Update learning_hub/adaptive_hub.py

learning_hub/adaptive_hub.py

@@ -1,11 +1,10 @@
 # ==============================================================================
 # 🧠 learning_hub/adaptive_hub.py 
-# (V36.0 - GEM-Architect: The Cybernetic Strategy Core)
+# (V45.0 - GEM-Architect: The Cybernetic Strategy Core & Guardian Link)
 # ==============================================================================
-# المسؤوليات:
-# 1. إدارة "الحمض النووي" للاستراتيجيات (Strategy DNA).
-# 2. التعديل التكتيكي الفوري لأوزان النماذج (Real-time Weight Adjustment).
-# 3. حقن الإعدادات في باقي أجزاء النظام.
+# التحديثات:
+# 1. دعم حقن إعدادات الحراس (Guardians) القادمة من الباكتست.
+# 2. ضمان تحميل وحفظ كافة المتغيرات الجديدة في StrategyDNA.
 # ==============================================================================
 
 import json
@@ -15,7 +14,7 @@ from datetime import datetime
 from collections import deque
 from typing import Dict, Any, List, Optional
 
-# استيراد الحدود المركزية لحقن القيم فيها
+# استيراد الحدود المركزية (The Shared Whiteboard)
 from ml_engine.processor import SystemLimits
 
 class StrategyDNA:
@@ -23,11 +22,13 @@ class StrategyDNA:
     تعريف هيكلية البيانات لكل استراتيجية.
     هذا هو 'الجينوم' الذي سيتم تعديله بواسطة التعلم.
     """
-    def __init__(self, name, model_weights, ob_settings, filters):
+    def __init__(self, name, model_weights, ob_settings, filters, guard_settings=None):
         self.name = name
         self.model_weights = model_weights  # أوزان النماذج (Titan, Sniper, etc.)
         self.ob_settings = ob_settings      # إعدادات دفتر الطلبات (Wall Ratio, etc.)
         self.filters = filters              # فلاتر L1 (Thresholds)
+        # ✅ إضافة إعدادات الحراس (جديد)
+        self.guard_settings = guard_settings if guard_settings else {} 
         self.stats = {"wins": 0, "losses": 0, "win_rate": 0.0}
 
     def to_dict(self):
@@ -38,18 +39,18 @@ class AdaptiveHub:
         self.r2 = r2_service
         self.dna_file_key = "learning/strategic_dna_v2.json"
         
-        # الحالة الحالية للسوق (يتم تحديثها بواسطة DataManager أو تحليل خارجي)
+        # الحالة الحالية للسوق
         self.current_market_regime = "RANGE" 
         
-        # مخزن الحمض النووي (الاستراتيجيات الأربع)
+        # مخزن الحمض النووي
         self.strategies: Dict[str, StrategyDNA] = {}
         
-        # معدل التعلم التكتيكي (مدى سرعة تغيير الأوزان)
-        self.TACTICAL_LEARNING_RATE = 0.05  # 5% تغيير عند كل فوز/خسارة
+        # معدل التعلم التكتيكي
+        self.TACTICAL_LEARNING_RATE = 0.05 
         self.MIN_WEIGHT = 0.10
         self.MAX_WEIGHT = 0.90
         
-        print("🧠 [AdaptiveHub V36.0] Cybernetic Strategy Core Initialized.")
+        print("🧠 [AdaptiveHub V45.0] Cybernetic Strategy Core Initialized.")
 
     async def initialize(self):
         """تحميل الـ DNA من R2 أو إنشاء الافتراضي"""
@@ -67,55 +68,63 @@ class AdaptiveHub:
             else:
                 self._create_default_dna()
                 
-            # تطبيق الإعدادات فوراً
+            # تطبيق الإعدادات فوراً (Hot Reload)
             self._inject_current_parameters()
             
         except Exception as e:
             print(f"❌ [AdaptiveHub] Init Failed: {e}")
+            traceback.print_exc()
             self._create_default_dna()
 
     def _create_default_dna(self):
-        """إنشاء الإعدادات الافتراضية (الدستور التأسيسي)"""
-        # 1. BULL MARKET DNA 🐂
+        """إنشاء الإعدادات الافتراضية (في حال عدم وجود ملف)"""
+        # قيم افتراضية للحراس
+        default_guards = {
+            "hydra_crash": 0.60, "hydra_giveback": 0.70,
+            "legacy_v2": 0.95, "legacy_v3": 0.95
+        }
+
         self.strategies["BULL"] = StrategyDNA(
             name="BULL",
-            model_weights={"titan": 0.40, "patterns": 0.30, "sniper": 0.20, "hydra": 0.10},
-            ob_settings={"wall_ratio_limit": 0.60, "imbalance_thresh": 0.5}, # نتساهل مع جدران البيع
-            filters={"l1_min_score": 15.0, "l3_conf_thresh": 0.60}
+            model_weights={"titan": 0.40, "patterns": 0.30, "sniper": 0.20, "hydra": 0.10, "mc": 0.0},
+            ob_settings={"wall_ratio_limit": 0.60, "imbalance_thresh": 0.5},
+            filters={"l1_min_score": 15.0, "l3_conf_thresh": 0.60},
+            guard_settings=default_guards
         )
 
-        # 2. BEAR MARKET DNA 🐻
         self.strategies["BEAR"] = StrategyDNA(
             name="BEAR",
-            model_weights={"titan": 0.20, "patterns": 0.10, "sniper": 0.30, "hydra": 0.40}, # Hydra هو الملك هنا
-            ob_settings={"wall_ratio_limit": 0.30, "imbalance_thresh": 0.7}, # صارم جداً مع جدران البيع
-            filters={"l1_min_score": 40.0, "l3_conf_thresh": 0.75}
+            model_weights={"titan": 0.20, "patterns": 0.10, "sniper": 0.30, "hydra": 0.40, "mc": 0.0},
+            ob_settings={"wall_ratio_limit": 0.30, "imbalance_thresh": 0.7},
+            filters={"l1_min_score": 40.0, "l3_conf_thresh": 0.75},
+            guard_settings=default_guards
         )
 
-        # 3. RANGE MARKET DNA ↔️
         self.strategies["RANGE"] = StrategyDNA(
             name="RANGE",
-            model_weights={"titan": 0.30, "patterns": 0.40, "sniper": 0.20, "hydra": 0.10}, # الأنماط (Patterns) مهمة في التذبذب
+            model_weights={"titan": 0.30, "patterns": 0.40, "sniper": 0.20, "hydra": 0.10, "mc": 0.0},
             ob_settings={"wall_ratio_limit": 0.40, "imbalance_thresh": 0.6},
-            filters={"l1_min_score": 25.0, "l3_conf_thresh": 0.65}
+            filters={"l1_min_score": 25.0, "l3_conf_thresh": 0.65},
+            guard_settings=default_guards
         )
-
-        # 4. DEAD MARKET DNA 💀
+        
         self.strategies["DEAD"] = StrategyDNA(
             name="DEAD",
-            model_weights={"titan": 0.25, "patterns": 0.25, "sniper": 0.25, "hydra": 0.25}, # توازن حذر
-            ob_settings={"wall_ratio_limit": 0.20, "imbalance_thresh": 0.8}, # نطلب سيولة عالية جداً للدخول
-            filters={"l1_min_score": 50.0, "l3_conf_thresh": 0.80}
+            model_weights={"titan": 0.25, "patterns": 0.25, "sniper": 0.25, "hydra": 0.25, "mc": 0.0},
+            ob_settings={"wall_ratio_limit": 0.20, "imbalance_thresh": 0.8},
+            filters={"l1_min_score": 50.0, "l3_conf_thresh": 0.80},
+            guard_settings=default_guards
         )
 
     def _load_from_dict(self, data):
-        """تحويل JSON إلى كائنات StrategyDNA"""
+        """تحويل JSON إلى كائنات StrategyDNA مع دعم الحقول الجديدة"""
         for key, val in data.get("strategies", {}).items():
             self.strategies[key] = StrategyDNA(
                 name=val["name"],
                 model_weights=val["model_weights"],
                 ob_settings=val["ob_settings"],
-                filters=val["filters"]
+                filters=val["filters"],
+                guard_settings=val.get("guard_settings", {}) # ✅ تحميل إعدادات الحراس
             )
             self.strategies[key].stats = val.get("stats", {"wins":0, "losses":0})
         
@@ -125,40 +134,26 @@ class AdaptiveHub:
     # ⚡ The Tactical Loop: Real-time Weight Adjustment
     # ==========================================================================
     async def register_trade_outcome(self, trade_data: Dict[str, Any]):
-        """
-        يتم استدعاؤها عند إغلاق الصفقة.
-        تقوم بتعديل أوزان النماذج بناءً على من ساهم في القرار.
-        """
         try:
             pnl = trade_data.get('profit_pct', 0.0)
             is_win = pnl > 0
             
-            # معرفة الاستراتيجية التي كانت نشطة وقت الدخول (نفترض الحالية للتبسيط الآن)
             active_dna = self.strategies[self.current_market_regime]
             
-            # تحديث إحصائيات الاستراتيجية
             if is_win: active_dna.stats["wins"] += 1
             else: active_dna.stats["losses"] += 1
 
-            # تحليل المساهمين (Decision Components)
-            # نفترض أن trade_data يحتوي على 'decision_data' بها تفاصيل المساهمة
             decision_data = trade_data.get('decision_data', {})
-            components = decision_data.get('components', {}) # {'titan_score': 0.8, ...}
-            
-            # التعديل التكتيكي للأوزان
-            # إذا ربحت الصفقة، نزيد وزن النماذج التي كانت درجاتها عالية
-            # إذا خسرت، نعاقب النماذج التي كانت درجاتها عالية (لأنها خدعتنا)
+            components = decision_data.get('components', {}) 
             
             print(f"⚖️ [Tactical Learning] Adjusting weights for {self.current_market_regime}...")
             
             changes_log = []
             
-            # قائمة النماذج التي نراقبها
             model_keys = {
                 'titan_score': 'titan',
                 'patterns_score': 'patterns',
-                'sniper_score': 'sniper', # Sniper عادة يأتي من L4
-                # Hydra usually acts as a veto/exit, but if used for entry logic:
+                'sniper_score': 'sniper',
                 'hydra_score': 'hydra'
             }
 
@@ -166,15 +161,11 @@ class AdaptiveHub:
                 score = float(components.get(score_key, 0.5))
                 current_w = active_dna.model_weights.get(model_name, 0.25)
                 
-                # منطق المكافأة والعقاب
-                # نعدل الوزن فقط إذا كان النموذج "واثقاً" (score > 0.6)
                 if score > 0.6:
                     if is_win:
-                        # النموذج كان واثقاً وأصاب -> زيادة الوزن
                         new_w = min(self.MAX_WEIGHT, current_w + self.TACTICAL_LEARNING_RATE)
                         change = "⬆️"
                     else:
-                        # النموذج كان واثقاً وأخطأ -> تقليل الوزن
                         new_w = max(self.MIN_WEIGHT, current_w - self.TACTICAL_LEARNING_RATE)
                         change = "⬇️"
                     
@@ -183,7 +174,6 @@ class AdaptiveHub:
 
             if changes_log:
                 print(f"   -> Adjustments: {', '.join(changes_log)}")
-                # إعادة الحقن وحفظ الحالة
                 self._inject_current_parameters()
                 await self._save_state_to_r2()
             else:
@@ -194,26 +184,29 @@ class AdaptiveHub:
             traceback.print_exc()
 
     # ==========================================================================
-    # 💉 Parameter Injection (The Control Link)
+    # 💉 Parameter Injection (The Vital Link)
     # ==========================================================================
     def _inject_current_parameters(self):
         """
         نقل الإعدادات من الـ DNA النشط إلى SystemLimits
-        ليستخدمها Processor و DataManager.
+        ليستخدمها Processor و DataManager والحراس.
         """
+        if self.current_market_regime not in self.strategies:
+            print(f"⚠️ [AdaptiveHub] Regime {self.current_market_regime} not found in strategies.")
+            return
+
         active_dna = self.strategies[self.current_market_regime]
         
         print(f"💉 [AdaptiveHub] Injecting DNA for regime: {self.current_market_regime}")
         
         # 1. حقن أوزان الطبقة الثانية (L2 Weights)
-        # ملاحظة: نقوم بتطبيع الأوزان (Normalization) لتساوي 1.0 تقريباً
         mw = active_dna.model_weights
         total_w = sum(mw.values()) if sum(mw.values()) > 0 else 1.0
         
         SystemLimits.L2_WEIGHT_TITAN = mw.get("titan", 0.4) / total_w
         SystemLimits.L2_WEIGHT_PATTERNS = mw.get("patterns", 0.3) / total_w
-        # Sniper & Hydra weights are handled in their specific engines usually, 
-        # but we can set L4 weights here if SystemLimits supports it.
+        SystemLimits.L2_WEIGHT_MC = mw.get("mc", 0.1) / total_w
+        # Sniper/Hydra weights can be used here or in their respective logic
         
         # 2. حقن عتبات الفلتر الأولي (L1)
         SystemLimits.L1_MIN_AFFINITY_SCORE = active_dna.filters.get("l1_min_score", 20.0)
@@ -221,19 +214,26 @@ class AdaptiveHub:
         # 3. حقن عتبات الثقة (L3 Oracle)
         SystemLimits.L3_CONFIDENCE_THRESHOLD = active_dna.filters.get("l3_conf_thresh", 0.65)
         
-        # 4. حقن إعدادات دفتر الطلبات (للاستخدام في Sniper/Guard)
-        # سنحتاج لقراءة هذه القيم من SystemLimits داخل SniperEngine
+        # 4. حقن إعدادات دفتر الطلبات (Sniper)
         SystemLimits.L4_OB_WALL_RATIO = active_dna.ob_settings.get("wall_ratio_limit", 0.4)
         
+        # 5. 🔥 حقن إعدادات الحراس (الجديد)
+        gs = active_dna.guard_settings
+        if gs:
+            SystemLimits.HYDRA_CRASH_THRESH = gs.get('hydra_crash', 0.60)
+            SystemLimits.HYDRA_GIVEBACK_THRESH = gs.get('hydra_giveback', 0.70)
+            SystemLimits.LEGACY_V2_PANIC_THRESH = gs.get('legacy_v2', 0.95)
+            SystemLimits.LEGACY_V3_HARD_THRESH = gs.get('legacy_v3', 0.95)
+            print(f"   🛡️ Guards Updated: Hydra(C:{SystemLimits.HYDRA_CRASH_THRESH}/G:{SystemLimits.HYDRA_GIVEBACK_THRESH}) | Legacy(V2:{SystemLimits.LEGACY_V2_PANIC_THRESH})")
+
         # طباعة الملخص
-        print(f"   -> Weights: Titan={SystemLimits.L2_WEIGHT_TITAN:.2f}, Patt={SystemLimits.L2_WEIGHT_PATTERNS:.2f}")
-        print(f"   -> OB Wall Limit: {SystemLimits.L4_OB_WALL_RATIO}")
+        print(f"   -> Weights: Ti={SystemLimits.L2_WEIGHT_TITAN:.2f}, Pat={SystemLimits.L2_WEIGHT_PATTERNS:.2f}")
+        print(f"   -> L1 Thresh: {SystemLimits.L1_MIN_AFFINITY_SCORE}")
 
     # ==========================================================================
     # 🎮 External Control & Utilities
     # ==========================================================================
     def update_market_regime(self, new_regime: str):
-        """تغيير حالة السوق يدوياً أو آلياً"""
         if new_regime in self.strategies:
             self.current_market_regime = new_regime
             print(f"🔄 [AdaptiveHub] Regime Switched to: {new_regime}")
@@ -242,16 +242,15 @@ class AdaptiveHub:
             print(f"⚠️ [AdaptiveHub] Unknown regime: {new_regime}")
 
     def get_status(self):
-        dna = self.strategies[self.current_market_regime]
+        dna = self.strategies.get(self.current_market_regime)
+        if not dna: return "System Initializing..."
         mw = dna.model_weights
+        gs = dna.guard_settings
         return (f"Regime: {self.current_market_regime} | "
-                f"W[Ti:{mw.get('titan'):.2f} Sn:{mw.get('sniper'):.2f}] | "
+                f"W[Ti:{mw.get('titan'):.2f}] | "
+                f"G[Hyd:{gs.get('hydra_crash',0.6):.2f}] | "
                 f"Wins: {dna.stats['wins']}")
 
-    def get_active_ob_settings(self):
-        """دالة مساعدة لـ SniperEngine لجلب إعدادات الـ OB الحالية"""
-        return self.strategies[self.current_market_regime].ob_settings
-
     async def _save_state_to_r2(self):
         if not self.r2: return
         try: