Create schemas.py

learning_hub/schemas.py

@@ -0,0 +1,59 @@
+# learning_hub/schemas.py
+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.
+# ---------------------------------------------------------------------------
+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')")
+    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")
+    created_at: str = Field(default_factory=lambda: datetime.now().isoformat())
+    approved: bool = Field(default=False, description="هل تمت الموافقة عليها (تلقائياً أو يدوياً)")
+    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
+
+# ---------------------------------------------------------------------------
+# 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.
+# ---------------------------------------------------------------------------
+class ReflectorOutput(BaseModel):
+    success: bool = Field(..., description="هل كانت النتيجة الفعلية (Outcome) 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)")
+
+# ---------------------------------------------------------------------------
+# 3. مخطط "سجل التتبع" (TraceLog) - (مطلوب لتغذية المنعكس)
+#    هذا هو السجل الكامل للتجربة (الصفقة) الذي سيتم إرساله إلى المنعكس (Reflector).
+# ---------------------------------------------------------------------------
+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)
+    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)")