Update learning_hub/hub_manager.py

learning_hub/hub_manager.py

@@ -1,7 +1,9 @@
 # learning_hub/hub_manager.py
-# (محدث بالكامل - V2 - VADER Learning)
+# (محدث بالكامل - V3 - Whale Learning Loop)
 import asyncio
-from typing import Any, Dict
+import traceback
+from typing import Any, Dict, List
+from datetime import datetime, timezone
 
 # (استيراد جميع المكونات الداخلية للمركز)
 from .schemas import *
@@ -11,9 +13,19 @@ from .statistical_analyzer import StatisticalAnalyzer
 from .reflector import Reflector
 from .curator import Curator
 
+# 🔴 --- (جديد V3) استيراد لتحليل الارتباط --- 🔴
+try:
+    import numpy as np
+    from scipy.stats import pearsonr
+    NUMPY_AVAILABLE = True
+except ImportError:
+    print("❌ [HubManager] مكتبة numpy أو scipy غير مثبتة! لن يعمل تعلم الحيتان.")
+    NUMPY_AVAILABLE = False
+
+
 class LearningHubManager:
     def __init__(self, r2_service: Any, llm_service: Any, data_manager: Any):
-        print("🚀 Initializing Learning Hub Manager...")
+        print("🚀 Initializing Learning Hub Manager (V3)...")
         
         # 1. الخدمات الأساسية (يتم تمريرها من app.py)
         self.r2_service = r2_service
@@ -40,6 +52,10 @@ class LearningHubManager:
             data_manager=self.data_manager
         )
         
+        # 🔴 --- (جديد V3) متغيرات حالة لتعلم الحيتان --- 🔴
+        self.whale_learning_lock = asyncio.Lock()
+        self.optimal_whale_config = {} # (الأوزان المتعلمة)
+        
         self.initialized = False
         print("✅ Learning Hub Manager constructed. Ready for initialization.")
 
@@ -52,6 +68,15 @@ class LearningHubManager:
             
         print("🔄 [HubManager] Initializing all sub-modules...")
         await self.statistical_analyzer.initialize()
+        
+        # 🔴 --- (جديد V3) تحميل إعدادات الحيتان المتعلمة --- 🔴
+        if hasattr(self.r2_service, 'load_whale_learning_config_async'):
+            self.optimal_whale_config = await self.r2_service.load_whale_learning_config_async()
+            if self.optimal_whale_config:
+                print(f"✅ [HubManager] تم تحميل إعدادات تعلم الحيتان المثلى: {self.optimal_whale_config}")
+            else:
+                print("ℹ️ [HubManager] لم يتم العثور على إعدادات تعلم حيتان سابقة.")
+        
         self.initialized = True
         print("✅ [HubManager] All sub-modules initialized. Learning Hub is LIVE.")
 
@@ -166,6 +191,160 @@ class LearningHubManager:
             print("✅ [HubManager] All statistical (slow-learner) data saved.")
         except Exception as e:
             print(f"❌ [HubManager] Failed to save learning data on shutdown: {e}")
-    # 🔴 --- START OF CHANGE --- 🔴
-    # (تم حذف القوس } الزائد من هنا)
+
+    # 🔴 --- START OF CHANGE (V3 - Whale Learning Loop) --- 🔴
+
+    async def run_whale_learning_check(self):
+        """
+        (جديد V3 - "المُسجّل" Logger)
+        يعمل في الخلفية لإكمال سجلات تعلم الحيتان المعلقة.
+        """
+        if not self.initialized:
+            await asyncio.sleep(60) # انتظر حتى تتم التهيئة
+        
+        print(f"🧠 [Whale-Logger] بدء تشغيل حلقة تعلم الحيتان (المُسجّل)...")
+        
+        # (الانتظار 10 دقائق عند بدء التشغيل للسماح بجمع بعض البيانات)
+        await asyncio.sleep(600) 
+        
+        while True:
+            try:
+                # (1. جلب السجلات المعلقة)
+                pending_records = await self.r2_service.get_pending_whale_learning_records_async()
+                if not pending_records:
+                    # (لا توجد سجلات، انتظر 10 دقائق)
+                    await asyncio.sleep(600)
+                    continue
+
+                print(f"🧠 [Whale-Logger] تم العثور على {len(pending_records)} سجل تعلم معلق. بدء المعالجة...")
+                now_utc = datetime.now(timezone.utc)
+                
+                for record in pending_records:
+                    try:
+                        target_time_utc = datetime.fromisoformat(record['target_time_utc'])
+                        
+                        # (2. التحقق من الوقت)
+                        if now_utc >= target_time_utc:
+                            print(f"   -> [Whale-Logger] معالجة سجل {record['symbol']} (ID: {record['record_id']})...")
+                            # (حان وقت جلب السعر المستقبلي)
+                            symbol = record['symbol']
+                            target_price = await self.data_manager.get_latest_price_async(symbol)
+                            
+                            if target_price and target_price > 0 and record['start_price_usd'] > 0:
+                                # (3. حساب النتيجة)
+                                price_change_pct = ((target_price - record['start_price_usd']) / record['start_price_usd']) * 100
+                                
+                                record['target_price_usd'] = target_price
+                                record['price_change_percentage'] = price_change_pct
+                                record['status'] = "COMPLETED"
+                                
+                                # (4. تحديث السجل في R2)
+                                await self.r2_service.update_completed_whale_learning_record_async(record)
+                            else:
+                                print(f"   ⚠️ [Whale-Logger] فشل جلب السعر المستقبلي لـ {symbol}. سيعاد المحاولة لاحقاً.")
+                        else:
+                            # (لم يحن الوقت بعد)
+                            pass
+                            
+                    except Exception as e_inner:
+                        print(f"❌ [Whale-Logger] فشل معالجة سجل فردي: {e_inner}")
+                
+                # (تشغيل "المعلّم" بعد كل دورة تسجيل)
+                await self.update_optimal_whale_window()
+
+                # (الانتظار 5 دقائق قبل التحقق مرة أخرى)
+                await asyncio.sleep(300) 
+                
+            except Exception as e_outer:
+                print(f"❌ [Whale-Logger] خطأ فادح في حلقة تعلم الحيتان: {e_outer}")
+                traceback.print_exc()
+                await asyncio.sleep(600) # (انتظار 10 دقائق عند الفشل الفادح)
+
+    async def update_optimal_whale_window(self):
+        """
+        (جديد V3 - "المعلّم" Teacher)
+        يحلل جميع السجلات المكتملة ويجد أفضل "مقياس + نافذة" للارتباط.
+        """
+        if not NUMPY_AVAILABLE:
+            print("⚠️ [Whale-Teacher] لا يمكن تشغيل تحليل الارتباط (numpy/scipy مفقودة).")
+            return
+
+        async with self.whale_learning_lock:
+            print("👨‍🏫 [Whale-Teacher] بدء تحليل الارتباط الإحصائي...")
+            try:
+                # (1. جلب جميع السجلات المكتملة)
+                all_completed = await self.r2_service.get_all_completed_whale_records_async()
+                if len(all_completed) < 20: # (نحتاج 20 عينة على الأقل لبدء التعلم)
+                    print(f"👨‍🏫 [Whale-Teacher] نحتاج 20 سجل مكتمل على الأقل (الحالي: {len(all_completed)}). تخطي التحليل.")
+                    return
+
+                # (2. استخراج البيانات في مصفوفات Numpy)
+                price_changes = []
+                metrics_data = defaultdict(lambda: defaultdict(list))
+                
+                # (قائمة بجميع المقاييس التي نريد اختبارها)
+                windows = ['30m', '1h', '2h', '4h', '24h']
+                metric_keys = ['relative_net_flow_percent', 'transaction_density', 'net_flow_usd']
+                
+                for record in all_completed:
+                    if record.get('price_change_percentage') is None: continue
+                    
+                    price_changes.append(record['price_change_percentage'])
+                    analysis = record.get('window_analysis', {})
+                    
+                    for w in windows:
+                        window_data = analysis.get(w, {})
+                        for k in metric_keys:
+                            metrics_data[w][k].append(window_data.get(k, 0.0))
+
+                price_changes_np = np.array(price_changes)
+                if len(price_changes_np) < 20:
+                     print("👨‍🏫 [Whale-Teacher] لا توجد بيانات كافية (NP) للارتباط.")
+                     return
+
+                # (3. حساب الارتباط)
+                correlation_results = {}
+                for w in windows:
+                    for k in metric_keys:
+                        metric_np = np.array(metrics_data[w][k])
+                        if len(metric_np) != len(price_changes_np): continue
+                        
+                        # (حساب ارتباط بيرسون)
+                        corr, p_value = pearsonr(metric_np, price_changes_np)
+                        
+                        if not np.isnan(corr) and p_value < 0.1: # (نهتم فقط بالارتباطات ذات الدلالة الإحصائية)
+                            correlation_results[f"{w}_{k}"] = abs(corr) # (نهتم بقوة الارتباط، بغض النظر عن الاتجاه)
+
+                if not correlation_results:
+                    print("👨‍🏫 [Whale-Teacher] لم يتم العثور على ارتباطات إحصائية ذات دلال��.")
+                    return
+
+                # (4. العثور على الفائز وحفظه)
+                best_metric_key = max(correlation_results, key=correlation_results.get)
+                best_correlation = correlation_results[best_metric_key]
+                
+                # (تقسيم المفتاح: '1h_relative_net_flow_percent')
+                best_window, best_metric = best_metric_key.split('_', 1)
+                
+                new_config = {
+                    "best_window": best_window,
+                    "best_metric": best_metric,
+                    "correlation_score": best_correlation,
+                    "total_samples": len(price_changes_np),
+                    "last_updated_utc": datetime.now(timezone.utc).isoformat()
+                }
+                
+                # (حفظ الإعدادات الجديدة ومشاركتها مع النظام)
+                self.optimal_whale_config = new_config
+                await self.r2_service.save_whale_learning_config_async(new_config)
+                
+                print(f"🏆 [Whale-Teacher] تم العثور على أفضل إشارة جديدة!")
+                print(f"   -> المقياس: {best_metric}")
+                print(f"   -> النافذة: {best_window}")
+                print(f"   -> الارتباط: {best_correlation:.4f} (على {len(price_changes_np)} عينة)")
+
+            except Exception as e:
+                print(f"❌ [Whale-Teacher] فشل تحليل الارتباط: {e}")
+                traceback.print_exc()
+                
     # 🔴 --- END OF CHANGE --- 🔴