feat(prompt): PromptLibrary v3.1 — anti_patterns + output_priorities

Estende il compositor del SYSTEM con 2 sezioni opzionali iniettate
DOPO i VINCOLI core e PRIMA dell'EXAMPLE:

  ANTI-PATTERN DA EVITARE: lista esplicita di cose da evitare (overfitting,
    correlazione=causalita, > 4 AND, singolo evento estremo, ecc.)
  PRIORITA' DI OUTPUT: trade-off come "robustezza > ottimalita su singolo
    regime", "semplicita > complessita raffinata", "selettivita > attivita"

Razionale: ridurre la varianza non-utile nelle strategie generate
quando il LLM affronta trade-off, e prevenire overfitting nel design.
Entrambi i campi sono opzionali (skip se "") -> backward-compatible
con prompts.json v3.0.

PromptLibrary v3.1: +2 fields top-level (default "").
_build_system_prompt: 2 sezioni condizionali post-VINCOLI.

Test: +3 unit (compositor inject/skip + from_json parsing).
Tot: 235 test pass.

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>

src/multi_swarm_core/multi_swarm_core/agents/hypothesis.py

@@ -197,7 +197,16 @@ def _build_system_prompt(lib: PromptLibrary, genome: HypothesisAgentGenome) -> s
         parts.append("")
     # 6. Vincoli (core scaffold)
     parts.append(_SYSTEM_CONSTRAINTS)
-    # 7. Esempio (core scaffold)
+    # 7. NEW v3.1: anti-pattern e output priorities (da prompts.json, opzionali)
+    if lib.anti_patterns:
+        parts.append("\nANTI-PATTERN DA EVITARE:\n")
+        parts.append(lib.anti_patterns)
+        parts.append("")
+    if lib.output_priorities:
+        parts.append("\nPRIORITA' DI OUTPUT (trade-off):\n")
+        parts.append(lib.output_priorities)
+        parts.append("")
+    # 8. Esempio (core scaffold)
     parts.append(_SYSTEM_EXAMPLE)
     return "\n".join(parts)
 

src/multi_swarm_core/multi_swarm_core/genome/prompt_library.py

@@ -89,6 +89,7 @@ class PromptLibrary:
     v3.0: aggiunge 4 campi top-level strategy-specific iniettabili nel prompt
     dal compositor ``_build_system_prompt``. Tutti opzionali con default sensati
     per backcompat.
+    v3.1: aggiunge anti_patterns e output_priorities iniettati dopo i VINCOLI core.
     """
 
     styles: dict[str, str]
@@ -98,6 +99,8 @@ class PromptLibrary:
     pattern_guidance: str = field(default="") # sezione PATTERN GUIDANCE del SYSTEM
     instruction: str = field(default="")      # frase finale USER ("Genera una strategia...")
     domain_warnings: str = field(default="")  # opzionale: warning di dominio (es. crypto 24/7)
+    anti_patterns: str = field(default="")       # NEW v3.1: lista esplicita di pattern da evitare
+    output_priorities: str = field(default="")   # NEW v3.1: trade-off espliciti di output
 
     def __post_init__(self) -> None:
         if not self.styles:
@@ -115,6 +118,8 @@ class PromptLibrary:
             ("pattern_guidance", self.pattern_guidance),
             ("instruction", self.instruction),
             ("domain_warnings", self.domain_warnings),
+            ("anti_patterns", self.anti_patterns),
+            ("output_priorities", self.output_priorities),
         ):
             if not isinstance(value, str):
                 raise PromptLibraryError(
@@ -135,6 +140,8 @@ class PromptLibrary:
             pattern_guidance=_DEFAULT_PATTERN_GUIDANCE,
             instruction=_DEFAULT_INSTRUCTION,
             domain_warnings="",
+            anti_patterns="",
+            output_priorities="",
         )
 
     @classmethod
@@ -190,6 +197,13 @@ class PromptLibrary:
         pattern_guidance = data.get("pattern_guidance", "")
         instruction = data.get("instruction", "")
         domain_warnings = data.get("domain_warnings", "")
+        # Parse new optional top-level fields (v3.1)
+        anti_patterns_raw = data.get("anti_patterns", "")
+        output_priorities_raw = data.get("output_priorities", "")
+        if not isinstance(anti_patterns_raw, str):
+            raise PromptLibraryError(f"anti_patterns deve essere stringa, non {type(anti_patterns_raw)}")
+        if not isinstance(output_priorities_raw, str):
+            raise PromptLibraryError(f"output_priorities deve essere stringa, non {type(output_priorities_raw)}")
 
         return cls(
             styles=styles,
@@ -198,6 +212,8 @@ class PromptLibrary:
             pattern_guidance=pattern_guidance,
             instruction=instruction,
             domain_warnings=domain_warnings,
+            anti_patterns=anti_patterns_raw,
+            output_priorities=output_priorities_raw,
         )
 
     @property

src/multi_swarm_core/tests/unit/test_hypothesis_agent.py

@@ -370,3 +370,53 @@ def test_user_template_uses_instruction_from_library(mocker):  # type: ignore[no
     user_msg = call_kwargs["user"]
     assert "INSTR_X" in user_msg
     assert "Genera una strategia che cerchi anomalie sfruttabili in questo regime." not in user_msg
+
+
+def test_build_system_prompt_includes_anti_patterns_and_priorities(mocker):  # type: ignore[no-untyped-def]
+    """anti_patterns e output_priorities da PromptLibrary appaiono nel SYSTEM prompt."""
+    fake_llm = mocker.MagicMock()
+    fake_llm.complete.return_value = CompletionResult(
+        text=VALID_STRATEGY_JSON,
+        input_tokens=200,
+        output_tokens=80,
+        tier=ModelTier.C,
+        model="qwen",
+    )
+    lib = PromptLibrary(
+        styles={"physicist": "Pensa come un fisico."},
+        focus={},
+        anti_patterns="EVITA_X",
+        output_priorities="PRIORI_X",
+    )
+    agent = HypothesisAgent(llm=fake_llm, prompt_library=lib)
+    agent.propose(make_genome(), make_summary())
+    call_kwargs = fake_llm.complete.call_args.kwargs
+    system_msg = call_kwargs["system"]
+    assert "ANTI-PATTERN DA EVITARE" in system_msg
+    assert "EVITA_X" in system_msg
+    assert "PRIORITA' DI OUTPUT" in system_msg
+    assert "PRIORI_X" in system_msg
+
+
+def test_build_system_prompt_skips_anti_patterns_and_priorities_when_empty(mocker):  # type: ignore[no-untyped-def]
+    """anti_patterns='' e output_priorities='' -> sezioni opzionali assenti nel SYSTEM."""
+    fake_llm = mocker.MagicMock()
+    fake_llm.complete.return_value = CompletionResult(
+        text=VALID_STRATEGY_JSON,
+        input_tokens=200,
+        output_tokens=80,
+        tier=ModelTier.C,
+        model="qwen",
+    )
+    lib = PromptLibrary(
+        styles={"physicist": "Pensa come un fisico."},
+        focus={},
+        anti_patterns="",
+        output_priorities="",
+    )
+    agent = HypothesisAgent(llm=fake_llm, prompt_library=lib)
+    agent.propose(make_genome(), make_summary())
+    call_kwargs = fake_llm.complete.call_args.kwargs
+    system_msg = call_kwargs["system"]
+    assert "ANTI-PATTERN" not in system_msg
+    assert "PRIORITA' DI OUTPUT" not in system_msg

src/multi_swarm_core/tests/unit/test_prompt_library.py

@@ -76,3 +76,15 @@ def test_prompt_library_accepts_empty_string_for_optional_fields() -> None:
     )
     assert lib.agent_role == ""
     assert lib.domain_warnings == ""
+
+
+def test_from_json_loads_anti_patterns_and_output_priorities(tmp_path: Path) -> None:
+    """from_json() legge anti_patterns e output_priorities (v3.1)."""
+    data = {
+        "styles": {"physicist": {"directive": "Cerca leggi conservative."}},
+        "anti_patterns": "Evita overfitting.",
+        "output_priorities": "Robustezza > ottimalita.",
+    }
+    lib = PromptLibrary.from_json(_write_json(data, tmp_path))
+    assert lib.anti_patterns == "Evita overfitting."
+    assert lib.output_priorities == "Robustezza > ottimalita."