Update learning_hub/hub_manager.py

learning_hub/hub_manager.py

@@ -1,400 +1,151 @@
-# learning_hub/statistical_analyzer.py
-# (هذا الملف هو النسخة المطورة من learning_engine (39).py القديم)
-# وهو يمثل "التعلم البطيء" (الإحصائي)
-
-import json
+# learning_hub/hub_manager.py
 import asyncio
-from datetime import datetime
-from typing import Dict, Any, List
-import numpy as np
-
-# (نفترض أن هذه الدوال المساعدة سيتم نقلها إلى ملف helpers.py عام)
-# (لأغراض هذا الملف، سنعرفها هنا مؤقتاً)
-def normalize_weights(weights_dict):
-    total = sum(weights_dict.values())
-    if total > 0:
-        for key in weights_dict:
-            weights_dict[key] /= total
-    return weights_dict
-
-def should_update_weights(history_length):
-    return history_length % 5 == 0 # (تحديث الأوزان كل 5 صفقات)
-
-
-class StatisticalAnalyzer:
-    def __init__(self, r2_service: Any, data_manager: Any):
-        self.r2_service = r2_service
-        self.data_manager = data_manager # (لجلب سياق السوق)
+from typing import Any, Dict
+
+# (استيراد جميع المكونات الداخلية للمركز)
+from .schemas import *
+from .policy_engine import PolicyEngine
+from .memory_store import MemoryStore
+from .statistical_analyzer import StatisticalAnalyzer
+from .reflector import Reflector
+from .curator import Curator
+
+class LearningHubManager:
+    def __init__(self, r2_service: Any, llm_service: Any, data_manager: Any):
+        print("🚀 Initializing Learning Hub Manager...")
         
-        # --- (هذه هي نفس متغيرات الحالة من learning_engine القديم) ---
-        self.weights = {} # (أوزان استراتيجيات الدخول)
-        self.performance_history = []
-        self.strategy_effectiveness = {} # (إحصائيات استراتيجيات الدخول)
-        self.exit_profile_effectiveness = {} # (إحصائيات مزيج الدخول+الخروج)
-        self.market_patterns = {}
-        # --- (نهاية متغيرات الحالة) ---
+        # 1. الخدمات الأساسية (يتم تمريرها من app.py)
+        self.r2_service = r2_service
+        self.llm_service = llm_service
+        self.data_manager = data_manager
+
+        # 2. تهيئة المكونات (بناء النظام)
+        self.policy_engine = PolicyEngine()
+        self.memory_store = MemoryStore(
+            r2_service=self.r2_service, 
+            policy_engine=self.policy_engine,
+            llm_service=self.llm_service 
+        )
+        self.reflector = Reflector(
+            llm_service=self.llm_service,
+            memory_store=self.memory_store
+        )
+        self.curator = Curator(
+            llm_service=self.llm_service,
+            memory_store=self.memory_store
+        )
+        self.statistical_analyzer = StatisticalAnalyzer(
+            r2_service=self.r2_service,
+            data_manager=self.data_manager
+        )
         
         self.initialized = False
-        self.lock = asyncio.Lock()
-        
-        print("✅ Learning Hub Module: Statistical Analyzer (Slow-Learner) loaded")
+        print("✅ Learning Hub Manager constructed. Ready for initialization.")
 
     async def initialize(self):
-        """تهيئة المحلل الإحصائي (التعلم البطيء)"""
-        async with self.lock:
-            if self.initialized:
-                return
-            print("🔄 [StatsAnalyzer] تهيئة نظام التعلم الإحصائي (البطيء)...")
-            try:
-                await self.load_weights_from_r2()
-                await self.load_performance_history()
-                await self.load_exit_profile_effectiveness()
-                
-                if not self.weights or not self.strategy_effectiveness:
-                    await self.initialize_default_weights()
-                    
-                self.initialized = True
-                print("✅ [StatsAnalyzer] نظام التعلم الإحصائي جاهز.")
-            except Exception as e:
-                print(f"❌ [StatsAnalyzer] فشل التهيئة: {e}")
-                await self.initialize_default_weights()
-                self.initialized = True
-
-    # ---------------------------------------------------------------------------
-    # (الدوال التالية مأخوذة مباشرة من learning_engine (39).py القديم)
-    # (مع تعديلات طفيفة)
-    # ---------------------------------------------------------------------------
-
-    async def initialize_default_weights(self):
-        """إعادة تعيين الأوزان إلى الوضع الافتراضي"""
-        # 🔴 --- START OF CHANGE --- 🔴
-        self.weights = {
-            # 1. أوزان اختيار الاستراتيجية (MLProcessor)
-            "strategy_weights": {
-                "trend_following": 0.18, "mean_reversion": 0.15, "breakout_momentum": 0.22,
-                "volume_spike": 0.12, "whale_tracking": 0.15, "pattern_recognition": 0.10,
-                "hybrid_ai": 0.08
-            },
-            # 2. أوزان المؤشرات العامة (MLProcessor)
-            "indicator_weights": {
-                "rsi": 0.2, "macd": 0.2, "bbands": 0.15, "atr": 0.1,
-                "volume_ratio": 0.2, "vwap": 0.15
-            },
-            # 3. أوزان الأنماط العامة (MLProcessor)
-            "pattern_weights": {
-                "Double Bottom": 0.3, "Breakout Up": 0.3, "Uptrend": 0.2,
-                "Near Support": 0.2, "Double Top": -0.3 # (وزن سلبي)
-            },
-            # 4. أوزان كاشف الانعكاس 5m (للحارس)
-            "reversal_indicator_weights": {
-                "pattern": 0.4, 
-                "rsi": 0.3, 
-                "macd": 0.3
-            },
-            # 5. أوزان زناد الدخول 1m (للحارس)
-            "entry_trigger_weights": {
-                "cvd": 0.25, 
-                "order_book": 0.25, 
-                "ema_1m": 0.25, 
-                "macd_1m": 0.25
-            },
-            # 6. عتبة تفعيل زناد الدخول
-            "entry_trigger_threshold": 0.75
-        }
-        # 🔴 --- END OF CHANGE --- 🔴
-        
-        self.strategy_effectiveness = {}
-        self.exit_profile_effectiveness = {}
-        self.market_patterns = {}
-
-    async def load_weights_from_r2(self):
-        key = "learning_statistical_weights.json" # (ملف جديد)
-        try:
-            response = self.r2_service.s3_client.get_object(Bucket="trading", Key=key)
-            data = json.loads(response['Body'].read())
-            self.weights = data.get("weights", {})
-            # (إضافة: التحقق من وجود الأوزان الجديدة، وإلا إضافتها من الافتراضيات)
-            if "reversal_indicator_weights" not in self.weights:
-                defaults = await self.get_default_strategy_weights() # (سيحتوي على كل شيء)
-                self.weights["reversal_indicator_weights"] = defaults.get("reversal_indicator_weights")
-                self.weights["entry_trigger_weights"] = defaults.get("entry_trigger_weights")
-                self.weights["entry_trigger_threshold"] = defaults.get("entry_trigger_threshold")
-                print("ℹ️ [StatsAnalyzer] تم تحديث ملف الأوزان ببيانات الحارس الجديدة.")
-                
-            self.strategy_effectiveness = data.get("strategy_effectiveness", {})
-            self.market_patterns = data.get("market_patterns", {})
-            print(f"✅ [StatsAnalyzer] تم تحميل الأوزان والإحصائيات من R2.")
-        except Exception as e:
-            print(f"ℹ️ [StatsAnalyzer] فشل تحميل الأوزان ({e}). استخدام الافتراضيات.")
-            await self.initialize_default_weights()
-
-    async def save_weights_to_r2(self):
-        key = "learning_statistical_weights.json"
-        try:
-            data = {
-                "weights": self.weights,
-                "strategy_effectiveness": self.strategy_effectiveness,
-                "market_patterns": self.market_patterns,
-                "last_updated": datetime.now().isoformat()
-            }
-            data_json = json.dumps(data, indent=2, ensure_ascii=False).encode('utf-8')
-            self.r2_service.s3_client.put_object(
-                Bucket="trading", Key=key, Body=data_json, ContentType="application/json"
-            )
-        except Exception as e:
-            print(f"❌ [StatsAnalyzer] فشل حفظ الأوزان في R2: {e}")
+        """
+        تهيئة جميع الأنظمة الفرعية، وخاصة تحميل الإحصائيات والأوزان.
+        """
+        if self.initialized:
+            return
+            
+        print("🔄 [HubManager] Initializing all sub-modules...")
+        await self.statistical_analyzer.initialize()
+        self.initialized = True
+        print("✅ [HubManager] All sub-modules initialized. Learning Hub is LIVE.")
 
-    async def load_performance_history(self):
-        key = "learning_performance_history.json" # (مشترك)
-        try:
-            response = self.r2_service.s3_client.get_object(Bucket="trading", Key=key)
-            data = json.loads(response['Body'].read())
-            self.performance_history = data.get("history", [])
-        except Exception as e:
-            self.performance_history = []
+    async def analyze_trade_and_learn(self, trade_object: Dict[str, Any], close_reason: str):
+        """
+        هذه هي الدالة الرئيسية التي يستدعيها TradeManager.
+        إنها تشغل كلاً من نظام التعلم السريع (Reflector) والبطيء (StatsAnalyzer).
+        """
+        if not self.initialized:
+            print("⚠️ [HubManager] Learning Hub not initialized. Skipping learning.")
+            return
 
-    async def save_performance_history(self):
-        key = "learning_performance_history.json"
-        try:
-            data = {"history": self.performance_history[-1000:]} # (آخر 1000 صفقة فقط)
-            data_json = json.dumps(data, indent=2, ensure_ascii=False).encode('utf-8')
-            self.r2_service.s3_client.put_object(
-                Bucket="trading", Key=key, Body=data_json, ContentType="application/json"
-            )
-        except Exception as e:
-            print(f"❌ [StatsAnalyzer] فشل حفظ تاريخ الأداء: {e}")
+        print(f"🧠 [HubManager] Learning from trade {trade_object.get('symbol')}...")
 
-    async def load_exit_profile_effectiveness(self):
-        key = "learning_exit_profile_effectiveness.json" # (مشترك)
         try:
-            response = self.r2_service.s3_client.get_object(Bucket="trading", Key=key)
-            data = json.loads(response['Body'].read())
-            self.exit_profile_effectiveness = data.get("effectiveness", {})
+            # 1. التعلم السريع (Reflector):
+            await self.reflector.analyze_trade_outcome(trade_object, close_reason)
         except Exception as e:
-            self.exit_profile_effectiveness = {}
+            print(f"❌ [HubManager] Reflector (Fast-Learner) failed: {e}")
 
-    async def save_exit_profile_effectiveness(self):
-        key = "learning_exit_profile_effectiveness.json"
         try:
-            data = {
-                "effectiveness": self.exit_profile_effectiveness,
-                "last_updated": datetime.now().isoformat()
-            }
-            data_json = json.dumps(data, indent=2, ensure_ascii=False).encode('utf-8')
-            self.r2_service.s3_client.put_object(
-                Bucket="trading", Key=key, Body=data_json, ContentType="application/json"
-            )
+            # 2. التعلم البطيء (StatisticalAnalyzer):
+            await self.statistical_analyzer.update_statistics(trade_object, close_reason)
         except Exception as e:
-            print(f"❌ [StatsAnalyzer] فشل حفظ أداء ملف الخروج: {e}")
-
-    async def update_statistics(self, trade_object: Dict[str, Any], close_reason: str):
+            print(f"❌ [HubManager] StatisticalAnalyzer (Slow-Learner) failed: {e}")
+            
+        print(f"✅ [HubManager] Learning complete for {trade_object.get('symbol')}.")
+        
+    async def get_active_context_for_llm(self, domain: str, query: str) -> str:
         """
-        هذه هي الدالة الرئيسية التي تحدث الإحصائيات (التعلم البطيء).
-        (تدمج update_strategy_effectiveness و update_market_patterns من الملف القديم)
+        يُستخدم بواسطة LLMService لجلب "الدفتر" (Playbook) / القواعد (Deltas).
         """
         if not self.initialized:
-            await self.initialize()
-            
-        try:
-            strategy = trade_object.get('strategy', 'unknown')
-            decision_data = trade_object.get('decision_data', {})
-            exit_profile = decision_data.get('exit_profile', 'unknown')
-            combined_key = f"{strategy}_{exit_profile}"
-            
-            pnl_percent = trade_object.get('pnl_percent', 0)
-            is_success = pnl_percent > 0.1 # (اعتبار الربح الطفيف نجاحاً)
+            return "Learning Hub not initialized."
             
-            # 🔴 --- START OF CHANGE --- 🔴
-            # (استخدام بيانات السوق وقت القرار إذا كانت مخزنة، وإلا جلب الحالية)
-            market_context = decision_data.get('market_context_at_decision', {})
-            if not market_context:
-                 market_context = await self.get_current_market_conditions()
-            market_condition = market_context.get('current_trend', 'sideways_market')
-            # 🔴 --- END OF CHANGE --- 🔴
-
-            # --- 1. تحديث تاريخ الأداء (للتتبع العام) ---
-            analysis_entry = {
-                "timestamp": datetime.now().isoformat(),
-                "trade_id": trade_object.get('id', 'N/A'),
-                "symbol": trade_object.get('symbol', 'N/A'),
-                "outcome": close_reason,
-                "market_conditions": market_context,
-                "strategy_used": strategy,
-                "exit_profile_used": exit_profile,
-                "pnl_percent": pnl_percent
-            }
-            self.performance_history.append(analysis_entry)
-            
-            # --- 2. تحديث إحصائيات استراتيجية الدخول (strategy_effectiveness) ---
-            if strategy not in self.strategy_effectiveness:
-                self.strategy_effectiveness[strategy] = {"total_trades": 0, "successful_trades": 0, "total_pnl_percent": 0}
-            
-            self.strategy_effectiveness[strategy]["total_trades"] += 1
-            self.strategy_effectiveness[strategy]["total_pnl_percent"] += pnl_percent
-            if is_success:
-                self.strategy_effectiveness[strategy]["successful_trades"] += 1
-
-            # --- 3. تحديث إحصائيات مزيج (الدخول + الخروج) (exit_profile_effectiveness) ---
-            if combined_key not in self.exit_profile_effectiveness:
-                self.exit_profile_effectiveness[combined_key] = {"total_trades": 0, "successful_trades": 0, "total_pnl_percent": 0, "pnl_list": []}
-            
-            self.exit_profile_effectiveness[combined_key]["total_trades"] += 1
-            self.exit_profile_effectiveness[combined_key]["total_pnl_percent"] += pnl_percent
-            self.exit_profile_effectiveness[combined_key]["pnl_list"].append(pnl_percent)
-            if len(self.exit_profile_effectiveness[combined_key]["pnl_list"]) > 100:
-                self.exit_profile_effectiveness[combined_key]["pnl_list"] = self.exit_profile_effectiveness[combined_key]["pnl_list"][-100:]
-            if is_success:
-                self.exit_profile_effectiveness[combined_key]["successful_trades"] += 1
-
-            # --- 4. تحديث إحصائيات ظروف السوق (market_patterns) ---
-            if market_condition not in self.market_patterns:
-                self.market_patterns[market_condition] = {"total_trades": 0, "successful_trades": 0, "total_pnl_percent": 0}
-                
-            self.market_patterns[market_condition]["total_trades"] += 1
-            self.market_patterns[market_condition]["total_pnl_percent"] += pnl_percent
-            if is_success:
-                self.market_patterns[market_condition]["successful_trades"] += 1
-
-            # --- 5. تكييف الأوزان والحفظ (إذا لزم الأمر) ---
-            # (ملاحظة: نحتاج إلى إضافة منطق لتعلم أوزان الحارس هنا مستقبلاً)
-            if should_update_weights(len(self.performance_history)):
-                await self.adapt_weights_based_on_performance()
-                await self.save_weights_to_r2()
-                await self.save_performance_history()
-                await self.save_exit_profile_effectiveness()
-
-            print(f"✅ [StatsAnalyzer] تم تحديث الإحصائيات لـ {strategy} / {exit_profile}")
-
-        except Exception as e:
-            print(f"❌ [StatsAnalyzer] فشل تحديث الإحصائيات: {e}")
-            traceback.print_exc()
-
-    async def adapt_weights_based_on_performance(self):
-        """تكييف أوزان استراتيجيات الدخول بناءً على الأداء الإحصائي"""
-        # (ملاحظة: هذا المنطق حالياً يكيف فقط strategy_weights)
-        # (سنحتاج لتطويره لاحقاً ليكيف أوزان الحارس)
-        print("🔄 [StatsAnalyzer] تكييف أوزان الاستراتيجيات (التعلم البطيء)...")
-        try:
-            strategy_performance = {}
-            total_performance = 0
-
-            for strategy, data in self.strategy_effectiveness.items():
-                if data.get("total_trades", 0) > 2: # (يتطلب 3 صفقات على الأقل للتكيف)
-                    success_rate = data["successful_trades"] / data["total_trades"]
-                    avg_pnl = data["total_pnl_percent"] / data["total_trades"]
-                    
-                    # مقياس مركب: (معدل النجاح * 60%) + (متوسط الربح * 40%)
-                    # (يتم تقييد متوسط الربح بين -5 و +5)
-                    normalized_pnl = min(max(avg_pnl, -5.0), 5.0) / 5.0 # (من -1 إلى 1)
-                    
-                    composite_performance = (success_rate * 0.6) + (normalized_pnl * 0.4)
-                    
-                    strategy_performance[strategy] = composite_performance
-                    total_performance += composite_performance
-
-            if total_performance > 0 and strategy_performance:
-                base_weights = self.weights.get("strategy_weights", {})
-                for strategy, performance in strategy_performance.items():
-                    current_weight = base_weights.get(strategy, 0.1)
-                    
-                    # (تعديل طفيف: 80% من الوزن الحالي + 20% من الأداء)
-                    new_weight = (current_weight * 0.8) + (performance * 0.2)
-                    base_weights[strategy] = max(new_weight, 0.05) # (الحد الأدنى للوزن 5%)
-                
-                normalize_weights(base_weights)
-                self.weights["strategy_weights"] = base_weights
-                print(f"✅ [StatsAnalyzer] تم تكييف الأوزان: {base_weights}")
-            
-        except Exception as e:
-            print(f"❌ [StatsAnalyzer] فشل تكييف الأوزان: {e}")
+        return await self.memory_store.get_active_context(domain, query)
+        
+    async def get_statistical_feedback_for_llm(self, entry_strategy: str) -> str:
+        """
+        يُستخدم بواسطة LLMService لجلب أفضل ملف خروج (إحصائياً).
+        """
+        if not self.initialized:
+            return "Learning Hub not initialized."
 
-    # --- (الدوال المساعدة لجلب البيانات - مأخوذة من الملف القديم) ---
-    async def get_best_exit_profile(self, entry_strategy: str) -> str:
-        """يجد أفضل ملف خروج إحصائياً لاستراتيجية دخول معينة."""
-        if not self.initialized or not self.exit_profile_effectiveness:
-            return "unknown"
-            
-        relevant_profiles = {}
-        for combined_key, data in self.exit_profile_effectiveness.items():
-            if combined_key.startswith(f"{entry_strategy}_"):
-                if data.get("total_trades", 0) >= 3: # (يتطلب 3 صفقات)
-                    exit_profile_name = combined_key.replace(f"{entry_strategy}_", "", 1)
-                    avg_pnl = data["total_pnl_percent"] / data["total_trades"]
-                    relevant_profiles[exit_profile_name] = avg_pnl
+        best_profile = await self.statistical_analyzer.get_best_exit_profile(entry_strategy)
         
-        if not relevant_profiles:
-            return "unknown"
-            
-        best_profile = max(relevant_profiles, key=relevant_profiles.get)
-        return best_profile
+        if best_profile != "unknown":
+            # (Prompt in English as requested)
+            feedback = f"Statistical Feedback: For the '{entry_strategy}' strategy, the '{best_profile}' exit profile has historically performed best."
+            return feedback
+        else:
+            return "No statistical feedback available for this strategy yet."
 
     # 🔴 --- START OF CHANGE --- 🔴
     async def get_optimized_weights(self, market_condition: str) -> Dict[str, float]:
         """
-        جلب جميع الأوزان المعدلة إحصائياً (لكل من MLProcessor والحارس).
+        يُستخدم بواسطة MLProcessor/StrategyEngine/Sentry لجلب الأوزان المعدلة إحصائياً.
         """
-        if not self.initialized or "strategy_weights" not in self.weights:
-            await self.initialize()
-        
-        base_weights = self.weights.copy()
-        
-        # (يمكننا إضافة منطق تعديل الأوزان بناءً على ظروف السوق هنا)
-        # (لكن في الوقت الحالي، سنعيد الأوزان المعدلة إحصائياً كما هي)
-        
-        if not base_weights:
-             # (العودة إلى الافتراضيات إذا كانت الأوزان فارغة)
-             return await self.get_default_strategy_weights()
-
-        return base_weights
+        if not self.initialized:
+            # (الحصول على كل الأوزان الافتراضية)
+            return await self.statistical_analyzer.get_default_strategy_weights()
+            
+        # (الحصول على كل الأوزان المحسنة)
+        return await self.statistical_analyzer.get_optimized_weights(market_condition)
     # 🔴 --- END OF CHANGE --- 🔴
-
-    async def get_default_strategy_weights(self) -> Dict[str, float]:
-        """إرجاع الأوزان الافتراضية عند الفشل"""
-        # 🔴 --- START OF CHANGE --- 🔴
-        # (إرجاع كل شيء، وليس فقط أوزان الاستراتيجية)
-        return {
-            "strategy_weights": {
-                "trend_following": 0.18, "mean_reversion": 0.15, "breakout_momentum": 0.22,
-                "volume_spike": 0.12, "whale_tracking": 0.15, "pattern_recognition": 0.10,
-                "hybrid_ai": 0.08
-            },
-            "indicator_weights": {
-                "rsi": 0.2, "macd": 0.2, "bbands": 0.15, "atr": 0.1,
-                "volume_ratio": 0.2, "vwap": 0.15
-            },
-            "pattern_weights": {
-                "Double Bottom": 0.3, "Breakout Up": 0.3, "Uptrend": 0.2,
-                "Near Support": 0.2, "Double Top": -0.3
-            },
-            "reversal_indicator_weights": {
-                "pattern": 0.4, "rsi": 0.3, "macd": 0.3
-            },
-            "entry_trigger_weights": {
-                "cvd": 0.25, "order_book": 0.25, "ema_1m": 0.25, "macd_1m": 0.25
-            },
-            "entry_trigger_threshold": 0.75
-        }
-        # 🔴 --- END OF CHANGE --- 🔴
-    
-    async def get_current_market_conditions(self) -> Dict[str, Any]:
-        """جلب سياق السوق الحالي (من الملف القديم)"""
-        try:
-            if not self.data_manager:
-                raise ValueError("DataManager unavailable")
-            market_context = await self.data_manager.get_market_context_async()
-            if not market_context:
-                raise ValueError("Market context fetch failed")
+        
+    async def run_distillation_check(self):
+        """
+        (يتم استدعاؤها دورياً من app.py)
+        للتحقق من جميع المجالات وتشغيل التقطير إذا لزم الأمر.
+        """
+        if not self.initialized:
+            return
             
-            # (نحتاج دالة لحساب التقلب - نفترض أنها في helpers)
-            # volatility = calculate_market_volatility(market_context) 
+        print("ℹ️ [HubManager] Running periodic distillation check...")
+        for domain in self.memory_store.domain_files.keys():
+            await self.curator.check_and_distill_domain(domain)
+        print("✅ [HubManager] Distillation check complete.")
+        
+    # (No change to shutdown function)
+    async def shutdown(self):
+        """
+        Saves all persistent data from the statistical analyzer.
+        """
+        if not self.initialized:
+            return
             
-            return {
-                "current_trend": market_context.get('market_trend', 'sideways_market'),
-                "volatility": "medium", # (قيمة مؤقتة)
-                "market_sentiment": market_context.get('btc_sentiment', 'NEUTRAL'),
-            }
+        print("🔄 [HubManager] Shutting down... Saving all learning data.")
+        try:
+            await self.statistical_analyzer.save_weights_to_r2()
+            await self.statistical_analyzer.save_performance_history()
+            await self.statistical_analyzer.save_exit_profile_effectiveness()
+            print("✅ [HubManager] All statistical (slow-learner) data saved.")
         except Exception as e:
-            return {"current_trend": "sideways_market", "volatility": "medium", "market_sentiment": "NEUTRAL"}
-# 🔴 --- START OF CHANGE --- 🔴
-# (تم حذف القوس } الزائد من هنا)
-# 🔴 --- END OF CHANGE --- 🔴
+            print(f"❌ [HubManager] Failed to save learning data on shutdown: {e}")
+    # 🔴 --- START OF CHANGE --- 🔴
+    # (تم حذف القوس } الزائد من هنا)
+    # 🔴 --- END OF CHANGE --- 🔴