任务：生成产品计算引擎脚本

1 定位 Schema

母体（Schema）/ˈskiːmə/
保险知识图谱 + 动态演算物理引擎

2 目标

我有一个保险母体系统，它涵盖了中国和香港的保险产品（人身寿险类）和保险公司。
当客户想某种类型保险时，我瞬间可以根据客户的特点（需求参数），我的母体系统就可以给出哪些方案可以参考。
我可以建立多种产品的对比，形成一个对比表格，让客户知道核心差异，来辅助决策。
能动态更新，只要新的产品，不论是国内的还是香港的，我放进母体系统后，就能分析出差异和相同的地方，让我可以快速学习到新产品的销售逻辑，母体系统会学习新的特征，随之成长。
母体系统除了科学性外，最强就是用户体验设展现，通过非表格表单的方式去展示，利用3D交互、语音交互、虚拟人模拟等方式，来展现一些数据性的结果。

3 保险母体系统元数据协议 (Schema)-五大核心域

01_schema

4 取值定义的规则

取值的输出格式：
- 逻辑:
- 取值:
- JSON样例:

5 步骤

5.1 Step1 跨险种通用 Schema（母体模板）

根据险种分类（寿险、年金、重疾、医疗、意外）和区域（中国内地、香港），各挑选出一份“逻辑最复杂、责任最全”的产品作为锚点。
定义“顶点接口属性”：提取所有保险合同无论险种如何变化都必须具备的“物理层”属性。
获得五大维度的细节，通过 notebookLM 中总体分析：

Role: 你现在是一名**“保险系统架构师”**，正在协助我构建一个跨区域（中国内地、香港）、跨险种（寿险、年金、医疗、重疾、意外）的“保险母体系统”。

Task: 请综合分析我上传的 32 份代表性保险条款，按照**“保险母体 5 大核心域”的基石设计理念，梳理并提炼出一套最完整的“元数据属性清单（Schema）”**。

Analysis Dimensions (5 大核心域): 请从以下五个维度审视所有文档，并找出其中包含的所有原子属性：

契约实体域 (Contractual Identity): 找出所有涉及合同身份、准入限制、时效基准的共有属性及地区差异（如香港特有的保单分拆权、更换被保人权）。

经济引擎域 (Economic Engine): 找出所有涉及价值增长、收益分配、资金杠杆的逻辑点（如复利增长系数、分红实现率、多币种转换、保费垫交算法）。

给付逻辑域 (Benefit Logic): 找出所有触发理赔的场景、赔付计算模型（max 函数逻辑）、时间约束（等待期、生存金起领点）。

流动性与权利域 (Liquidity & Rights): 找出所有涉及资金调度的权利（减保比例、保单贷款规则、宽限期、复效期、红利锁定/提取权）。

附加增值域 (Value-added Services): 找出所有条款内的扩展保障（如特定交通意外、年金转换权、绿通服务、养老社区对接等）。

Output Requirements:

属性清单： 请列出每个域下所有的原子属性名。
地区对标： 明确标注哪些属性是“内地产品特有”、“香港产品特有”或“两地共有”。
险种泛化： 标注哪些属性是“全险种通用”，哪些是特定险种（如仅限重疾或年金）特有的。
约束发现： 总结这些属性常见的取值范围或逻辑约束（例如：内地寿险减保通常有 20% 限制）。

5.2 Step2 压力测试局部

请基于我上传的《泰康泰盈人生2026(B款)年金保险(分红型)》和任意一份香港分红寿险条款，针对 [经济引擎域] 和 [给付逻辑域] 进行对比扫描。 请严格按照 Schema 中的 ben_formula 和 div_lock_in 格式，提取出它们的实际计算逻辑和数值参数。
目的：验证目前的 Schema 是否能完整承载这两类产品的差异，并标注出提取过程中遇到的‘无法分类’的信息。

5.3 Step3 完成 32 个代表性产品的“种子 JSON 库”生产

**Role:**

你是一名**“底层语义架构师 + 保险产品销售架构官”**。你不仅擅长将条款标准化，更具备敏锐的洞察力，能识别出条款中那些突破常规、不属于现有标准 Schema 的创新点。

**Task:**

请解析我上传的保险条款 MD 文件，将其转化为 JSON。你需要执行双重任务：

1. **标准化提取**：将符合 **schema.md** 中的内容填入对应字段。
2. **溢出特征捕捉（核心任务）**：如果在条款中发现了**不在现有属性代码列表**中的重要特征、权利或逻辑，请务必将其提取并放入 `schema_overflow` 节点中。

**Extraction Requirements:**

- **属性对齐与域分类**：
    - 使用 `cool_off_period`, `div_lock_in`, `ben_formula` 等标准代码。
    - **必须按域分类**：将属性放入对应的 `domain_n_...` 节点中（参考 schema.md 的五大域定义）。
- **逻辑公式化**：赔付逻辑必须提取为数学函数，如 `Max(SA, CV, Total_Prem * Ratio)`。
- **溢出标记**：对于不在 Schema 里的内容，请记录其：`特征名称`、`原始描述`、`所属域建议` 以及 `创新价值分析`。
- **稀疏输出原则 (Sparse JSON)**：
    1. **仅保留有值的字段**：如果条款中未提及某个属性，或者该属性对该险种不适用，请**直接从 JSON 中删除该 Key**，严禁使用 `null`、`""` 或 `[]` 进行占位。
    2. **保持清洁**：输出的 JSON 应该只包含该产品“真正拥有”的特性。


**Output Format (JSON):**

JSON

{  
  "product_metadata": {  
    "product_name": "实际产品名称",  
    "region": "CN/HK",  
    "main_type": "Life/Sav/Annuity/Med/CI/Acc/Univ"  
  },  
  "standard_domains": {  
    "domain_1_identity": { "//": "契约实体域属性" },
    "domain_2_economic": { "//": "经济引擎域属性" },
    "domain_3_benefit": { "//": "给付逻辑域属性" },
    "domain_4_liquidity": { "//": "流动性与权利域属性" },
    "domain_5_vas": { "//": "附加增值域属性" }
  },  
  "schema_overflow": [  
    {  
      "feature_name": "AI 识别出的新属性名称（中文详细描述）",  
      "original_text": "条款中的原始表述",  
      "suggested_domain": "建议归入的域（1-5）",  
      "innovation_reason": "为什么重要（创新价值分析）",
      "proposed_code": "建议的属性代码，通过简化的“feature_name”获取（英文 ID，如 rate_adj_rule）",
      "proposed_name": "建议的属性名称（中文名）",
      "proposed_region": "建议的适用区域 [CN/HK]",
      "proposed_type": "建议的适用险种 [Life/Sav/Annuity/Med/CI/Acc/Univ]",
      "proposed_value_type": "建议的取值类型 [A(Static)/B(Range)/C(Dynamic)]",
      "proposed_logic": "建议的取值定义与逻辑约束（需符合 schema.md 的 C 类型逻辑描述）"
    }  
  ]  
}

5.4 Step5 Json规范性全量审计

保险销售角色维度 Schema JSON审计师 prompt

5.5 Step6 压力测试“取值定义”量化验证

建立 Trae 固定角色指令

**角色名称**：保险母体计算转换引擎 (Actuarial Logic Parser)

**核心指令**：

1. **输入理解**：你负责接收符合《保险母体系统元数据协议 (Schema)》格式的 `benefit_logic` JSON 数据。

2. **逻辑转化**：根据 `death_ben_structure` 中的 `formula`（如 `Max(SA, CV, TotalPrem * Ratio)`）和 `params`（如年龄比例系数），将其转化为可执行的 Python 函数。

3. **计算基准**：

    - 处理身故/全残的分段逻辑（如 18 岁前、18 岁后交费期内、交费期后）。

    - 自动映射到达年龄（Attained Age）对应的比例系数。

4. **代码要求**：

    - 输出简洁的 Python 类 `InsuranceCalculator`。

    - 必须包含一个循环，输出从投保年龄到 105 岁的年度数据表。

    - 代码注释必须清晰，标注数据来源自条款的哪个属性代码。

生成“计算脚本”的 Prompt

# 任务：生成产品计算引擎脚本

## 输入数据 (JSON)
[在此粘贴你 32 个 JSON 中某一个产品的 benefit_logic 部分]

## 业务上下文
- 模拟客户：40 岁男性。
- 模拟交费：年交 10 万，5 年交（总保费 50 万）。
- 核心逻辑：基于 JSON 中的 `death_ben_structure`。

## 执行要求
1. 请根据 JSON 里的 `formula` 逻辑编写 Python 函数。
2. 比例系数需严格遵循：18-40岁(160%)，41-60岁(140%)，61岁及以上(120%)。
3. 请预留一个变量 `cash_value_list`，我稍后会手动填入该产品的现金价值表数据进行对撞。
4. 输出一段完整的 Python 代码，运行后能在终端打印出一张包含 [保单年度, 客户年龄, 累计保费, 身故给付金] 的对比表。

# 请开始生成