结论先行：观察时长不是越长越好。决定一次观察是否有效的，是三个可定义的参数——采样密度、时间窗长度、复测间隔。三者缺一，数据量再大也只是记录，不构成可比较的观察结果。
采样密度：决定了动作能不能被还原
采样密度的下限由动作的最快变化率决定。儿童的动作特征是高频率、大幅度、突变多：一次转身可能在几百毫秒内完成，一次起跳的落地冲击集中在极短的时间窗内。
工程上的做法是把链路固定在 60 帧，单帧计算周期 16.7 毫秒。这个周期意味着相邻两帧之间人体的位移量足够小，时序约束可以成立，快速动作不会因为跨帧采样而丢失关键姿态。
节点密度同样关键。342 个人体骨骼节点的输出，让关节角度、躯干倾角、四肢协调性这些指标可以在同一次观察中被同时解出，而不需要用户配合做标准化动作。识别准确率 ≥98% 的口径，也是在这个配置下测得的。
时间窗：多长才够出现有效动作事件
时间窗要解决的是「样本里有没有足够的事件」。观察的目的不是收集动作，是收集特定类型的动作事件：持续注意、反复同一动作、回避性停顿、情绪反应前后的姿态变化。
按实际运行的经验，单次观察窗口过短时，事件出现次数落在噪声区间，统计上无法区分个体差异；窗口过长时，疲劳与注意力衰减会污染后半段数据，反而降低可比性。
可执行的规则是分场景设定窗口：自由探索场景用较长窗口，指令跟随场景用较短窗口。判断标准应该是「事件数达到可分析下限」，而不是时长够不够。
复测间隔：与量表周期对齐，不与运营节奏对齐
复测间隔的设定有两个约束。技术上，间隔要长于行为的自然波动周期，否则测到的是当天状态而不是稳定特征。量表侧，间隔要与所用量表的重测信度设计相匹配，过早复测没有解释力。
常见的错误是按运营节奏复测——月度活动、季度考核顺手就安排一次。这样的数据把自然波动与真实变化混在一起，无法归因。
更稳妥的做法是把复测间隔写进流程：固定周期、固定场景、固定窗口长度、固定指令集。四个固定是可比性的前提。
数据完整性：三个必须监控的降质来源
第一是遮挡。多人同时进入视野时，节点归属会串。处理方式不是提高阈值，而是标记低置信区间并在分析时剔除。
第二是逆光与地面反光。这两个因素直接影响关键点定位稳定性，需要在装机阶段就把点位定死，而不是靠后期算法补偿。
第三是丢帧。丢帧率高时，时序约束失效，动作事件会被切断成碎片。这个指标应当作为运行时健康度实时监控。
在已签约 4000 余个点位、已落地实施近千家的部署规模下，这三类降质来源的分布差异很大——南北光照、层高、客流密度都不同。同一套参数在不同点位的可比性，取决于装机标定是否到位，这在规模化时最容易松动。
闭环：输出之后还有两步
观察闭环不是「出一份报告」就结束。报告之后至少要接两步：一是把观察记录回填到量表条目的对应项上，二是按复测间隔验证变化方向是否与干预假设一致。
这两步决定了系统是「一次性测评工具」还是「持续观察体系」。前者卖的是设备，后者卖的是过程。
边界
所有输出都应当明确标注：属于筛查与观察支持，不替代临床诊断。采样密度与时间窗的优化，提升的是信息质量，不改变工具的性质。
一次观察最短需要多长时间？ 没有统一数字，判据是窗口内是否收集到足够数量的可分析事件。窗口长度应分场景设定，并以事件计数作为启动分析的门槛。
复测间隔能不能按月安排？ 不建议按运营节奏安排。间隔应与量表的重测设计匹配，并保持场景、窗口、指令集四项固定，否则数据不可比。
丢帧多少算异常？ 应设运行时阈值并实时告警，具体阈值取决于场景复杂度；超过阈值时该次观察不应进入分析集，而不是用插值补齐。