learning_hub/policy_engine.py

# learning_hub/policy_engine.py
from .schemas import ReflectorOutput
import json

class PolicyEngine:
    def __init__(self):
        # 1. سياسة قبول الدلتا (من النقطة 5)
        self.auto_accept_threshold: float = 0.80
        
        # 2. عتبة المراجعة البشرية (من النقطة 7)
        # إذا كانت الخسارة (بالنسبة المئوية) أكبر من هذا الحد، أرسلها للمراجعة
        self.human_review_loss_threshold_percent: float = -3.0 
        
        # 3. قواعد السلامة (Meta-Policy) (من النقطة 7)
        self.admissibility_rules = {
            "NO_SHORT_TRADES": "النظام لا يدعم صفقات SHORT.",
            "MAX_LOSS_PER_TRADE": "يجب ألا يتجاوز وقف الخسارة الأولي 10%."
        }
        print("✅ Learning Hub Module: Policy Engine loaded")

    def get_delta_acceptance(self, reflector_output: ReflectorOutput, trade_pnl_percent: float) -> (bool, str):
        """
        يحدد ما إذا كان يجب قبول "الدلتا" المقترحة تلقائياً أم إرسالها للمراجعة.
        (تنفيذ النقطة 5 و 7)
        """
        
        # 1. فحص سياسة المراجعة البشرية (النقطة 7)
        if trade_pnl_percent < self.human_review_loss_threshold_percent:
            reason = f"Human Review Required: Significant loss ({trade_pnl_percent:.2f}%)"
            print(f"⚠️ [PolicyEngine] {reason}")
            return False, reason # (approved=False)

        # 2. فحص سياسة القبول التلقائي (النقطة 5)
        reflector_confidence = reflector_output.confidence
        
        # (تبسيط لسياسة النتيجة - سنعتمد على ثقة المنعكس كبداية)
        # delta_score = 0.5 * reflector_confidence + ...
        delta_score = reflector_confidence 
        
        if delta_score >= self.auto_accept_threshold:
            reason = f"Auto-Accepted: High confidence ({delta_score:.2f} >= {self.auto_accept_threshold})"
            print(f"✅ [PolicyEngine] {reason}")
            return True, reason # (approved=True)
        else:
            reason = f"Human Review Required: Low confidence ({delta_score:.2f} < {self.auto_accept_threshold})"
            print(f"ℹ️ [PolicyEngine] {reason}")
            return False, reason # (approved=False)

    def check_meta_policy_on_decision(self, decision: dict) -> (bool, str):
        """
        يفحص قرار (قبل التنفيذ) مقابل قواعد السلامة العليا (Meta-Policy).
        (تنفيذ النقطة 7)
        """
        
        # 1. قاعدة "لا لصفقات SHORT"
        if decision.get("trade_type") == "SHORT":
            return False, self.admissibility_rules["NO_SHORT_TRADES"]
            
        # 2. قاعدة "الحد الأقصى لوقف الخسارة"
        action = decision.get("action")
        if action == "BUY":
            current_price = decision.get("current_price", 1) # (سيتم تمريره)
            stop_loss = decision.get("stop_loss", 0)
            
            if current_price > 0 and stop_loss > 0:
                loss_percent = ((current_price - stop_loss) / current_price) * 100
                if loss_percent > 10.0:
                    reason = f"Meta-Policy Violation: Stop loss ({loss_percent:.1f}%) exceeds max (10%)"
                    return False, reason

        # إذا مرت جميع الفحوصات
        return True, "Meta-Policy Passed"