人。
+
+【待处理人物】
+{unnamed_lines}"""