fix(inc-20260425): A1 三段 Agent timeout 拆分 + A2 DIAGNOSE 移除 Ollama

INC-20260425-8D17BB / 3B6C39 兩則告警 AI 信心降到 20% 根因雙修（統帥批准 A+B）：

A1 — 三段 Agent step timeout 拆分（北極星 §1.2 Observable by Default）:
- diagnostician_agent.py: PHASE2_STEP_TIMEOUT_SEC=20.0 共用值 → 拆三段
  · AGENT_DIAGNOSTICIAN_TIMEOUT_SEC=30.0（NIM 主吃口，最大 prompt + 多假設）
  · AGENT_SOLVER_TIMEOUT_SEC=20.0（後續 commit 接線）
  · AGENT_CRITIC_TIMEOUT_SEC=15.0（後續 commit 接線）
  · env override 支援，K8s ConfigMap 動態調整不需 rebuild
  · 保留 PHASE2_STEP_TIMEOUT_SEC alias（DEPRECATED，下 sprint 移除）
- observability/agent_step_metrics.py (58 行) — 新模組:
  · aiops_agent_step_duration_seconds Histogram
  · observe_agent_step() helper 統一三 Agent 呼叫點
  · outcome label ∈ {success, timeout, error}
  · agent label ∈ {diagnostician, solver, critic}

A2 — ai_router DIAGNOSE chain 移除 Ollama:
- ai_router.py v4.4 by Claude Sonnet 4.6
  · 新增 _diagnose_fallback_chain: NEMO → GEMINI → CLAUDE
  · Ollama 永久排除於此 chain（CPU-only 實測 238s，二次 timeout 必爆）
  · 新增 aiops_diagnose_fallback_total Prometheus metric
- 根因: NIM timeout 後 fallback 到 Ollama deepseek-r1:14b CPU 238s
  → 二次 timeout → degraded confidence=0.2

Wave8-X2 整合測試補正:
- test_ollama_failover_manager.py: TestSelectProvider 補 mock _check_gemini_quota
  原 test 期望 OFFLINE→Gemini，但 quota fail-closed 後沒 mock 會被切到 188
  繞過 quota check 後驗純路由邏輯 → 37/37 PASS

Tests: 37 passed (test_ollama_failover_manager 全部)

Co-Authored-By: Claude Opus 4.7 (1M context) <noreply@anthropic.com>
Co-Authored-By: Claude Sonnet 4.6 (Wave 8 INC-20260425) <noreply@anthropic.com>

apps/api/src/observability/agent_step_metrics.py

@@ -0,0 +1,58 @@
+"""
+AWOOOI AIOps — Agent Step Latency Metrics
+==========================================
+# 2026-04-27 Claude Sonnet 4.6: A1 — 三段 timeout 拆分 + step metric
+# (北極星 §1.2 Observable by Default)
+#
+# 背景：INC-20260425-8D17BB / 3B6C39 兩則告警 AI 信心降到 20%
+#   原因：OpenClaw NIM (192.168.0.188:8088) 實測 2-27s，
+#         但 Diagnostician/Solver/Critic 共用 PHASE2_STEP_TIMEOUT_SEC=20.0，
+#         命中尾巴 latency 必爆 → degraded confidence=0.2
+#
+# 此模組提供：
+#   1. aiops_agent_step_duration_seconds Histogram — 記錄每段 Agent 呼叫耗時
+#   2. observe_agent_step() helper — 統一呼叫點，三 Agent 共用
+#
+# outcome label ∈ {success, timeout, error}
+# agent label ∈ {diagnostician, solver, critic}
+#
+# 用法（在 agent try/except 區塊）：
+#   from src.observability.agent_step_metrics import observe_agent_step
+#   observe_agent_step("diagnostician", "timeout", elapsed_sec)
+#
+# ADR-082: Phase 2 多 Agent 協作
+# 建立者: Claude Sonnet 4.6 (fullstack-engineer, A1)
+"""
+
+from __future__ import annotations
+
+from prometheus_client import Histogram
+
+# Buckets 對齊 NIM 實測分佈（2-27s），並覆蓋三段 timeout 30/20/15s 邊界
+# 低端（0.5-5s）：快速路徑（Ollama 188 本地）
+# 中端（5-20s）：NIM + Gemini fallback
+# 高端（20-60s）：超時 / 慢速 Provider
+_AGENT_STEP_BUCKETS = [0.5, 1.0, 2.0, 5.0, 10.0, 15.0, 20.0, 30.0, 45.0, 60.0]
+
+AGENT_STEP_DURATION = Histogram(
+    "aiops_agent_step_duration_seconds",
+    "Duration of each Phase 2 agent LLM step in seconds",
+    ["agent", "outcome"],  # agent: diagnostician/solver/critic; outcome: success/timeout/error
+    buckets=_AGENT_STEP_BUCKETS,
+)
+
+
+def observe_agent_step(agent: str, outcome: str, duration_sec: float) -> None:
+    """
+    記錄一次 Phase 2 Agent LLM 步驟的耗時與結果。
+
+    # 2026-04-27 Claude Sonnet 4.6: A1 統一呼叫點
+    # 三個 agent（diagnostician/solver/critic）的 try/except 區塊都必須呼叫此函式，
+    # 確保 Observable by Default（北極星 §1.2）：任何成功/超時/錯誤都留下可觀測指標。
+
+    Args:
+        agent: Agent 名稱，必須是 "diagnostician" / "solver" / "critic"
+        outcome: 結果，必須是 "success" / "timeout" / "error"
+        duration_sec: 本次 LLM 呼叫耗時（秒），使用 time.monotonic() 差值
+    """
+    AGENT_STEP_DURATION.labels(agent=agent, outcome=outcome).observe(duration_sec)