Menü
BudgetCriticAgent 用于横向比较多个预算层策略评估结果或批量评估结果，输出排名解释、保留/放弃建议和下一轮预算策略方向。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
| name | multi-policy-comparison |
| description | BudgetCriticAgent 用于横向比较多个预算层策略评估结果或批量评估结果，输出排名解释、保留/放弃建议和下一轮预算策略方向。 |
| license | Proprietary project skill |
当调用方要求比较多个预算层策略、复盘批量评估结果、选择继续优化方向时使用本 skill。
典型任务：
请复盘 budget_run_state_path=... 下 batch_id=budget_batch_001 的多策略结果。
请比较 search_a、search_b、search_c，给出下一轮保留哪个预算策略方向。
识别以下任一组输入：
budget_run_state_path + batch_id
budget_run_state_path + search_ids
budget_run_state_path + batch summary 路径
如果调用方没有明确 search_ids，应读取 budget_run_state.json，优先使用最近的 artifacts.policies.batch_evaluations。
优先读取：
budget_run_state.json
policies/batch_evaluations/{batch_id}/batch_policy_evaluation_summary.json
policies/batch_evaluations/{batch_id}/batch_policy_evaluation_summary.md
policies/batch_evaluations/{batch_id}/batch_policy_evaluation_summary.csv
对排名靠前、差异明显或需要解释的策略，再读取：
policies/searches/{search_id}/attempt_summary.json
policies/searches/{search_id}/attempt_summary.md
policies/searches/{search_id}/stage_attribution/stage_attribution.json
policies/searches/{search_id}/stage_attribution/stage_attribution.md
policies/searches/{search_id}/best/budget_policy_config.json
policies/searches/{search_id}/best_individual.json
必须覆盖：
1. 横向排名
解释 rank、best_score、full_sharpe、validation_sharpe、walk_forward_mean_score。
2. 稳健性
不只看 full 表现，要优先看 validation 和 walk-forward。
3. 回撤与换手
比较 max_drawdown、average_turnover、transaction cost、阶段性亏损。
4. 策略路线
比较各策略在 UniverseGate、AssetScorer、AllocationEngine、RiskOverlay、RebalanceScheduler、ConstraintProjector 上的差异。
同时判断每个策略所属策略族是否匹配预算画像和用户偏好，例如 momentum_rotation、risk_adjusted_rotation、defensive_low_vol、drawdown_control、correlation_aware、risk_parity_like、low_turnover_balanced、concentration_alpha、vol_target_rotation。
5. 阶段适应性
比较不同策略在哪些市场阶段表现好或差。
6. 画像与偏好冲突
如果用户偏好与资产池画像冲突，比较不同策略分别代表的取舍，不要只按收益排序。需要说明哪条路线偏收益、哪条路线偏稳健、哪条路线换手更低或集中度更高。
7. 下一轮方向
最多保留 1 个 primary_policy 和 1 个 fallback_policy；说明保留原因、修改重点和禁止事项。
同时必须给出阶段推进建议：
- `stay_current_stage`：继续当前阶段。
- `advance_next_stage`：进入下一阶段。
- `rollback_previous_stage`：回退到上一阶段。
- `return_to_family_exploration`：回到阶段 1 重新探索策略族。
- `ready_for_final_selection`：进入最终选择。
预算策略框架和模块含义可参考：
/src/strategy_lab/skills/budget_agent/budget-policy-authoring/references/budget_policy_library.md
输出到：
artifacts/budget_runs/{budget_run_id}/reports/budget_critic_comparison_{timestamp}/
budget_policy_comparison.json
budget_policy_comparison.md
budget_selection_advice.json
budget_policy_comparison.json 至少包含：
{
"status": "success",
"review_type": "multi_policy_comparison",
"batch_id": "...",
"compared_search_ids": [],
"ranking": [],
"primary_policy": "...",
"fallback_policy": "...",
"primary_family": "...",
"fallback_family": null,
"discarded_families": [],
"recommended_stage_transition": "stay_current_stage | advance_next_stage | rollback_previous_stage | return_to_family_exploration | ready_for_final_selection",
"discarded_policies": [],
"profile_fit_ranking": [],
"preference_conflicts": [],
"key_findings": [],
"evidence_files": []
}
budget_selection_advice.json 至少包含：
{
"recommendation": "continue_primary | refine_primary | compare_more | ready_for_final_selection",
"primary_search_id": "...",
"fallback_search_id": null,
"primary_family": "...",
"fallback_family": null,
"discarded_families": [],
"recommended_stage_transition": "stay_current_stage | advance_next_stage | rollback_previous_stage | return_to_family_exploration | ready_for_final_selection",
"next_round_focus": [],
"parameter_adjustments": [],
"risk_warnings": [],
"reason": "..."
}
完成后不要手动编辑 budget_run_state.json，必须调用：
python -m strategy_lab.cli budget register-run-report BUDGET_RUN_STATE_PATH REPORT_KEY REPORT_PATH --report-type budget_critic_comparison --summary "比较摘要" --extra-json-file EXTRA_JSON_PATH
其中 EXTRA_JSON_PATH 可包含：
{
"comparison_json_path": "...",
"selection_advice_path": "...",
"batch_id": "...",
"primary_search_id": "...",
"fallback_search_id": null
}
完成前必须检查：
1. budget_policy_comparison.json 存在且 JSON 可解析。
2. budget_policy_comparison.md 存在且非空。
3. budget_selection_advice.json 存在且 JSON 可解析。
4. budget_run_state.json 的 artifacts.run_reports 中已登记本次比较报告。
为 BudgetAgent 汇总已登记的信号层资产行情数据，生成预算层统一 OHLCV 面板、收益率宽表和数据清单。
为 BudgetAgent 基于预算层统一多资产行情面板生成 train、validation 和 walk-forward 数据切分。
指导 BudgetAgent 在预算层训练结束时登记最终选择的预算策略，生成最终选择报告并更新 budget_run_state.json。
指导 BudgetAgent 按结构化预算策略规范生成 budget_policy_config.json、budget_policy_spec.md、param_space.json 和 budget_policy_meta.json。
指导 BudgetAgent 一次性评估单个或多个预算层策略，生成参数搜索、回测摘要、阶段归因和横向排名产物。
为 BudgetAgent 生成预算层资产池画像；第一步自动补全资产简称、类型、市场、行业/主题等元数据。