fix(orchestrator): definisci prompt_library PRIMA di istanziare HypothesisAgent

Bug introdotto in b6f48e4: HypothesisAgent(prompt_library=prompt_library) era
chiamato a riga 109, ma prompt_library veniva definito a riga 123 -> NameError
a runtime quando run_phase1 viene eseguito.

Spostato il blocco di setup prompt_library + set_cognitive_styles PRIMA della
istanziazione di HypothesisAgent.

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

src/multi_swarm_core/multi_swarm_core/ga/initial.py

@@ -3,34 +3,12 @@ from __future__ import annotations
 import random
 
 from ..genome.hypothesis import HypothesisAgentGenome, ModelTier
-from ..genome.mutation import COGNITIVE_STYLES
+from ..genome.prompt_library import PromptLibrary
 
-STYLE_PROMPTS: dict[str, str] = {
-    "physicist": (
-        "Cerca leggi conservative, simmetrie, regimi di scala. "
-        "Pensa in termini di flussi e potenziali."
-    ),
-    "biologist": (
-        "Cerca pattern adattivi, nicchie ecologiche, "
-        "predator-prey dynamics tra partecipanti del mercato."
-    ),
-    "historian": (
-        "Cerca pattern ricorrenti su scale temporali multiple, "
-        "analogie con regimi storici, mean reversion strutturali."
-    ),
-    "meteorologist": (
-        "Cerca regimi di volatilità che si autoalimentano, "
-        "transizioni di stato come fronti, persistenza locale."
-    ),
-    "ecologist": (
-        "Cerca interazioni multi-asset, correlazioni cluster, "
-        "segnali di stress sistemico nelle dinamiche di flusso."
-    ),
-    "engineer": (
-        "Cerca segnali con rapporto S/N favorevole, filtri causali, "
-        "robustezza a perturbazioni di calibrazione."
-    ),
-}
+# Mantenuto come alias backcompat: equivalente a PromptLibrary.default().styles.
+# Nuovi caller dovrebbero usare PromptLibrary direttamente per supportare
+# l'override via prompts.json di una strategia.
+STYLE_PROMPTS: dict[str, str] = PromptLibrary.default().styles
 
 
 def build_initial_population(
@@ -38,15 +16,22 @@ def build_initial_population(
     model_tier: ModelTier,
     rng: random.Random,
     feature_pool: tuple[str, ...] = ("close", "high", "low", "volume"),
+    prompt_library: PromptLibrary | None = None,
 ) -> list[HypothesisAgentGenome]:
-    """Costruisce una popolazione iniziale K varia per stile cognitivo + parametri."""
+    """Costruisce una popolazione iniziale K varia per stile cognitivo + parametri.
+
+    ``prompt_library`` controlla quali stili sono disponibili e quale system_prompt
+    iniziale viene assegnato. Default = builtin 6 stili (physicist, biologist, ...).
+    Override tipico: ``PromptLibrary.from_json(strategy_crypto/prompts.json)``.
+    """
+    lib = prompt_library or PromptLibrary.default()
     population: list[HypothesisAgentGenome] = []
     for i in range(k):
-        style = COGNITIVE_STYLES[i % len(COGNITIVE_STYLES)]
+        style = lib.style_at(i)
         n_features = rng.randint(1, len(feature_pool))
         feats = sorted(rng.sample(feature_pool, k=n_features))
         g = HypothesisAgentGenome(
-            system_prompt=STYLE_PROMPTS[style],
+            system_prompt=lib.directive(style),
             feature_access=feats,
             temperature=round(rng.uniform(0.7, 1.2), 2),
             top_p=0.95,

src/multi_swarm_core/multi_swarm_core/genome/mutation.py

@@ -7,6 +7,10 @@ from .hypothesis import HypothesisAgentGenome
 
 FEATURE_POOL: tuple[str, ...] = ("open", "high", "low", "close", "volume")
 
+# Lista di default builtin (allineata con PromptLibrary.default()).
+# Il dispatcher run_phase1 sovrascrive `COGNITIVE_STYLES` con la lista letta
+# da prompts.json prima del loop GA, cosi' `mutate_cognitive_style` pesca
+# dai candidati corretti per la strategia in corso.
 COGNITIVE_STYLES: tuple[str, ...] = (
     "physicist",
     "biologist",
@@ -17,6 +21,18 @@ COGNITIVE_STYLES: tuple[str, ...] = (
 )
 
 
+def set_cognitive_styles(styles: tuple[str, ...]) -> None:
+    """Sovrascrive la lista globale di stili candidati per la mutation.
+
+    Da chiamare PRIMA del GA loop (es. in run_phase1 dopo aver caricato la
+    PromptLibrary). Non thread-safe: pensata per uno script CLI.
+    """
+    global COGNITIVE_STYLES
+    if not styles:
+        raise ValueError("set_cognitive_styles: lista vuota")
+    COGNITIVE_STYLES = tuple(styles)
+
+
 def _clone_with(g: HypothesisAgentGenome, **overrides: Any) -> HypothesisAgentGenome:
     payload: dict[str, Any] = g.to_dict()
     payload.update(overrides)

src/multi_swarm_core/multi_swarm_core/orchestrator/run.py

@@ -106,6 +106,12 @@ def run_phase1(
 
     market = build_market_summary(train_ohlcv, symbol=cfg.symbol, timeframe=cfg.timeframe)
 
+    # Propaga la libreria di stili al modulo mutation (cosi' mutate_cognitive_style
+    # pesca dai candidati coerenti col JSON della strategia in corso). Va FATTO
+    # PRIMA di istanziare HypothesisAgent (che la riceve in costruttore).
+    prompt_library = cfg.prompt_library or PromptLibrary.default()
+    set_cognitive_styles(prompt_library.cognitive_styles)
+
     hypothesis_agent = HypothesisAgent(llm=llm, prompt_library=prompt_library)
     falsification_agent = FalsificationAgent(
         fees_bp=cfg.fees_bp, n_trials_dsr=cfg.n_trials_dsr
@@ -118,11 +124,6 @@ def run_phase1(
     )
     cost_tracker = CostTracker()
 
-    # Propaga la libreria di stili al modulo mutation (cosi' mutate_cognitive_style
-    # pesca dai candidati coerenti col JSON della strategia in corso).
-    prompt_library = cfg.prompt_library or PromptLibrary.default()
-    set_cognitive_styles(prompt_library.cognitive_styles)
-
     population = build_initial_population(
         k=cfg.population_size,
         model_tier=cfg.model_tier,

src/strategy_crypto/pyproject.toml

@@ -18,3 +18,4 @@ build-backend = "hatchling.build"
 
 [tool.hatch.build.targets.wheel.force-include]
 "strategy_crypto/strategies" = "strategy_crypto/strategies"
+"strategy_crypto/prompts.json" = "strategy_crypto/prompts.json"