docs(readme): allinea a stato attuale (Phase 3, NiceGUI, Docker deploy)

- "Stato del progetto" riscritto: Phase 3 paper-trading in corso, link al
  report di sintesi del 14 maggio, strategie freezate BTC/ETH e costo
  cumulato $3.74 su 30 run GA.
- Architettura: aggiunti splits.py (WFA), diversity.py, mutation_prompt_llm.py
  (5° operatore), paper_trading/ (portfolio/executor/persistence); commenti
  su fitness.py/adversarial.py aggiornati a v2 soft-kill + 5 check HIGH.
- Nuova lista CLI knobs accumulati Phase 2.5 → 2.7.
- Setup: test count ~180, .env include DOMAIN_NAME e SWARM_DASHBOARD_PORT.
- Comandi: aggiunti backtest_strategy.py e run_paper_trading.py; esempio
  run_phase1.py ora usa --prompt-mutation-weight e --fitness-v2.
- Nuova sezione Deploy: docker-compose con due servizi su rete traefik
  external, bind-mount + chown 1000:1000, override paper via env.
- Costi: da Phase 1 only a cumulato $3.74 + Phase 3 LLM-free.

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

README.md

@@ -1,6 +1,6 @@
 # Multi_Swarm_Coevolutive
 
-Proof-of-concept di sistema co-evolutivo multi-agente per trading quantitativo. Un genetic algorithm fa evolvere una popolazione di agenti LLM (Hypothesis swarm) che generano strategie di trading espresse in JSON strutturato; un layer Falsification deterministico le backtesta su dati storici BTC-PERPETUAL via Cerbero MCP; un layer Adversarial euristico le sottopone a red-team checks; la fitness combina Deflated Sharpe Ratio (Bailey & López 2014), Sharpe normalizzato e penalizzazione di drawdown. Il tutto è ispirato alla filosofia di Renaissance Technologies adattata a un contesto retail single-author con LLM agents.
+Proof-of-concept di sistema co-evolutivo multi-agente per trading quantitativo. Un genetic algorithm fa evolvere una popolazione di agenti LLM (Hypothesis swarm) che generano strategie di trading espresse in JSON strutturato; un layer Falsification deterministico le backtesta su dati storici (default BTC-PERPETUAL Deribit) via Cerbero MCP; un layer Adversarial euristico le sottopone a red-team checks; la fitness combina Deflated Sharpe Ratio (Bailey & López 2014), Sharpe normalizzato e penalizzazione di drawdown, con opzioni v2 soft-kill e combined IS/OOS per Walk-Forward Validation. Il tutto è ispirato alla filosofia di Renaissance Technologies adattata a un contesto retail single-author con LLM agents.
 
 ## Repository
 
@@ -12,22 +12,22 @@ git clone ssh://git@git.tielogic.xyz:222/Adriano/Multi_Swarm_Coevolutive.git
 
 ## Stato del progetto
 
-**Phase 1 (lean spike) completata** il 10 maggio 2026 con tutti i 5 hard gate passati (loop convergence, parse success 100%, top-5 ratio 1116x, entropy 0.914, costo $0.069 vs cap $700). Decisione strategica: **GO Phase 2** con tre aggiustamenti (Adversarial soglie più strette, speciation, walk-forward 70/30).
+**Phase 3 (paper-trading forward-test) in corso** dal 13 maggio 2026 su VPS. Runner `scripts/run_paper_trading.py` live 24/7 in Docker (`https://swarm.tielogic.xyz` per la dashboard) con due strategie freezate:
 
-**Phase 1.5 (tactical hardening) in corso**: Adversarial layer rinforzato con soglie più strette (`overtrading` a `n_bars/20`, `undertrading` HIGH se `n<10`) e due nuovi check HIGH (`flat_too_long` se signal flat >95% bar, `fees_eat_alpha` se fees > 50% del gross PnL). Killa le strategie degeneri del run v5 (top-1 era flat 99.8% del tempo e ha sottoperformato BTC B&H di −103 punti percentuali).
+- `strategies/btc_fb63e851.json` — BTC-PERPETUAL, true alpha hour-gated (RSI estremi + ATR vs SMA + filtro orario 9-17), Sharpe OOS +0,26 su 7,33 anni di storia.
+- `strategies/eth_facd6af85d5d.json` — ETH-PERPETUAL, trend-following long-bias + vol regime, Sharpe OOS +0,19 su 6,75 anni.
 
-Documenti chiave:
+Phase 1 → 2.7 tutte chiuse (30 run GA, $3.74 cumulato LLM, cap originale $700 → margine 99%+). Vedi il documento di sintesi consolidato per il dettaglio:
+
+- [**Stato progetto e roadmap (14 maggio 2026)**](docs/reports/2026-05-14-stato-progetto-e-roadmap.md) — riepilogo di tutte le fasi, decisioni, caveat aperti, roadmap.
+
+Documenti chiave per fase:
 
 - [Decisione strategica](docs/superpowers/specs/2026-05-09-decisione-strategica-design.md) — perché Phase 1 prima, Phase 2 poi, Phase 3 forward-test.
-- [Piano implementativo Phase 1](docs/superpowers/plans/2026-05-09-phase1-lean-spike.md) — 38 task TDD-driven.
+- [Decision memo gate Phase 1](docs/decisions/2026-05-10-gate-phase1.md), [Technical report Phase 1](docs/reports/2026-05-10-phase1-technical-report.md), [Decision memo Phase 1.5 nemotron](docs/decisions/2026-05-11-phase1-5-nemotron-run.md).
-- [Decision memo gate Phase 1](docs/decisions/2026-05-10-gate-phase1.md) — valutazione formale dei 5 hard gate.
+- [Piano Phase 2.5 prompt-mutator](docs/superpowers/plans/2026-05-11-mutate-prompt-llm-phase-2-5.md), [Piano feature temporali](docs/superpowers/plans/2026-05-11-temporal-features.md).
-- [Technical report Phase 1](docs/reports/2026-05-10-phase1-technical-report.md) — risultati, ispezione top genomi, threats to validity.
 
-Documenti di contesto pre-implementazione:
+Documenti di contesto pre-implementazione: `00_documento_zero.md` (framework concettuale Renaissance → swarm), `coevolutive_swarm_system.md` (Filone A, sistema completo), `poc_trading_swarm.md` (Filone B, PoC trading).
-
-- `00_documento_zero.md` — framework concettuale (Renaissance → swarm co-evolutivo LLM).
-- `coevolutive_swarm_system.md` — design Filone A (sistema completo, 12-18 mesi).
-- `poc_trading_swarm.md` — design Filone B (PoC trading, fonte di Phase 1).
 
 ## Architettura
 
@@ -36,57 +36,73 @@ src/multi_swarm/
 ├── config.py                Settings Pydantic (.env)
 ├── data/
 │   ├── cerbero_ohlcv.py     OHLCV loader via Cerbero MCP + cache parquet
-│   └── splits.py            Walk-forward expanding splits
+│   └── splits.py            Walk-forward expanding splits (Phase 2.6)
 ├── backtest/
 │   ├── orders.py            Side/Order/Position/Trade
 │   └── engine.py            Event-driven backtest, 1-bar exec delay
 ├── metrics/
 │   ├── basic.py             Sharpe, max drawdown, total return
-│   └── dsr.py               Deflated Sharpe Ratio (Bailey & López 2014)
+│   ├── dsr.py               Deflated Sharpe Ratio (Bailey & López 2014)
+│   └── diversity.py         Entropy/diversity metrics popolazione (Phase 2.5)
 ├── cerbero/
 │   ├── client.py            HTTP client (bearer + bot-tag + retry tenacity)
 │   └── tools.py             Wrapper tool MCP (sma/rsi/atr/macd/realized_vol/funding)
 ├── protocol/
-│   ├── grammar.py           Vocabolario operatori, indicatori, feature
+│   ├── grammar.py           Vocabolario operatori, indicatori, feature (incl. hour/dow/is_weekend)
 │   ├── parser.py            json.loads → AST dataclass tipizzato
 │   ├── validator.py         Arity checks, no-nesting indicators, whitelist
 │   └── compiler.py          AST → Callable[[df], Series[Side]]
 ├── genome/
 │   ├── hypothesis.py        HypothesisAgentGenome (id deterministico)
-│   ├── mutation.py          4 operatori (temp, lookback, features, style)
+│   ├── mutation.py          4 operatori scalari (temp, lookback, features, style)
+│   ├── mutation_prompt_llm.py  5° operatore: riscrittura system_prompt via LLM tier B
 │   └── crossover.py         Uniform crossover
 ├── llm/
 │   ├── client.py            Unified LLMClient via OpenRouter (tier S/A/B/C/D)
-│   └── cost_tracker.py      Pricing per tier, breakdown
+│   └── cost_tracker.py      Pricing per tier, breakdown + call_kind tracking
 ├── agents/
 │   ├── hypothesis.py        LLM call + JSON extract + retry-with-feedback
 │   ├── falsification.py     Compile → backtest → DSR
-│   ├── adversarial.py       Red-team heuristics (no_trades/degenerate/over/under)
+│   ├── adversarial.py       Red-team heuristics (5 check HIGH parametrici via CLI)
 │   └── market_summary.py    Stats di mercato per il prompt
 ├── ga/
 │   ├── selection.py         Tournament + elitism
-│   ├── fitness.py           v1 continua: dsr + tanh(sharpe) × penalty(dd)
+│   ├── fitness.py           v1 continua + v2 soft-kill + combined IS/OOS opt-in
 │   ├── loop.py              next_generation step
 │   ├── summary.py           median/max/p90/entropy per gen
 │   └── initial.py           Popolazione iniziale (6 cognitive style)
 ├── persistence/
-│   ├── schema.py            SQLite DDL: 6 tabelle + 3 indici
+│   ├── schema.py            SQLite DDL: 6 tabelle GA + 5 tabelle paper_trading_*
 │   └── repository.py        CRUD per runs/genomes/evals/cost/findings/gen_summary
+├── paper_trading/           Phase 3
+│   ├── portfolio.py         Multi-asset portfolio con sleeve uguali per asset
+│   ├── executor.py          PaperExecutor: carica strategia JSON, valuta ultimo bar
+│   └── persistence.py       PaperRepository (paper_trading_runs/ticks/equity/trades/positions)
 ├── orchestrator/
-│   └── run.py               End-to-end pipeline + persistence
+│   └── run.py               End-to-end pipeline GA + persistence
 └── dashboard/
     ├── nicegui_app.py       NiceGUI dashboard (overview / convergence / genomes)
     └── data.py              Lettura runs.db per le pagine
 ```
 
-Stack: Python 3.13, uv, pytest+pytest-mock+responses, openai SDK (verso OpenRouter), requests+tenacity, pandas+numpy+scipy, sqlmodel+sqlite, nicegui+plotly.
+Stack: Python 3.13, uv, pytest+pytest-mock+responses, openai SDK (verso OpenRouter), requests+tenacity, pandas+numpy+scipy, sqlmodel+sqlite, nicegui+plotly, yfinance (test cross-asset non-crypto).
+
+CLI knobs accumulati (Phase 2.5 → 2.7):
+
+- `--prompt-mutation-weight FLOAT` (peso del 5° operatore, sweet spot 0.20-0.30)
+- `--fees-eat-alpha-threshold FLOAT` (default 0.5, suggerito 0.7)
+- `--flat-too-long-threshold FLOAT` (default 0.95)
+- `--undertrading-threshold INT` (default 20)
+- `--fitness-v2` + `--fitness-soft-penalty FLOAT`
+- `--fitness-combined-alpha FLOAT` (multi-obiettivo IS/OOS)
+- `--min-trades-threshold INT` (filtro OOS in WFA)
 
 ## Setup
 
 ```bash
 uv sync
 cp .env.example .env  # compilare CERBERO_*_TOKEN e OPENROUTER_API_KEY
-uv run pytest         # verifica che tutto installi (141 test attesi)
+uv run pytest         # ~180 test attesi (unit + integration)
 ```
 
 ### Variabili .env richieste
@@ -102,17 +118,17 @@ CERBERO_BOT_TAG=swarm-poc-phase1
 OPENROUTER_API_KEY=<sk-or-v1-...>
 OPENROUTER_BASE_URL=https://openrouter.ai/api/v1
 
-# Modelli per tier (override dei default se serve)
+# Modelli per tier (default Phase 2.5+: qwen-2.5-72b per tier C, vedi .env.example per gli altri)
-LLM_MODEL_TIER_S=anthropic/claude-opus-4-7
-LLM_MODEL_TIER_A=anthropic/claude-sonnet-4-6
-LLM_MODEL_TIER_B=anthropic/claude-sonnet-4-6
 LLM_MODEL_TIER_C=qwen/qwen-2.5-72b-instruct
-LLM_MODEL_TIER_D=meta-llama/llama-3.3-70b-instruct
+
+# Deploy Docker (vedi sezione Deploy)
+DOMAIN_NAME=tielogic.xyz
+SWARM_DASHBOARD_PORT=8080
 ```
 
 ### Cerbero MCP
 
-Phase 1 fetcha OHLCV via Cerbero MCP (sostituisce ccxt). Avviare Cerbero locale prima di un run reale:
+Tutti i fetch OHLCV passano da Cerbero MCP (sostituisce ccxt). In sviluppo locale:
 
 ```bash
 cd /home/adriano/Documenti/Git_XYZ/CerberoSuite/Cerbero_mcp
@@ -120,30 +136,41 @@ uv sync
 uv run cerbero-mcp   # ascolta su porta da .env (default 9001 se 9000 è occupato)
 ```
 
-In alternativa usare il VPS esistente `https://cerbero-mcp.tielogic.xyz` (richiede bearer).
+In produzione/integrazione: VPS `https://cerbero-mcp.tielogic.xyz` (richiede bearer) — o internal docker `http://cerbero-mcp:9000` se si gira nella stessa rete Traefik.
 
 ## Comandi principali
 
 ```bash
 # Quality gates
-uv run pytest                       # tutti i test (141 PASSED attesi)
+uv run pytest                       # tutti i test
 uv run pytest tests/unit -v         # solo unit
-uv run pytest tests/integration -v  # solo integration
+uv run pytest tests/integration -v  # solo integration (richiedono Cerbero + OpenRouter)
 uv run ruff check src/ tests/ scripts/
 uv run mypy src/ scripts/
 
 # Smoke run (MockLLM + OHLCV sintetico, no API calls)
 uv run python scripts/smoke_run.py
 
-# Run reale Phase 1 (Cerbero + OpenRouter, ~$0.07 per run K=20 10gen)
+# Run reale Phase 1/2 (Cerbero + OpenRouter, ~$0.07 per run K=20 10gen)
 uv run python scripts/run_phase1.py \
-  --name phase1-run-XXX \
+  --name run-XXX \
   --exchange deribit --symbol BTC-PERPETUAL --timeframe 1h \
   --start 2024-01-01T00:00:00+00:00 \
   --end 2026-01-01T00:00:00+00:00 \
-  --population-size 20 --n-generations 10
+  --population-size 20 --n-generations 10 \
+  --prompt-mutation-weight 0.30 --fitness-v2
 
-# Dashboard
+# Backtest standalone di una strategia JSON su range esteso
+uv run python scripts/backtest_strategy.py \
+  --strategy strategies/btc_fb63e851.json \
+  --start 2018-09-01 --end 2026-01-01
+
+# Paper-trading forward-test (Phase 3)
+uv run python scripts/run_paper_trading.py \
+  --name phase3-papertrade-XXX \
+  --initial-capital 1000 --poll-seconds 300
+
+# Dashboard NiceGUI locale
 DB_PATH=./runs.db uv run python -m multi_swarm.dashboard.nicegui_app
 ```
 
@@ -155,16 +182,45 @@ NiceGUI dashboard (dark/neon palette) su `http://localhost:8080` (override con e
 - **GA Convergence** (`/convergence`): fitness median/max/p90 per generazione, entropy con hline a soglia gate (0.5).
 - **Genomes** (`/genomes`): top-K ordinati per fitness, click su riga per ispezione system_prompt + raw_text JSON strategy.
 
-In produzione gira dentro Docker dietro Traefik su `https://swarm.${DOMAIN_NAME}` — vedi `docker-compose.yml`.
+In produzione gira dentro Docker dietro Traefik su `https://swarm.${DOMAIN_NAME}` — vedi sezione Deploy.
 
-## Costi tipici Phase 1
+## Deploy
 
-Tier C (qwen-2.5-72b via OpenRouter): ~$0.40/1M token. Run K=20 × 10gen ≈ $0.07. Phase 1 totale (5 run incluse iterazioni bug-fix): $0.19.
+`docker-compose.yml` definisce due servizi che condividono la stessa immagine `multi-swarm:dev`:
 
-Per Phase 2 con tier mix B/C (Sonnet 4.6 = $3/$15 input/output) stima: $3-15 per ablation completa.
+- **`multi-swarm-paper`** — runner `scripts/run_paper_trading.py` long-running (`restart: unless-stopped`).
+- **`multi-swarm-dashboard`** — NiceGUI esposta via Traefik su `https://swarm.${DOMAIN_NAME}`.
+
+Entrambi joinano la rete external `traefik` per parlare direttamente con `cerbero-mcp:9000` senza giro pubblico+TLS. Persistenza via bind mount:
+
+- `./data/`, `./series/` — cache OHLCV (parquet)
+- `./state/` — `runs.db` (+ WAL/SHM)
+- `./strategies/` — `btc_*.json` / `eth_*.json` (read-only nel container)
+
+Bring-up:
+
+```bash
+docker compose up -d --build
+docker compose logs -f multi-swarm-paper   # segui i tick
+docker compose ps                           # stato
+```
+
+Note operative:
+
+- Le bind-mount dir devono essere `chown 1000:1000` (uid utente `app` nel container).
+- Override del command paper-trading via env (`PAPER_RUN_NAME`, `PAPER_INITIAL_CAPITAL`, `PAPER_POLL_SECONDS`, ecc.) — vedi `.env.example`.
+- `SWARM_DASHBOARD_PORT` controlla la porta interna del container (Traefik fa il TLS davanti).
+
+## Costi
+
+Costo cumulato LLM progetto a oggi: **≈ $3.74** su 30 run GA (Phase 1 → 2.7). Cap originale Phase 1: $700 → margine residuo abbondante.
+
+- Tier C (qwen-2.5-72b via OpenRouter): ~$0.40/1M token.
+- Run base K=20 × 10gen ≈ $0.07. Con `--prompt-mutation-weight 0.30` overhead mutator 3-9%.
+- **Phase 3 paper-trading**: $0 incrementali LLM (strategie fisse), solo costi Cerbero (servizio esistente).
 
 ## Sviluppo
 
 Conventional commits con prefix `feat:` `fix:` `chore:` `docs:` `refactor:` `test:`. Body italiano. Footer `Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>` su ogni commit collaborativo.
 
-Branch attuale: `main`. Nessun feature branch in Phase 1 (single author, lean spike). Phase 2 valuterà feature branch per ablation paralleli.
+Branch attuale: `main`. Single-author retail R&D, nessun feature branch attivo. Ablation paralleli si gestiscono via CLI knobs sullo stesso branch.