feat(flywheel): W2 三件 + KMWriter critic 修法（1635 tests 全綠）

W2 (onboarder 4 週飛輪 80→90 路徑第二週) + critic PR review 5 個 critical/major
全部修完，default flag=false 安全無爆炸風險。

## W2 三件 PR

### PR-R2 — AOL → catalog confidence EWMA 回灌（修飛輪斷鏈 C2）
- 新檔 `apps/api/src/jobs/aol_to_catalog_writeback_job.py`
- 邏輯：每小時掃 AOL 計算 EWMA confidence (alpha=0.3) 回灌 alert_rule_catalog
- 失敗閾值 N=5 連續低成功率 → review_status='draft'
- Hermes _fetch_noisy_rules SQL 加 OR review_status='draft'
- ENABLE_AOL_WRITEBACK_JOB=false (default)
- 8 個測試（mock path 修正：lazy import → patch src.db.base.get_db_context）

### PR-V1 — self_healing_validator 串接 (修飛輪斷鏈 C6)
- 新檔 `apps/api/src/services/self_healing_validator.py`（純函數 assess_self_healing）
- post_execution_verifier.py step 5 串接（feature flag gate）
- evidence_snapshot.py 加 self_healing_score / self_healing_detail 欄位
- db/models.py + base.py ALTER IF NOT EXISTS
- score < 0.5 → 觸發 rollback 提案 Telegram alert（不自動執行）
- ENABLE_SELF_HEALING_VALIDATOR=false (default)
- 7 個測試

### PR-L1 — KM ↔ Playbook 雙向回路 (修飛輪斷鏈 C3+C4)
- learning_service.py 三條新邏輯：
  1. _write_playbook_evolution_km：promote/demote 寫 KM 演化條目
  2. _check_and_mark_playbook_review：N=5 累積觸發 review_required
  3. _demote_alert_rule_catalog_confidence：DEPRECATED → confidence×=0.5
- PlaybookRecord 加 review_required 欄位（schema migration via base.py）
- ENABLE_KM_PLAYBOOK_FEEDBACK_LOOP=false (default)
- KM_PLAYBOOK_REVIEW_THRESHOLD=5 可調
- 6 個測試

## KMWriter Critic 5 個 Critical/Major 修復（之前 critic PR review 發現）
之前 push commit c5753e1c 已修，本 commit 補回 stash 中的對應檔案：
- C1 km_writer.py:194 backfill 自打臉（已修：同步 await + DLQ）
- C2 km_writer.py:391 KM_WRITE_AWAIT=false 路徑收緊
- M1 decision_manager.py:2178/2203 移除 _fire_and_forget
- M2 incident_service.py:1099 自製 path 加 retry+DLQ
- M3 km_writer.py:166 冪等聲明對齊（UPSERT + partial unique index）

## 驗證
- 1635 unit tests 全綠（+27 from 1608）
- 與 fb0c72db (推翻 A2 Ollama primary) 共存無衝突
- 所有新 Job/Service default flag=false（不爆炸）

## 期望影響
飛輪斷鏈 C2 + C3 + C4 + C6 全修
飛輪自主化評分：65 → 85 預估（W2 完成後）

啟用順序（待 prod fb0c72db 驗證 OLLAMA primary 跑得起來後）：
1. ENABLE_AOL_WRITEBACK_JOB=true
2. ENABLE_KM_PLAYBOOK_FEEDBACK_LOOP=true
3. ENABLE_SELF_HEALING_VALIDATOR=true

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

apps/api/src/services/self_healing_validator.py

@@ -0,0 +1,163 @@
+"""
+AWOOOI AIOps — 自愈品質驗證器
+================================
+W2 PR-V1: 飛輪斷鏈 C6 修復 — PostExecutionVerifier 串接自愈品質評估
+
+職責：
+  1. 評估系統是否真的「自愈」（root cause 解除 vs 只是 metric 暫時恢復）
+  2. Regression Detection（修完一個指標但其他指標惡化）
+  3. 修復品質分數（0.0 ~ 1.0）
+
+評分邏輯：
+  - base_score 由 verification_result 決定（success=1.0 / degraded=0.4 / failed=0.0 / timeout=0.2）
+  - regression_penalty 由 pre/post state diff 中惡化指標數量決定
+  - 最終 score = max(0.0, base_score - regression_penalty)
+
+閾值：
+  - score < 0.5 → rollback 提案（Telegram 警示，不自動執行）
+  - score >= 0.5 → 認可自愈，無額外動作
+
+設計原則：
+  - 不修改 self_healing_validator 內部邏輯（外部串接層）
+  - 驗證失敗不阻塞主流程（容錯 try/except 全包）
+  - Feature Flag: ENABLE_SELF_HEALING_VALIDATOR=false（預設關閉）
+
+ADR-081 Phase 1 延伸
+2026-04-28 ogt + Claude Sonnet 4.6: W2 PR-V1 初始建立（C6 修復）
+"""
+
+from __future__ import annotations
+
+import re
+from typing import TYPE_CHECKING, Any
+
+import structlog
+
+if TYPE_CHECKING:
+    pass
+
+logger = structlog.get_logger(__name__)
+
+# 修復品質分數基準（by verification_result）
+_BASE_SCORES: dict[str, float] = {
+    "success": 1.0,
+    "degraded": 0.4,
+    "failed": 0.0,
+    "timeout": 0.2,
+}
+
+# 每個惡化指標的扣分
+_REGRESSION_PENALTY_PER_METRIC = 0.15
+
+# 扣分上限（避免 over-penalty）
+_MAX_REGRESSION_PENALTY = 0.4
+
+# root cause 解除信號（post_state 出現這些 → root cause 已清除）
+_ROOT_CAUSE_CLEARED_SIGNALS = ["running", "ready", "1/1", "2/2", "3/3", "healthy"]
+
+# regression 惡化信號（post_state 新出現但 pre_state 不存在 → regression）
+_REGRESSION_SIGNALS = [
+    "crashloopbackoff",
+    "oomkilled",
+    "oomkill",
+    "pending",
+    "terminating",
+    "error",
+    "failed",
+    "timeout",
+    "evicted",
+    "imagepullbackoff",
+    "errimagepull",
+]
+
+# 數值指標惡化偵測（regex 找 %、數字，比較增幅）
+_NUMERIC_THRESHOLD_RATIO = 0.2  # 超過 20% 增幅算惡化
+
+
+def assess_self_healing(
+    pre_state: dict[str, Any] | None,
+    post_state: dict[str, Any] | None,
+    verification_result: str,
+    action_taken: str,
+) -> dict[str, Any]:
+    """
+    評估自愈品質，返回結構化評估結果。
+
+    Args:
+        pre_state:            執行前環境狀態（可為 None）
+        post_state:           執行後環境狀態（可為 None）
+        verification_result:  PostExecutionVerifier 的判斷結果（success/degraded/failed/timeout）
+        action_taken:         執行的動作描述
+
+    Returns:
+        dict 包含：
+          score          (float 0.0-1.0)
+          root_cause_cleared (bool)
+          regressions    (list[str] — 惡化的指標名稱)
+          detail         (str — 人類可讀說明)
+    """
+    base_score = _BASE_SCORES.get(verification_result, 0.0)
+
+    pre_str = str(pre_state).lower() if pre_state else ""
+    post_str = str(post_state).lower() if post_state else ""
+
+    # 1. Root cause 是否真正解除
+    root_cause_cleared = any(sig in post_str for sig in _ROOT_CAUSE_CLEARED_SIGNALS)
+    if verification_result in ("failed", "timeout"):
+        root_cause_cleared = False
+
+    # 2. Regression detection — 新出現在 post 但 pre 沒有的惡化信號
+    regressions: list[str] = []
+    for sig in _REGRESSION_SIGNALS:
+        if sig in post_str and sig not in pre_str:
+            regressions.append(sig)
+
+    # 3. 數值指標惡化偵測（簡單版：找百分比值增幅）
+    pre_nums = _extract_percentages(pre_str)
+    post_nums = _extract_percentages(post_str)
+    for key, pre_val in pre_nums.items():
+        if key in post_nums:
+            post_val = post_nums[key]
+            if pre_val > 0 and (post_val - pre_val) / pre_val > _NUMERIC_THRESHOLD_RATIO:
+                regressions.append(f"metric_increase:{key}")
+
+    # 4. 計算最終分數
+    regression_penalty = min(
+        len(regressions) * _REGRESSION_PENALTY_PER_METRIC,
+        _MAX_REGRESSION_PENALTY,
+    )
+    score = max(0.0, base_score - regression_penalty)
+
+    # 5. 組裝說明
+    detail_parts = [f"base={base_score:.2f}"]
+    if regressions:
+        detail_parts.append(f"regression_penalty={regression_penalty:.2f} ({','.join(regressions[:5])})")
+    if not root_cause_cleared and verification_result == "success":
+        detail_parts.append("root_cause_unclear")
+    detail = "; ".join(detail_parts)
+
+    return {
+        "score": round(score, 4),
+        "root_cause_cleared": root_cause_cleared,
+        "regressions": regressions,
+        "detail": detail,
+        "verification_result": verification_result,
+        "action_taken": action_taken,
+    }
+
+
+def _extract_percentages(text: str) -> dict[str, float]:
+    """
+    從狀態字串中提取數值百分比。
+
+    例如 "cpu_usage: 85%" → {"cpu_usage": 85.0}
+    用於偵測指標惡化（簡單啟發式，Phase 1 版本）。
+    """
+    result: dict[str, float] = {}
+    # 格式：word_key: N% 或 word_key=N%
+    pattern = re.compile(r"(\w+)[:\s=]+(\d+(?:\.\d+)?)\s*%")
+    for match in pattern.finditer(text):
+        key = match.group(1)
+        val = float(match.group(2))
+        result[key] = val
+    return result