Menü
CriticAgent 用于横向比较多个策略 attempts，输出排名、保留/回退/废弃建议和 selection_advice。
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 | multi-attempt-comparison |
| description | CriticAgent 用于横向比较多个策略 attempts，输出排名、保留/回退/废弃建议和 selection_advice。 |
| license | Proprietary project skill |
当调用方要求比较多个策略版本、选择继续优化对象、判断是否回退到旧版本时使用本 skill。典型任务：
请比较 run_state_path=... 下的 attempt_001、attempt_002、attempt_003。
请横向复盘所有 ready_for_review 的 attempts，并给出下一轮应继续哪个策略方向。
从自然语言任务中识别：
run_state_path
attempt_ids
如果没有明确 attempt_ids，应读取 run_state.json，选择所有状态为 ready_for_review、reviewed 或 optimized，且有 attempt_summary 或可生成 attempt_summary 的 attempts。
多 attempt 比较不应只靠 LLM 手动读文件。必须先运行确定性比较服务：
python -m strategy_lab.cli signal compare-attempts RUN_STATE_PATH --attempt-ids attempt_001,attempt_002,attempt_003
如果调用方没有给 attempt_ids，可以运行：
python -m strategy_lab.cli signal compare-attempts RUN_STATE_PATH
该命令会生成：
reports/attempt_comparison_{timestamp}/
comparison_summary.json
comparison_summary.csv
comparison_report.md
score_ranking.png
return_drawdown_scatter.png
walk_forward_stability.png
你应优先读取 comparison_summary.json、comparison_summary.csv、comparison_report.md，再按需要读取各 attempt 的详细文件。
attempts/{attempt_id}/optimization/attempt_summary.json
attempts/{attempt_id}/optimization/attempt_summary.md
attempts/{attempt_id}/strategy/strategy_spec.md
attempts/{attempt_id}/strategy/strategy_meta.json
attempts/{attempt_id}/optimization/best_individual.json
attempts/{attempt_id}/optimization/population_summary.csv
attempts/{attempt_id}/optimization/walk_forward_summary.json
attempts/{attempt_id}/backtests/full/metrics.json
如要深入解释某个 attempt 的市场阶段失效问题，可再读取它的：
attempts/{attempt_id}/analysis/stage_attribution/stage_attribution.json
attempts/{attempt_id}/analysis/stage_attribution/stage_attribution.md
如果缺少阶段归因且它是候选前几名，应运行：
python -m strategy_lab.cli signal stage-attribution RUN_STATE_PATH ATTEMPT_ID
SignalAgent 当前策略统一框架是：
SignalStrategy =
RegimeDetector 市场状态识别
+ RegimeAlphaPolicy 分状态多周期 Alpha
+ Filters 辅助过滤器
+ ExitPolicy 出场与风控
+ PositionMapper 仓位映射
+ StateRules 状态与交易纪律
横向比较时，不能只比较指标，还要比较策略路线：
1. RegimeDetector：哪种市场状态划分更贴近 market_profile 和 stage_attribution。
2. RegimeAlphaPolicy / RegimeAlphaMap：不同状态下的 Alpha 组合是否合理，例如趋势、突破、均值回归、防御；是否存在所有 regime 共用同一 Alpha 的问题。
3. MultiTimeframeAlpha：长 / 中 / 短周期窗口是否分工清楚、互相确认，还是冲突或过拟合。
4. Filters：是否有效降低震荡/高波/下跌阶段损失。
5. ExitPolicy：是否改善最差阶段、最大回撤和退出迟滞。
6. PositionMapper：是否带来更好的 Sharpe、暴露控制和状态差异化仓位。
7. StateRules：是否减少 regime 抖动、无效交易、频繁切换和冷却不足。
可参考：
/src/strategy_lab/skills/signal_agent/strategy-authoring/references/signal_strategy_library.md
阶段 1 RegimeAlpha 批量探索后，横向比较的重点是“选择更适合该资产的状态划分和多周期 Alpha 路线”，最多保留 2 个候选进入下一阶段：一个 primary_candidate，一个可选 fallback_candidate。
阶段 1 不要求候选覆盖固定四类策略。必须判断候选集合是否符合 market_profile：
如果资产画像显示长期下行、震荡多，就不应要求趋势/突破/回归/防御四类齐全。
如果资产画像显示强趋势，可以接受多个候选都围绕趋势或突破，但它们的 RegimeAlphaMap、窗口、入场/退出逻辑或风控结构必须有实质差异。
如果候选只是机械套用趋势/突破/回归/防御四类，而没有根据资产画像调整，应在比较报告中指出。
如果候选少于 4 个，但方向与画像匹配、差异清楚，可以接受。
阶段 2 RegimeAlpha 深度探索后，横向比较的重点是“哪个 RegimeAlphaMap 更合理”。如果某个候选只是用同一个 Alpha 加不同仓位映射，应降低评价，并建议拆成明确的 regime-specific Alpha。
1. 综合排名
score、full_sharpe、full_total_return、full_max_drawdown、full_excess_total_return。Sharpe 是当前最关键指标。
2. 稳定性
walk_forward_mean_score、walk_forward_std_score、walk_forward_min_score。
3. 过拟合风险
train_score、validation_score、train_validation_gap、overfit_penalty。
4. 基准对比
benchmark_total_return、excess_total_return、information_ratio。
5. 风险收益质量
sharpe、calmar、max_drawdown、最差 fold。
6. 交易行为
order_count、signal_changes，判断是否过度交易或过于迟钝。
7. 策略路线建议
哪个 attempt 继续优化，哪个作为回退候选，哪个废弃，是否需要新增策略方向；建议必须映射到 RegimeDetector / RegimeAlphaPolicy / RegimeAlphaMap / Filters / ExitPolicy / PositionMapper / StateRules。
8. Regime 与多周期结构比较
比较不同 attempt 的 regime 数量、状态切换频率、RegimeAlphaMap、长中短周期窗口选择、各状态仓位暴露，以及它们在不同市场阶段的收益和回撤差异。
如果需要理解图像（调用方明确要求看图，或图像能提供数据文件没有直接表达的视觉信息时），例如：
score_ranking.png
return_drawdown_scatter.png
walk_forward_stability.png
如果你是多模态模型，可以使用read_file tool或 image-review skill ；如果你不是多模态模型，只使用image-review skill
使用 image-review skill 调用独立多模态服务：
python -m strategy_lab.cli image review IMAGE_PATH --question "请描述这张横向比较图中与策略选择有关的关键信息"
必须写入一个新目录：
reports/critic_comparison_{timestamp}/
critic_comparison.json
critic_comparison.md
selection_advice.json
{
"run_id": "...",
"comparison_status": "completed",
"attempt_ids": [],
"evidence_files": [],
"ranked_attempts": [
{
"rank": 1,
"attempt_id": "...",
"judgement": "best_candidate | fallback_candidate | discard | needs_more_tests",
"reason": "...",
"strengths": [],
"weaknesses": [],
"strategy_framework": {
"alpha": "...",
"filters": [],
"exit_policy": [],
"position_mapper": "...",
"state_rules": []
}
}
],
"continue_candidate": "...",
"rollback_candidate": "...",
"discard_attempts": [],
"comparison_findings": [],
"selection_advice": {
"action": "continue_from_attempt | rollback_to_attempt | generate_new_direction | needs_more_tests",
"attempt_id": "...",
"reason": "...",
"next_instructions": [],
"module_instructions": {
"alpha": "keep | modify | replace | unclear",
"filters": "keep | add | remove | modify | unclear",
"exit_policy": "keep | add | remove | modify | unclear",
"position_mapper": "keep | modify | simplify | unclear",
"state_rules": "keep | add | remove | modify | unclear"
}
}
}
selection_advice.json 是给 SignalAgent 读取的，必须短、明确、可执行：
{
"action": "continue_from_attempt",
"attempt_id": "attempt_002",
"fallback_attempt_id": "attempt_001",
"discard_attempts": [],
"reason": "...",
"next_instructions": [],
"module_instructions": {
"alpha": "keep | modify | replace | unclear",
"filters": "keep | add | remove | modify | unclear",
"exit_policy": "keep | add | remove | modify | unclear",
"position_mapper": "keep | modify | simplify | unclear",
"state_rules": "keep | add | remove | modify | unclear"
}
}
如果需要在 artifacts.run_reports 中登记比较结果路径，必须调用系统服务。不要手动编辑 run_state.json，不要覆盖已有 attempts。
命令格式：
python -m strategy_lab.cli signal register-run-report RUN_STATE_PATH REPORT_KEY REPORT_PATH --report-type critic_comparison --summary "比较摘要" --extra-json "{}"
示例：
python -m strategy_lab.cli signal register-run-report artifacts\signal_runs\signal_000300_xxx\run_state.json critic_comparison_20260508 artifacts\signal_runs\signal_000300_xxx\reports\critic_comparison_20260508\critic_comparison.md --report-type critic_comparison --summary "已完成 attempt_001、attempt_002、attempt_003 横向比较。"
如果需要登记更多路径，建议先把额外元数据写入 JSON 文件，再用 --extra-json-file，避免 PowerShell 引号转义问题：
python -m strategy_lab.cli signal register-run-report RUN_STATE_PATH critic_comparison_20260508 REPORT_PATH --report-type critic_comparison --summary "比较摘要" --extra-json-file artifacts\signal_runs\signal_000300_xxx\reports\critic_comparison_20260508\run_report_extra.json
服务会自动更新 artifacts.run_reports、events 和 updated_at。
最终回复前必须执行检查。检查内容：
1. reports/critic_comparison_{timestamp}/ 下存在 critic_comparison.json、critic_comparison.md、selection_advice.json。
2. critic_comparison.json 和 selection_advice.json 可以被 json.loads 正常解析。
3. critic_comparison.md 非空，且包含综合排名、稳定性比较、过拟合风险、基准对比、最终建议。
4. critic_comparison.md 必须说明各候选的 Alpha / Filters / ExitPolicy / PositionMapper / StateRules 差异。
5. 如果更新 run_state.json，确认 artifacts.run_reports 或 events 中已登记本次比较结果，且没有覆盖已有 attempts。
6. 最终回复给调用方的路径与真实生成路径一致。