🧠 Python ML Engine

Nyxora tidak hanya mengandalkan model bahasa besar (LLM) untuk mengambil keputusan, melainkan juga memanfaatkan ML Engine (Cognitive Sidecar) khusus berbasis Python yang terletak di direktori packages/ml-engine.

Keberadaan ML Engine ini menjadikan Nyxora sebagai agen otonom hibrida yang sesungguhnya—menggabungkan kecerdasan linguistik generatif dari LLM dengan analisis data deterministik dan pemodelan prediktif dari Machine Learning tradisional.

---

🏗️ Arsitektur ML Engine

ML Engine berjalan sebagai layanan backend FastAPI lokal di Port 8000, sepenuhnya terisolasi dari antrian peristiwa (event loop) Node.js utama. Pemisahan ini memastikan bahwa operasi matematika berat (komputasi matriks) tidak akan pernah membuat chatbot antarmuka Anda menjadi lambat atau tidak responsif.

Tiga komponen utama dalam ML Engine:

1. Model Prediktif (Predictive Modeling)

LLM tidak dirancang untuk memprediksi angka yang presisi. Oleh karena itu, Nyxora menggunakan model Machine Learning statistik murni untuk melakukan peramalan (forecasting).

• Time-Series Forecasting: Menggunakan perpustakaan seperti Pandas TA (pandas-ta) dan model deret waktu untuk memprediksi arah pergerakan harga aset jangka pendek berdasarkan data K-Line Binance yang ditarik secara real-time.
• Sentimen Pasar: Memproses data mentah dari X (Twitter) dan berita Web3 menggunakan model pemrosesan bahasa alami (NLP) yang lebih kecil dan terspesialisasi untuk menghasilkan skor Bull/Bear kuantitatif.

2. Reinforcement Learning (RL)

Nyxora bukan sekadar bot statis; ia belajar dari pengalamannya.

• PPOAgent (Proximal Policy Optimization): ML Engine mengimplementasikan algoritma Reinforcement Learning canggih. PPOAgent terus-menerus mengevaluasi keberhasilan atau kegagalan strategi trading (eksekusi token).
• Feedback Loop: Jika sebuah swap sering gagal akibat slippage atau mengeksekusi harga yang buruk, agen RL akan memodifikasi parameter eksekusinya, secara otonom mencari rute atau pengaturan slippage yang lebih optimal untuk operasi serupa di masa mendatang.

3. Deteksi Anomali Kriptografi (Isolation Forest)

Keamanan adalah prioritas utama. Sebelum Policy Engine menyetujui transaksi, ia dapat meminta opini dari ML Engine.

• Isolation Forest Algorithm: Model algoritma ini dilatih menggunakan pola transaksi historis Anda (yang disimpan di dalam basis data memori lokal memory.db).
• Behavioral Auditing: Jika agen secara tiba-tiba mencoba memindahkan dana dalam jumlah besar ke alamat yang tidak dikenal pada jam 3 pagi, Isolation Forest akan menandai transaksi ini sebagai anomali (skor deviasi tinggi) dan secara otomatis memblokir transaksi tersebut, menuntut persetujuan interaktif dari Anda.

---

🔄 Integrasi dengan Core Runtime

Proses pertukaran data antara Node.js Core dan Python ML Engine sangat mulus dan efisien:

1. Permintaan: Core Node.js mengumpulkan parameter (misal: "Analisis harga ETH saat ini") dan mengirim HTTP POST ke /api/v1/analyze di Port 8000.
2. Komputasi: FastAPI mendelegasikan tugas ke worker model prediktif (atau mengambil data RAG dari ChromaDB).
3. Respon Deterministik: ML Engine membalas dengan struktur JSON murni yang berisi skor, deviasi standar, dan probabilitas.
4. Sintesis LLM: Core Node.js memberikan angka deterministik ini kepada LLM. LLM kemudian menerjemahkan angka-angka "kering" tersebut menjadi kalimat bahasa alami yang mudah Anda pahami di jendela chat.

Dengan kombinasi ini, LLM bertindak sebagai "Penerjemah dan Komunikator", sementara ML Engine bertindak sebagai "Otak Matematika dan Analitik".