Menü
BudgetCriticAgent 用于复盘单个预算层策略评估结果，分析参数搜索、回测、walk-forward、阶段归因，并输出下一轮预算策略优化建议。
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
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。
| name | single-policy-review |
| description | BudgetCriticAgent 用于复盘单个预算层策略评估结果，分析参数搜索、回测、walk-forward、阶段归因，并输出下一轮预算策略优化建议。 |
| license | Proprietary project skill |
当调用方要求复盘一个预算层策略、一个 search_id、或某个 search_result.json 时使用本 skill。
典型任务：
请复盘 budget_run_state_path=... 下的 search_id=budget_policy_001。
请判断这个预算策略是否过拟合，并给出下一轮预算策略修改建议。
必须识别：
budget_run_state_path
search_id 或 search_result_path
如果没有明确 search_id，先读取 budget_run_state.json，优先选择最近的、已有 attempt_summary_path 和 stage_attribution_path 的 search。
优先读取：
budget_run_state.json
policies/searches/{search_id}/search_result.json
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
还应按需读取：
profile/budget_profile.json
profile/budget_profile.md
policies/searches/{search_id}/best/budget_policy_config.json
policies/searches/{search_id}/best/param_space.json
policies/searches/{search_id}/population_summary.csv
policies/searches/{search_id}/best_individual.json
policies/searches/{search_id}/walk_forward_summary.json
policies/searches/{search_id}/best/full/metrics.json
policies/searches/{search_id}/best/full/report.md
读取 parquet/csv 时，只输出摘要，不要把完整数据打印进上下文。
必须覆盖：
1. 综合表现
best_score、full_sharpe、full_total_return、full_max_drawdown、full_excess_total_return。
2. 稳定性
validation_sharpe、validation_excess_total_return、walk_forward_mean_score、walk_forward_std_score、walk_forward_min_score。
3. 过拟合风险
train 和 validation 是否差距过大；walk-forward 是否明显不稳定。
4. 基准对比
是否跑赢基准；跑赢来自仓位控制、资产选择还是特定市场阶段。
5. 阶段归因
哪些市场阶段贡献收益；哪些阶段拖累；下跌、高波动、震荡阶段是否控制住回撤和换手。
6. 预算策略结构
从 BudgetPolicy 六个模块分析问题：UniverseGate、AssetScorer、AllocationEngine、RiskOverlay、RebalanceScheduler、ConstraintProjector。
同时判断该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。
7. 参数搜索质量
参数空间是否过宽/过窄；候选结果是否集中；最佳参数是否靠近边界；是否需要固定、收缩或扩展参数。
8. 画像与偏好冲突
如果用户偏好与预算画像冲突，例如高收益满仓 vs 高相关高回撤、集中持仓 vs 强弱分化弱、低换手 vs 轮动很快，必须说明当前策略的取舍是否合理，并给出下一轮更偏稳健或更偏收益的建议。
9. 阶段推进建议
根据当前策略所在阶段和证据，明确建议 BudgetAgent：
- `stay_current_stage`：继续在当前阶段内部探索。
- `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}/policies/searches/{search_id}/review/
budget_critic_review.json
budget_critic_review.md
budget_next_action.json
budget_critic_review.json 至少包含：
{
"status": "success",
"review_type": "single_policy",
"search_id": "...",
"overall_judgement": "...",
"strengths": [],
"weaknesses": [],
"overfit_risk": "low | medium | high",
"stage_findings": [],
"profile_fit_findings": [],
"preference_conflicts": [],
"policy_module_findings": {
"universe_gate": [],
"asset_scorer": [],
"allocation_engine": [],
"risk_overlay": [],
"rebalance_scheduler": [],
"constraint_projector": []
},
"parameter_findings": [],
"current_stage_assessment": "...",
"recommended_stage_transition": "stay_current_stage | advance_next_stage | rollback_previous_stage | return_to_family_exploration | ready_for_final_selection",
"next_action_summary": "...",
"evidence_files": []
}
budget_next_action.json 至少包含：
{
"action": "continue | modify | discard | compare_more | ready_for_selection",
"priority": "low | medium | high",
"keep": [],
"change": [],
"avoid": [],
"parameter_adjustments": [],
"suggested_next_policy_direction": "...",
"recommended_stage_transition": "stay_current_stage | advance_next_stage | rollback_previous_stage | return_to_family_exploration | ready_for_final_selection",
"stage_transition_reason": "...",
"reason": "..."
}
完成后不要手动编辑 budget_run_state.json，必须调用：
python -m strategy_lab.cli budget update-policy-review BUDGET_RUN_STATE_PATH SEARCH_ID --critic-review-path REVIEW_JSON --critic-review-md-path REVIEW_MD --next-action-path NEXT_ACTION_JSON --summary "复盘摘要"
完成前必须检查：
1. budget_critic_review.json 存在且 JSON 可解析。
2. budget_critic_review.md 存在且非空。
3. budget_next_action.json 存在且 JSON 可解析。
4. budget_run_state.json 中 artifacts.policies.searches.{search_id} 已登记 critic_review_path、critic_review_md_path、next_action_path。