输入材料与环境就绪#

finhjb-model-coder 能否诚实地交付“可运行代码”，取决于两件事：

  • 你提供的模型材料

  • 对话背后的执行环境

最推荐的输入材料#

这个 Skill 在你提供下列材料时效果最好：

  • 研究问题，以及价值函数代表什么对象

  • 唯一状态变量及其定义域

  • HJB 方程

  • 控制变量及其可行范围

  • FOC 或显式策略规则

  • 左右边界条件

  • smooth-pasting、super-contact 或发行条件

  • 参数含义与基准数值

这些材料可以是文字、LaTeX、论文摘录，或它们的混合。

支持的模型形态#

当前 Skill 建立在一维 FinHJB 上。

最合适的模型形态是：

  • 一个连续状态变量

  • 一个或多个连续控制变量

  • 一个标量价值函数

  • 固定边界、边界搜索，或直接边界更新

如果问题明显需要多个状态变量、regime 间耦合的多个价值函数，或 FinHJB 当前还不提供的求解器基础设施，Skill 就应该先停下来。

生成代码前必须拦下的硬阻塞#

在生成代码前，遇到下面这些情况时 Skill 应该先停下来确认：

  • 当前环境还不能导入 finhjb

  • 只有参数符号，没有可用数值

  • 数学表达还不能直接对应到代码，需要先做推导

  • 任务要求画图，但图的具体内容没有定义

  • 任务同时包含敏感性分析和画图，但交付物结构还不清楚

  • 请求了 rescue search，但 Skill 还不知道哪些参数固定、哪些参数可搜索

  • 请求了 rescue search，但“希望图/状态长什么样”还没有转成可计算诊断量

环境就绪#

环境就绪是“可运行交付”的硬前提。

建议规则：

  • 仓库任务优先使用仓库 checkout 和仓库自己的 uv 环境

  • 下游项目任务优先在本地项目中安装 finhjb，例如 uv add finhjb 或 pip install finhjb

最小 smoke test：

python -c "import finhjb"

仓库场景更贴近实际的 smoke test：

uv run python -c "import finhjb"

Skill 必须显式确认的数值选择#

差分格式#

不要对所有模型都静默默认 central。

经验法则：

  • 左右边界扩散都不接近 0：优先 central

  • 左边界附近扩散很小：优先 forward

  • 右边界附近扩散很小：优先 backward

边界搜索方法#

不要把边界搜索当成隐藏实现细节。

经验法则：

  • 1-2 个边界目标且 bracket 可信：先用 bisection

  • 3 个及以上目标：先用 hybr 或其他多维 root solver

如果第一默认值在测试修复闭环里失败，最终实现应该显式升级。

相关页面#