○项目目标：构建基于React-Loop的智能体闭环，将视频目标追踪重构为“可规划、可验证、可自校验”的Agentic AI过程，降低非专家在类别选择、阈值调参与ID分配上的门槛，实现“自然语言指定目标→自动追踪→自动剪辑输出”的端到端体验。

○系统/算法设计：构建“指令解析→存在性验证→检测-追踪-重验证闭环→轨迹桥接与剪辑”级联系统：使用 DeepSeek解析自然语言生成YOLO类别集合与CLIP提示；引入Gemini-2.5 Flash进行目标存在性核验并推荐初始检测参数；执行层采用YOLO多尺度检测+ByteTrack身份保持（场景变化reset+CLIP语义过滤与跨片段全局ID合并），并通过轨迹桥接导出与意图对齐的时序连贯视频片段。

○效果与贡献：在 14 个测试用例上取得平均召回率Recall 75.6% / 精准率Precision 92.7% / 覆盖率Coverage 92.5%；验证“语义引导追踪+闭环重验证+自动剪辑”范式的可行性，并识别多模态匹配在属性描述过强/语义歧义场景下的主要瓶颈。