对相应的视频目标检测论文整理实现综述文档。 知乎上有关该方向的讨论视频中的目标检测与图像中的目标检测具体有什么区别？。 简单来说，视频检测是比单张图片检测多了Temporal Context（时间上下文）的信息。不同方法想利用这些Context来解决的问题并不相同。

Agent 收到这个原因后就能理解约束的含义，然后走另一条路完成任务。它不需要事先"记住"不能用 git，它可以先尝试，然后被告知为什么不行以及应该怎么做。 你在 CLAUDE.md 里写了一条规则："不要执行 git push"。Agent 遵守了，它确实没有调用 git 工具。但它写了 ...