name: parse_times
description: 从中文文本中精准抽取并解析时间表达式，将模糊或相对的时间描述（如“明天”、“上周五”）转换为具体的、可计算的绝对时间。
version: 1.0.0
author: Skills Team
tags:
- time
- nlp
- parsing
- datetime
- chinese
category: text-processing
priority: 8

时间解析技能 (Parse-Time)

parse_times 是一个基于 JioNLP 引擎的高级时间语义解析工具。它能理解复杂的中文时间表达，并结合指定的时间基点，将自然语言中的时间描述转化为精确的日期时间格式，准确率高达95% [[8]]。

🎯 核心功能

1. 时间实体抽取

• 识别多样表达：支持“下个月初”、“三天后”、“2024年春节”等数百种中文时间格式。
• 上下文感知：能正确处理“的”字结构等复杂语法，如“上个月的最后一天” [[9]]。

2. 时间语义解析

• 相对时间转换：将“昨天”、“明年Q3”等相对时间，基于 time_base 转换为绝对时间。
• 模糊时间处理：对“近期”、“最近”等模糊表述，提供合理的时间范围估计。
• 多类型支持：支持时间点 (time_point)、时间段 (time_period) 和时长 (time_duration) 的解析 [[1]]。

3. 高精度与可靠性

• 高准确率：专为中文优化，时间解析准确率约95% [[8]]。
• 权威来源：基于开源的 JioNLP 工具包，被广泛应用于各类 NLP 项目中 [[2]]。

📋 使用场景

数据预处理

用户需求：从用户日志“小太阳记录宝宝在半小时前开始吃奶”中提取具体时间。
parse_times：结合当前时间基点，解析出“半小时前”的精确时间戳。

日程管理

用户需求：将“安排一个下周三下午的会议”自动转换为日历事件。
parse_times：解析出“下周三下午”的具体日期和时间。

智能助理

用户需求：“提醒我三天后交报告”。
parse_times：计算出“三天后”的确切日期，用于设置提醒。

学术研究

用户需求：分析历史文献中的时间描述。
parse_times：将“光绪年间”等历史纪年转换为公历范围。

🔧 技术细节

输入参数

• time_contents: 一个包含待解析时间字符串的列表。
• time_base: （隐式）解析的基准时间，通常为调用时的当前时间或由上下文指定。

输出格式

函数返回一个列表，每个元素是一个字典，包含：
- time_content: 原始输入的时间字符串。
- time_str: 解析后的标准化时间字符串（如 2026-02-01 15:00:00）或时间段。

调用示例

# 在技能内部，time_base 通常由系统自动注入
time_expressions = ["明天下午三点", "上周五", "2026年春节"]
parsed_times = parse_time(time_expressions)
# 返回:
# [
#   {"time_content": "明天下午三点", "time_str": "2026-02-01 15:00:00"},
#   {"time_content": "上周五", "time_str": "2026-01-24 00:00:00"},
#   ...
# ]

🎓 最佳实践

DO - 应该这样做

✅ 提供清晰的时间字符串

好的输入：
["下周一开会", "项目截止于2024年12月31日"]

✅ 用于批量处理

好的用法：
将从长文本中抽取出的所有时间实体列表一次性传入，提高效率。

DON'T - 避免这样做

❌ 传入非时间文本

不好的输入：
["今天天气很好", "请帮我订机票"]
应先使用实体抽取工具过滤出时间表达式。

❌ 忽略时间基点

注意：
“明天”的结果完全依赖于 `time_base`。确保在需要特定上下文（如文档创建时间）时，系统能正确设置基点。

🛡️ 限制与注意事项

• 语言限制：主要针对中文时间表达式进行优化，对其他语言支持有限。
• 基点依赖：相对时间的解析结果高度依赖 time_base 的准确性。
• 模糊性：对于极度模糊的表述（如“很久以前”），可能无法给出精确结果。

🔗 与其他工具配合

技能组合建议

完整信息提取流水线：
1. 通用实体抽取：从原始文本中识别出所有潜在的时间字符串。
2. parse_times：对抽取出的时间字符串进行精确解析。
3. Data Analyzer：对解析后的时间数据进行统计或可视化。

智能日程助手：
1. parse_times：解析用户指令中的时间。
2. Calendar Manager：将解析后的时间用于创建或查询日历事件。

📚 学习资源

• 官方文档: JioNLP GitHub [[2]]
• 在线体验: 可在 JioNLP 官网提供的在线测试页面直接体验时间解析功能 [[8]].

🎉 总结

parse_times 技能是处理中文时间信息的强大工具，它将自然语言的模糊性转化为计算机可操作的精确性，是构建智能日程、数据分析和信息提取系统的关键组件。