Adriano
23c9e37f94
- Sezione 'Repository' con clone SSH ssh://git@git.tielogic.xyz:222/Adriano/Multi_Swarm_Coevolutive.git
- Stato Phase 1.5 (Adversarial hardening) in corso, commit 56a631f gia' applicato.
Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
176 lines
8.7 KiB
Markdown
176 lines
8.7 KiB
Markdown
# 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.
|
||
|
||
## Repository
|
||
|
||
Gitea Tielogic (privato, accesso SSH):
|
||
|
||
```bash
|
||
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 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).
|
||
|
||
Documenti chiave:
|
||
|
||
- [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) — valutazione formale dei 5 hard gate.
|
||
- [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:
|
||
|
||
- `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
|
||
|
||
```
|
||
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
|
||
├── 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)
|
||
├── 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
|
||
│ ├── 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)
|
||
│ └── crossover.py Uniform crossover
|
||
├── llm/
|
||
│ ├── client.py Unified LLMClient via OpenRouter (tier S/A/B/C/D)
|
||
│ └── cost_tracker.py Pricing per tier, breakdown
|
||
├── 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)
|
||
│ └── market_summary.py Stats di mercato per il prompt
|
||
├── ga/
|
||
│ ├── selection.py Tournament + elitism
|
||
│ ├── fitness.py v1 continua: dsr + tanh(sharpe) × penalty(dd)
|
||
│ ├── 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
|
||
│ └── repository.py CRUD per runs/genomes/evals/cost/findings/gen_summary
|
||
├── orchestrator/
|
||
│ └── run.py End-to-end pipeline + persistence
|
||
└── dashboard/
|
||
├── streamlit_app.py Hub multipage
|
||
├── data.py Lettura runs.db per le pagine
|
||
├── aquarium.py Helper canvas HTML5 (fish data + JS template)
|
||
└── pages/
|
||
├── 01_overview.py Run + metriche aggregate
|
||
├── 02_ga_convergence.py Fitness convergence + entropy plot
|
||
├── 03_genomes.py Top-10 + ispezione system_prompt
|
||
└── 04_aquarium.py Acquario 2D con click → info + lineage
|
||
```
|
||
|
||
Stack: Python 3.13, uv, pytest+pytest-mock+responses, openai SDK (verso OpenRouter), requests+tenacity, pandas+numpy+scipy, sqlmodel+sqlite, streamlit+plotly.
|
||
|
||
## 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)
|
||
```
|
||
|
||
### Variabili .env richieste
|
||
|
||
```bash
|
||
# Cerbero MCP (locale o VPS https://cerbero-mcp.tielogic.xyz)
|
||
CERBERO_BASE_URL=http://localhost:9001
|
||
CERBERO_TESTNET_TOKEN=<testnet bearer>
|
||
CERBERO_MAINNET_TOKEN=<mainnet bearer> # serve per dati storici reali
|
||
CERBERO_BOT_TAG=swarm-poc-phase1
|
||
|
||
# LLM provider (unico endpoint via OpenRouter)
|
||
OPENROUTER_API_KEY=<sk-or-v1-...>
|
||
OPENROUTER_BASE_URL=https://openrouter.ai/api/v1
|
||
|
||
# Modelli per tier (override dei default se serve)
|
||
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
|
||
```
|
||
|
||
### Cerbero MCP
|
||
|
||
Phase 1 fetcha OHLCV via Cerbero MCP (sostituisce ccxt). Avviare Cerbero locale prima di un run reale:
|
||
|
||
```bash
|
||
cd /home/adriano/Documenti/Git_XYZ/CerberoSuite/Cerbero_mcp
|
||
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).
|
||
|
||
## Comandi principali
|
||
|
||
```bash
|
||
# Quality gates
|
||
uv run pytest # tutti i test (141 PASSED attesi)
|
||
uv run pytest tests/unit -v # solo unit
|
||
uv run pytest tests/integration -v # solo integration
|
||
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)
|
||
uv run python scripts/run_phase1.py \
|
||
--name phase1-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
|
||
|
||
# Dashboard
|
||
DB_PATH=./runs.db uv run streamlit run src/multi_swarm/dashboard/streamlit_app.py
|
||
```
|
||
|
||
## Dashboard
|
||
|
||
Streamlit multipage su `http://localhost:8501` (override con `--server.port`):
|
||
|
||
- **Overview**: lista runs, status, costo, metriche aggregate evaluations (parse success %, top fitness, median).
|
||
- **GA Convergence**: fitness median/max/p90 per generazione, entropy con hline a soglia gate (0.5).
|
||
- **Genomes**: top-10 ordinati per fitness, click su row per ispezione system_prompt + raw_text JSON strategy.
|
||
- **Aquarium**: visualizzazione 2D canvas HTML5 con un pesce per agente; dimensione ∝ fitness, colore per cognitive_style, halo sui top-3, click su pesce → panel info completo + lineage BFS (parents → grandparents → ...).
|
||
|
||
## Costi tipici Phase 1
|
||
|
||
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.
|
||
|
||
Per Phase 2 con tier mix B/C (Sonnet 4.6 = $3/$15 input/output) stima: $3-15 per ablation completa.
|
||
|
||
## 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.
|