Update learning_hub/schemas.py

learning_hub/schemas.py

@@ -1,59 +1,54 @@
 # learning_hub/schemas.py
+# (V12.3 - Full with Hybrid Support)
 from pydantic import BaseModel, Field
 from typing import List, Dict, Any, Optional
 from datetime import datetime
 import uuid
 
 # ---------------------------------------------------------------------------
-# 1. مخطط "دلتا" (Delta) - (من النقطة 3 في خطتك)
-#    هذه هي "القاعدة" أو "الخبرة" التي يتم تخزينها في الذاكرة.
+# 1. مخطط "دلتا" (Delta)
 # ---------------------------------------------------------------------------
 class Delta(BaseModel):
     id: str = Field(default_factory=lambda: f"delta_{uuid.uuid4().hex[:10]}")
-    text: str = Field(..., description="القاعدة المقترحة نصياً (e.g., When RSI<25...)")
-    domain: str = Field(..., description="المجال (e.g., 'strategy', 'pattern', 'indicator', 'monte_carlo')")
+    text: str = Field(..., description="القاعدة المقترحة نصياً")
+    domain: str = Field(..., description="المجال (strategy, pattern, indicator, monte_carlo, general)")
     priority: str = Field(default="medium", description="الأولوية (high, medium, low)")
-    score: float = Field(default=0.5, description="النتيجة الإجمالية للدلتا (للاسترجاع)")
-    evidence_refs: List[str] = Field(default=[], description="المعرفات المرجعية (e.g., trace_id, trade_id)")
-    created_by: str = Field(default="reflector_v1", description="المكون الذي أنشأ هذه الدلتا")
+    score: float = Field(default=0.5, description="النتيجة الإجمالية للدلتا")
+    evidence_refs: List[str] = Field(default=[], description="المعرفات المرجعية")
+    created_by: str = Field(default="reflector_v1")
     created_at: str = Field(default_factory=lambda: datetime.now().isoformat())
-    approved: bool = Field(default=False, description="هل تمت الموافقة عليها (تلقائياً أو يدوياً)")
+    approved: bool = Field(default=False)
     usage_count: int = Field(default=0)
     last_used: Optional[str] = None
-    
-    # حقول إضافية لتسهيل الاسترجاع
-    trade_strategy: Optional[str] = None # استراتيجية الدخول
-    exit_profile: Optional[str] = None # ملف الخروج
+    trade_strategy: Optional[str] = None
+    exit_profile: Optional[str] = None
 
 # ---------------------------------------------------------------------------
-# 2. مخطط "مخرجات المنعكس" (ReflectorOutput) - (من النقطة 3 في خطتك)
-#    هذا هو الـ JSON الذي نتوقع أن يعود به النموذج الضخم (LLM) بعد تحليل التجربة.
+# 2. مخطط "مخرجات المنعكس" (ReflectorOutput)
 # ---------------------------------------------------------------------------
 class ReflectorOutput(BaseModel):
-    success: bool = Field(..., description="هل كانت النتيجة الفعلية (Outcome) ناجحة؟")
+    success: bool = Field(..., description="هل كانت النتيجة ناجحة؟")
     score: float = Field(..., description="تقييم التجربة (0.0 إلى 1.0)")
-    error_mode: str = Field(..., description="وصف لنمط الخطأ (e.g., 'ignored_volatility', 'premature_exit')")
-    suggested_rule: str = Field(..., description="القاعدة المقترحة (الدلتا) بحد أقصى 25 كلمة.")
-    confidence: float = Field(..., description="ثقة النموذج في هذه القاعدة المقترحة (0.0 إلى 1.0)")
+    error_mode: str = Field(..., description="وصف لنمط الخطأ")
+    suggested_rule: str = Field(..., description="القاعدة المقترحة (max 25 words)")
+    confidence: float = Field(..., description="ثقة النموذج في القاعدة")
 
 # ---------------------------------------------------------------------------
-# 3. مخطط "سجل التتبع" (TraceLog) - (مطلوب لتغذية المنعكس)
-#    هذا هو السجل الكامل للتجربة (الصفقة) الذي سيتم إرساله إلى المنعكس (Reflector).
+# 3. مخطط "سجل التتبع" (TraceLog) - محدث للنظام الهجين
 # ---------------------------------------------------------------------------
 class TraceLog(BaseModel):
     trace_id: str = Field(default_factory=lambda: f"trace_{uuid.uuid4().hex[:10]}")
     timestamp: str = Field(default_factory=lambda: datetime.now().isoformat())
     
-    # 1. بيانات القرار الأصلي (ماذا قررنا؟)
-    decision_context: Dict[str, Any] = Field(..., description="بيانات القرار الأصلية من الصفقة (decision_data)")
-    
-    # 2. بيانات البيئة وقت القرار (ما هي الظروف؟)
-    #    (سنحتاج لتخزين هذا في كائن الصفقة عند إنشائها)
+    decision_context: Dict[str, Any] = Field(..., description="بيانات القرار الأصلية")
     market_context_at_decision: Dict[str, Any] = Field(default={}, description="سياق السوق عند فتح الصفقة")
     indicators_at_decision: Dict[str, Any] = Field(default={}, description="المؤشرات عند فتح الصفقة")
     
-    # 3. النتيجة الفعلية (ماذا حدث؟)
-    closed_trade_object: Dict[str, Any] = Field(..., description="كائن الصفقة المغلقة بالكامل")
-    actual_outcome_reason: str = Field(..., description="سبب الإغلاق (e.g., 'Hard Stop Loss hit', 'Tactical Monitor')")
-
-print("✅ Learning Hub Module: Schemas loaded (Delta, ReflectorOutput, TraceLog)")
+    # 🔴 جديد: تسجيل الأوزان الهجينة المستخدمة في هذا القرار بدقة
+    hybrid_weights_used: Dict[str, float] = Field(
+        default={"titan": 0.5, "patterns": 0.4, "monte_carlo": 0.1},
+        description="الأوزان الدقيقة التي استخدمت في المعادلة الهجينة لهذه الصفقة."
+    )
+    
+    closed_trade_object: Dict[str, Any] = Field(..., description="كائن الصفقة المغلقة")
+    actual_outcome_reason: str = Field(..., description="سبب الإغلاق")